"ПНСТ 772-2022. Предварительный национальный стандарт Российской Федерации. Безопасность в чрезвычайных ситуациях. Безопасный город. Прогнозирование последствий возникновения массовых беспорядков. Общие требования"
(утв. и введен в действие Приказом Росстандарта от 15.12.2022 N 137-пнст)

1 РАЗРАБОТАН Обществом с ограниченной ответственностью "Национальный Центр Информатизации" (ООО "НЦИ")

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 071 "Гражданская оборона, предупреждение и ликвидация чрезвычайных ситуаций"

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 15 декабря 2022 г. N 137-пнст

Настоящий стандарт устанавливает общие требования к организации прогнозирования и порядку прогнозирования массовых беспорядков на контролируемой территории населенного пункта (КТ НП) с использованием прогнозной аналитической модели (ПАМ) в составе аппаратно-программного комплекса "Безопасный город" (АПК "Безопасный город"), в качестве математической основы моделирования которой используют байесовские классификаторы.

Настоящий стандарт не содержит указаний по применению конкретных байесовских классификаторов.

Настоящий стандарт не распространяется на ПАМ, использующие для прогнозирования массовых беспорядков другие математические или аналитические методы.

Положения настоящего стандарта предназначены для использования федеральными органами исполнительной власти, органами исполнительной власти субъектов Российской Федерации и местного самоуправления, научно-исследовательскими и другими организациями, участвующими в проектировании, разработке, внедрении в промышленную эксплуатацию и эксплуатации АПК "Безопасный город".

В настоящем стандарте использованы нормативные ссылки на следующие стандарты:

ГОСТ Р 58771 Менеджмент риска. Технологии оценки риска

ГОСТ Р ИСО 3534-1 Статистические методы. Словарь и условные обозначения. Часть 1. Общие статистические термины и термины, используемые в теории вероятностей

ПНСТ 761-2022 Безопасность в чрезвычайных ситуациях. Безопасный город. Термины и определения

ПНСТ 762-2022 Безопасность в чрезвычайных ситуациях. Безопасный город. Типовая прогнозная аналитическая модель с использованием метода Байеса. Общие требования

Примечание - При пользовании настоящим стандартом целесообразно проверить действие ссылочных стандартов в информационной системе общего пользования - на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет или по ежегодному информационному указателю "Национальные стандарты", который опубликован по состоянию на 1 января текущего года, и по выпускам ежемесячного информационного указателя "Национальные стандарты" за текущий год. Если заменен ссылочный стандарт, на который дана недатированная ссылка, то рекомендуется использовать действующую версию этого стандарта с учетом всех внесенных в данную версию изменений. Если заменен ссылочный стандарт, на который дана датированная ссылка, то рекомендуется использовать версию этого стандарта с указанным выше годом утверждения (принятия). Если после утверждения настоящего стандарта в ссылочный документ, на который дана датированная ссылка, внесено изменение, затрагивающее положение, на которое дана ссылка, то это положение рекомендуется применять без учета данного изменения. Если ссылочный стандарт отменен без замены, то положение, в котором дана ссылка на него, рекомендуется применять в части, не затрагивающей эту ссылку.

В настоящем стандарте применены термины по ПНСТ 761-2022, ПНСТ 762-2022, ГОСТ Р ИСО 3534-1, ГОСТ Р 58771, а также следующие термины с соответствующими определениями:

3.1 вероятность возникновения массовых беспорядков: Математическая величина возможности появления необходимых и достаточных условий возникновения массовых беспорядков.

3.2 возникновение массовых беспорядков: Результат происходящих процессов, совокупность которых приводит к массовым беспорядкам.

3.3

3.4 зона массовых беспорядков и несанкционированных публичных мероприятий: Территория, на которой существует угроза причинения вреда жизни и здоровью граждан, имуществу физических и юридических лиц в результате воздействия опасных факторов массовых беспорядков и (или) проводят действия по локализации и пресечению массовых беспорядков, выявлению и задержанию зачинщиков.

3.5 конфликт: Особое взаимодействие индивидов, групп, объединений, которое возникает при их несовместимых взглядах, позициях и интересах.

3.6 конфликтная ситуация в ходе проведения спортивно-массовых мероприятий (между болельщиками): Групповое (с участием двух и более лиц со стороны болельщиков одной спортивной команды) нарушение общественного порядка, образующее состав административного правонарушения либо преступления.

