Введение. Повышение безопасности дорожного движения требует разработки методов проактивного выявления участков с повышенной концентрацией дорожно-транспортных происшествий. Существующие подходы недостаточно используют потенциал анализа исторических пространственно-временных данных для прогнозирования зон повышенного риска.
Материалы и методы. В работе использованы данные о 16 247 ДТП за период 2015–2024 гг. по г. Казани, предоставленные ГИБДД. Применен метод пространственной кластеризации по фиксированному радиусу (100 м) с порогом плотности 20 ДТП на зону. Для обработки данных использованы библиотеки Python (pandas, haversine), для визуализации – folium и GeoJSON. Результаты. Разработаны методика и алгоритм выявления аварийно-опасных зон, включающая этапы предварительной обработки геоданных, кластеризации по радиусу, оценки плотности аварий и характеристики зон по доминирующим типам ДТП. Выявлено 127 аварийно-опасных зон, из которых 50 наиболее значимых характеризуются концентрацией от 21 до 87 ДТП. Установлено, что 78% зон локализованы на перекрестках и участках с интенсивным движением. Временной анализ выявил пик аварийности в вечерние часы (17:00–20:00) и увеличение количества ДТП на 23% в осенне-зимний период.
Обсуждение и заключение. Предложенная методика позволяет объективно идентифицировать аварийно-опасные зоны, выявленные алгоритмом кластеризации с учетом пространственной концентрации происшествий. Результаты могут быть интегрированы в навигационные системы для формирования контекстно-зависимых предупреждений водителям. Практическая значимость подтверждена разработкой прототипа мобильного приложения на платформе Android с использованием Yandex MapKit SDK. Практическое значение: методика обеспечивает снижение трудозатрат на выявление проблемных участков дороги и повышает эффективность распределения ресурсов дорожно-эксплуатационных служб. Разработан прототип мобильного приложения на платформе Android с использованием Yandex MapKit SDK, обеспечивающий визуальное и звуковое предупреждение водителей при приближении к аварийно-опасным зонам. Оригинальность/ценность: комплексный подход, объединяющий пространственный анализ данных ГИБДД с возможностью оперативной визуализации и интеграции в мобильные навигационные сервисы для проактивного предупреждения водителей.