3.7 контролируемая территория населенного пункта; КТ НП: Территория населенного пункта, оборудованная средствами видеонаблюдения и акустического контроля, на которой существует угроза причинения вреда жизни и здоровью граждан, имуществу физических и юридических лиц в результате воздействия опасных факторов массовых беспорядков и (или) проводят действия по локализации и пресечению массовых беспорядков и несанкционированных публичных мероприятий, а также по выявлению и задержанию зачинщиков.

3.8 локализация массовых беспорядков: Действия, направленные на предотвращение распространения массовых беспорядков.

3.9 ликвидация массовых беспорядков: Действия, направленные на прекращение массовых беспорядков.

3.10 массовые беспорядки; МБ: Противоправное общественно опасное деяние против общественной безопасности, заключающееся в организации мероприятий и участии в них, сопровождающихся насилием, погромами, поджогами, уничтожением имущества, применением оружия, взрывных устройств, взрывчатых, отравляющих либо иных веществ и предметов, представляющих опасность для окружающих, а также оказанием вооруженного сопротивления представителям власти.

3.11 межэтнический конфликт: Конфликт между представителями этнических общин, проживающих в непосредственной близости в государстве или на части территории этого или соседнего с ним государства.

3.12

3.13 мониторинг протестной активности: Комплекс мер, включающий в себя: наблюдение и контроль за протестной активностью; организацию системы обнаружения массовых беспорядков и несанкционированных публичных мероприятий, системы наблюдения за их развитием; прием и учет сообщений о массовых беспорядках и несанкционированных публичных мероприятиях, а также оповещение населения и правоохранительных органов об опасности специализированными диспетчерскими службами.

3.14 наблюдаемая территория населенного пункта; НТ НП: Территория населенного пункта, результаты наблюдения за которой используют для обучения прогнозной и аналитической модели.

3.15 обнаружение массовых беспорядков: Установление факта и места возникновения массовых беспорядков.

3.16

3.17 опасный фактор массовых беспорядков: Фактор массовых беспорядков, воздействие которого приводит к нанесению физического или психологического вреда человеку или группе лиц, а также к материальному ущербу.

3.18 политический конфликт: Проявление и результат конкретного взаимодействия двух или более сторон (индивидов, их групп, политических партий, движений, религиозных объединений), оспаривающих друг у друга распределение и удержание властных ресурсов, полномочий и благ.

3.19

3.20 протестная активность: Оценка роста (снижения), относительно предыдущих аналогичных временных периодов, количества зарегистрированных административных правонарушений (преступлений) против общественной безопасности, правопорядка и органов государственной власти.

3.21 протестный потенциал: Совокупность факторов, структурирующихся вокруг выражения различных форм недовольства субъектов социального действия в различных сферах общества.

3.22 причина массовых беспорядков: Явление или обстоятельство, непосредственно обуславливающее возникновение массовых беспорядков.

3.23

3.24 религиозный конфликт: Острое столкновение индивидов или их групп через несовпадение взглядов в вопросах вероучения и религиозной деятельности; такие конфликты могут проявляться в форме споров и разногласий, конкуренции и конфронтации, борьбы и религиозной вражды, вызванных религиозным фанатизмом.

3.25 развитие массовых беспорядков: Увеличение зоны массовых беспорядков и/или вероятности воздействия опасных факторов массовых беспорядков.

3.26

3.27 социальный конфликт: Наивысшая стадия развития противоречий в отношениях между людьми, социальными группами, общества в целом, которая характеризуется столкновением противоположно направленных интересов, целей, позиций субъектов взаимодействия.

3.28

3.29 субъекты защиты: Лица, для которых осуществляются мероприятия по их защите от различных поражающих факторов или по обеспечению общественной безопасности, при этом для субъектов защиты в зависимости от угрозы осуществляется деятельность по защите их здоровья, прав и законных интересов в случае возникновения угрозы.

3.30

3.31

3.32 экономический конфликт: Противоборство, возникающее вследствие столкновения противоположных интересов участников экономических отношений по вопросам обладания и использования материальных и нематериальных ресурсов, а также производства, обмена, распределения и потребления экономических благ.

3.33 экологический конфликт: Экстремальное обострение противоречий, выражающееся в борьбе общественных масс или определенных социальных групп, вызванное нарушением их интересов, удовлетворяемых на основе использования свойств окружающей среды или сокращением доступности природных ресурсов.

В настоящем стандарте применены следующие сокращения:

АПК "Безопасный город" - аппаратно-программный комплекс "Безопасный город";

ГИС - геоинформационная система;

КСП - кризисная ситуация и/или происшествие;

МАВ - максимальная апостериорная вероятность;

МКП - модель краткосрочного прогнозирования;

МСП - модель среднесрочного прогнозирования;

МВД России - Министерство внутренних дел Российской Федерации;

Минобороны России - Министерство обороны Российской Федерации;

ОПО - опасный производственный объект;

ПМ - публичное мероприятие;

ПАМ-МБ - прогнозная аналитическая модель для прогнозирования последствий возникновения массовых беспорядков АПК "Безопасный город";

ПО - программное обеспечение;

РКД - рабочая и конструкторская документация;

СМИ - средства массовой информации;

ТБО - твердые бытовые отходы;

ФСБ России - Федеральная служба безопасности Российской Федерации;

ЭМИ - электромагнитные излучения.

5.1 Настоящий стандарт содержит описание процессов формирования априорной информации для прогнозирования МБ на КТ НП, для обработки данной информации, а также методов анализа неблагоприятных событий на КТ, связанных с МБ.

5.2 ПАМ-МБ должна соответствовать ПНСТ 762-2022.

5.3 ПАМ-МБ предназначена для автоматизации деятельности должностных лиц единой дежурно-диспетчерской службы муниципальных образований при прогнозировании класса угрозы "МБ" по КСП, связанным с данной угрозой (массовым протестам, погромам, поджогам, общественным беспорядкам и т.д.), которые могут произойти на КТ НП муниципального образования, а также для уточнения результатов развития МБ на КТ НП по полученным оперативным данным.

5.4 Пользователями ПАМ-МБ могут быть также должностные лица органов управления федерального, регионального, муниципального и объектового уровней, осуществляющие руководство и управление мероприятиями по предупреждению и ликвидации МБ, имеющие доступ к АПК "Безопасный город".

5.5 Прогнозирование МБ с использованием ПАМ-МБ осуществляют с целью повышения эффективности принимаемых управленческих решений по предупреждению и ликвидации последствий данной угрозы. Для этого ПАМ-МБ должна обеспечивать:

- анализ вероятности возникновения МБ на КТ НП, в том числе на основе информации, поступившей с различных систем мониторинга и выявления угрозы в режиме времени, близком к реальному;

- определение параметров развития МБ на КТ НП.

5.6 Основной задачей ПАМ-МБ является своевременное выявление угрозы возникновения МБ и их воздействия на объекты и субъекты защиты, в целях разработки и реализации мер по обеспечению безопасности населения, проживающего на КТ НП и персонала данных объектов.

Для решения указанных задач ПАМ-МБ должна включать следующие базовые модели:

- МКП, предназначенная для вероятностной оценки развития МБ на КТ НП в ходе проведения спланированных и несанкционированных ПМ в течение ближайших 3 ч, а также оценки возможных параметров МБ;

- МСП, предназначенная для вероятностной оценки возможности возникновения и развития МБ на КТ НП в течение ближайших 10 сут.

Примечание - Для получения других вероятностных характеристик при прогнозировании МБ перечень решаемых функциональных задач и моделей ПАМ-МБ может быть дополнен. При этом должны быть соблюдены общие требования по ПНСТ 762-2022.

5.7 В общем случае процесс разработки и применения ПАМ-МБ включает следующие этапы:

- обучение ПАМ-МБ;

- опытная эксплуатация ПАМ-МБ на тестовых данных;

- промышленная эксплуатация ПАМ-МБ на реальных данных.

6.1 Основными мероприятиями, осуществляемыми в процессе обучения ПАМ-МБ, являются:

- сбор статистики по МБ (за последние пять лет) и сведений о НТ;

- обработка собранных данных для формирования обучающих множеств МКП и МСП ПАМ-МБ;

- сборка обработанных данных МКП и МСП ПАМ-МБ в обучающие примеры;

- обработка обучающих примеров с применением байесовского классификатора.

6.2 В настоящем стандарте установлены основные входные данные для формирования базовых обучающих множеств МКП и МСП ПАМ-МБ. Приведенные входные данные могут быть дополнены и/или уточнены с учетом особенностей конкретных территорий НП.

6.3 Для сбора исходных данных необходимо предварительно определить состав территорий, результаты наблюдения за которыми будут применены в ПАМ-МБ, - НТ. В состав НТ НП следует включать места проведения культурно-массовых и спортивных мероприятий, площади, улицы и скверы, входящие в состав КТ. Данные в отношении НТ используют для сбора статистической информации для подготовки обучающих множеств, обеспечивающих обучение моделей ПАМ-МБ, а информация по КТ - для составления прогнозов событий на указанных территориях.

6.4 Основными входными данными для формирования базового обучающего множества ПАМ-МБ служат следующие данные:

- о причинах возникновения МБ, проведении ПМ и последствиях перерастания спланированных и несанкционированных ПМ в МБ, возникших на НТ в НП;

- характеризующие территории НП;

- характеризующие возрастной состав населения и социальные условия в НП;

- поступающие с систем видеонаблюдения и акустического контроля, расположенных на НТ в НП;

- характеризующие объекты транспортной инфраструктуры НП;

- о состоянии правоохранительной системы на НТ НП;

- о метеорологической обстановке на НТ НП.

6.5.1 Входными данными, характеризующими причины возникновения МБ, проведение ПМ и последствия перерастания спланированных и несанкционированных ПМ в МБ, возникших на НТ в НП, являются:

а) причины конфликтной ситуации в обществе;

б) наименование мероприятия, послужившего индикатором социальной активности (напряженности) в обществе, приведшее к МБ на НТ НП;

в) тип мероприятия, послужившего индикатором социальной активности (напряженности) в обществе - пускового события, приведшего к МБ;

г) период времени, прошедший от пускового события до начала МБ, ч;

д) дата и время проведения мероприятия, послужившего индикатором социальной активности (напряженности);

е) тип конфликта в обществе, к которому относится выявленное пусковое событие;

ж) дата и время регистрации (получения отказа в регистрации) проведения ПМ на НТ НП;

и) дата и время проведения ПМ, приведшего к МБ на НТ НП;

к) дата и время возникновения МБ на НТ НП;

л) факт регистрации МБ при проведении ПМ;

м) тип ПМ, приведшего к МБ;

н) тип организации ПМ;

п) характеристика ПМ по степени его организованности;

р) социальная сфера, послужившая источником информации о планировании МБ;

с) масштаб ПМ;

т) характеристика ПМ по продолжительности;

у) характеристика ПМ по составу участников;

ф) характеристика ПМ, приведшего к МБ, по численности его участников;

х) численность граждан, принявших участие в МБ, чел.;

ц) тип толпы при ПМ;

ч) характеристика толпы по отношению к общественному порядку при МБ, возникших в ходе проведения ПМ;

ш) типизация протестующей толпы по характеру актуальных для участников МБ потребностей;

щ) характеристика толпы по ее пространственному расположению на НТ НП при проведении ПМ;

ы) характеристика участвующих в ПМ по принципу межличностного взаимодействия;

э) характеристика преобладающего большинства участников ПМ;

ю) стадия конфликтной ситуации, на которой возникли МБ;

я) состав протестующих в завершающий период ПМ (приведший к МБ), определяемый по приложению А [таблица А.19, перечисления а) - е)];

1) общая численность протестующих в завершающий период ПМ, приведшего к МБ, чел.;

2) численность личного состава правоохранительных органов, обеспечивающих общественную безопасность в завершающий период ПМ, вызвавшего МБ, чел.;

3) принадлежность сил, обеспечивающих общественную безопасность и правопорядок в завершающий период ПМ, ставшего причиной МБ, что определяется по приложению А [таблица А.20, перечисления а) - д)];

4) количество пострадавших среди граждан, не участвующих в МБ, чел.;

5) маршрут движения толпы в ходе МБ, определяемый по приложению А (таблица А.21);

6) площадь НТ НП, охваченная проведением ПМ, км²;

7) статус наличия у правоохранительных органов планов обеспечения общественной безопасности и правопорядка при проведении ПМ;

8) количество объектов инфраструктуры, деятельность которых была нарушена или их инфраструктура получила повреждения в ходе МБ, ед.;

9) статус сопровождения МБ давкой в местах скопления граждан;

10) продолжительность МБ, ч;

11) социальные группы общества, наиболее пострадавшие в ходе МБ;

12) типы преобладающих объектов инфраструктуры, которые подверглись физическому воздействию при МБ.

Параметры, представленные статусами регистрации событий (параметров), должны иметь бинарный вид.

6.5.2 Входными данными, характеризующими территории НП, являются:

а) наименование муниципального образования;

б) наименование НП;

в) тип местности расположения НП;

г) площадь НП, км²;

д) численность населения в НП, чел.;

е) характеристика застройки НП;

ж) сведения о городских площадях и установленных на них системах их видеомониторинга и акустического контроля;

и) количество (по типам) зданий (сооружений) в НП - жилых, административных, производственных, объектов инфраструктуры (с массовым пребыванием людей, социальных, религиозных, спортивных), ед.;

к) плотность автомобильных дорог НП, км/км².

6.5.3 Входными данными, характеризующими возрастной состав населения и социальные условия в НП, являются:

а) плотность населения в НП, чел/км²;

б) состав населения по основным возрастным группам, чел.;

в) характеристика внешних передвижений граждан, % от общей численности;

г) уровень безработицы, % от общей численности;

д) уровень преступности, количество совершенных преступлений на 10 тыс. населения;

е) индекс социальной напряженности в обществе на дату возникновения МБ.

6.5.4 Входными данными, поступающими с систем видеонаблюдения и акустического контроля, расположенных на НТ, являются:

а) дата и время ведения видеонаблюдения и акустического контроля НТ в НП, в т.ч. используемых для проведения ПМ;

б) координаты НТ в НП, оборудованных системами видеонаблюдения и акустического контроля (долгота и широта), град;

в) численность граждан в границах НТ НП, чел.;

г) характеристика наличия у индивидов в толпе в зоне НТ НП тех предметов, которые можно использовать для физического и психического воздействия;

д) характеристика нетипичного поведения индивида (или группы индивидов) при скоплении людей на НТ НП;

е) характеристика шума в местах скопления граждан.

6.5.5 Входными данными, характеризующими объекты транспортной инфраструктуры, расположенные в НП, являются:

а) протяженность автомобильных дорог в НП (с твердым покрытием и грунтовых), км;

б) протяженность железнодорожных путей в НП, км;

в) количество автомобильных мостов в НП, ед.;

г) количество остановок общественного транспорта в НП, ед.;

д) количество станций метрополитена и станций железнодорожных сообщений в НП, ед.

6.5.6 Входными данными, характеризующими состояние правоохранительной системы в НП, являются:

а) ведомственная подчиненность подразделений правоохранительной системы, осуществляющих деятельность на НТ НП, определяемая по приложению А [таблица А.20, перечисления а) - д)];

б) координаты мест дислокации подразделений правоохранительной системы, осуществляющих деятельность на НТ НП (долгота и широта), град;

в) время прибытия с мест дислокации до мест проведения ПМ подразделений правоохранительной системы, обеспечивающих общественную безопасность и правопорядок субъектов и объектов защиты на НТ НП, ч;

г) этап, на котором спланировано реагирование подразделений правоохранительной системы, осуществляющих деятельность на НТ НП при МБ;

д) численность личного состава подразделений правоохранительной системы, осуществляющих деятельность на НТ НП при реагировании на МБ, чел.

К параметрам метеорологической обстановки относят следующие наборы данных:

- входные данные, характеризующие метеорологическую обстановку в стандартный срок наблюдения в течение суток;

- входные данные, характеризующие метеорологическую обстановку за сутки.

Параметры метеорологической обстановки следует подготавливать на базе объективных данных о метеорологическом режиме и климате в НП, поступающих с метеорологических станций, постов и/или технических средств, обеспечивающих определение и представление метеоданных в режиме времени, близком к реальному, и находящихся в радиусе не более 25 км от НП.

Непосредственный состав наборов метеоданных:

- для МКП - входные данные, характеризующие метеорологическую обстановку в стандартный срок наблюдения;

- МСП - входные данные, характеризующие метеорологическую обстановку за сутки.

Данные, характеризующие метеорологическую обстановку, следует подготавливать:

- для МКП - на период 27 ч, с шагом наблюдения, соответствующим стандартному сроку наблюдения (как правило, каждые 3 ч): начало - дата и время наблюдения МБ; окончание - 24 ч до начала периода наблюдения;

- МСП - на период 10 сут, с шагом наблюдения 1 сут: начало - дата наблюдения наличия (отсутствия) МБ; окончание - начало периода наблюдения.

6.5.7.1 Входными данными, характеризующими метеорологическую обстановку в стандартный срок наблюдения в течение суток в НП, являются:

а) дата и время наблюдения метеопараметров;

б) наименование (идентификационный номер) метеостанции;

в) географические координаты расположения метеостанции (долгота и широта), град;

г) температура воздуха, °C;

д) атмосферное давление, мм рт. ст.;

е) относительная влажность воздуха, %;

ж) направление ветра, град;

и) скорость ветра, м/с;

к) количество осадков, мм.

6.5.7.2 Входными данными, характеризующими метеорологическую обстановку за сутки, являются:

а) дата и время наблюдения метеопараметров;

б) наименование (идентификационный номер) метеостанции;

в) географические координаты расположения метеостанции (долгота и широта), град;

г) преобладающая температура воздуха ночью, °C;

д) преобладающая температура воздуха днем, °C;

е) максимальная температура воздуха ночью, °C;

ж) максимальная температура воздуха днем, °C;

и) количество осадков, мм.

6.6.1 На базе сформированных изначально не обработанных входных данных подготавливают необходимые наборы данных для обучающих множеств МКП и МСП ПАМ-МБ.

Для формирования обучающего множества указанные наборы данных подлежат обработке, после чего на базе уже обработанных данных осуществляют сборку обучающих примеров моделей.

Обработка заключается в группировке входных данных с использованием справочников ПАМ-МБ (приведенных в приложении А) и методов статистической обработки (рекомендуется - группировка численных значений параметров согласно справочникам, сформированным с использованием формулы Стерджесса, приведенной в приложении Б), а также в подготовке параметров (ответов) гипотез моделей.

6.6.2 В результате обработки каждый параметр обучающего примера должен быть приведен к бинарному или дискретному виду. Параметры, изначально имеющие бинарный или дискретный вид, обработке не подлежат.

В составе обучающего множества, к указанным входным данным, подлежащим преобразованию, относят параметры, приведенные в 6.5.1:

- в перечислениях а), в), е), м), н), п), р), с), т), у), ф), ц), ч), ш), щ), ы), э), ю), я), 3), 5), 11), 12), которые подлежат обработке методом их статистической группировки согласно справочникам, приведенным в таблицах А.1 - А.23 соответственно;

- перечислениях г), х), 1), 2), 4), 6), 8), 10), которые подлежат обработке путем их группировки согласно справочникам, сформированным с использованием формулы Стерджесса, приведенной в приложении Б;

- перечислениях л), 7), 9), которые не требуют проведения преобразований, так как параметры имеют бинарный вид.

Параметры, приведенные в перечислениях б), ж), и) 6.5.1, не требуют проведения преобразований, так как они предназначены для сборки данных в обучающие примеры.

В составе обучающего множества, к указанным входным данным, подлежащим преобразованию, относят параметры, приведенные в 6.5.2:

- в перечислениях в), е), которые подлежат обработке методом их статистической группировки согласно справочникам, приведенным в таблицах А.24 и А.25 соответственно;

- перечислениях г), д), и), к), которые подлежат обработке путем их группировки согласно справочникам, сформированным с использованием формулы Стерджесса, приведенной в приложении Б.

Параметры, приведенные в перечислениях а), б), ж) 6.5.2, не требуют проведения преобразований, так как они предназначены для сборки данных в обучающие примеры.

В составе обучающего множества к указанным входным данным, подлежащим преобразованию, относят параметры, приведенные в перечислениях а) - е) 6.5.3, которые подлежат обработке путем их группировки согласно справочникам, сформированным с использованием формулы Стерджесса, приведенной в приложении Б.

В составе обучающего множества, к указанным входным данным, подлежащим преобразованию, относят параметры, приведенные в 6.5.4:

- в перечислениях г), д), е), которые подлежат обработке методом их статистической группировки согласно справочникам, приведенным в таблицах А.26, А.27 и А.28 соответственно;

- перечислении в), которые подлежат обработке путем их группировки согласно справочнику, сформированному с использованием формулы Стерджесса, приведенной в приложении Б.

Параметры, приведенные в перечислениях а), б) 6.5.4, не требуют проведения преобразований, так как они предназначены для сборки данных в обучающие примеры.

В составе обучающего множества к указанным входным данным, подлежащим преобразованию, относят параметры, приведенные в перечислениях а) - д) 6.5.5, которые подлежат обработке путем их группировки согласно справочникам, сформированным с использованием формулы Стерджесса, приведенной в приложении Б.

В составе обучающего множества к указанным входным данным, подлежащим преобразованию, относят параметры, приведенные в 6.5.6:

- в перечислениях а), г), которые подлежат обработке методом их статистической группировки согласно справочникам, приведенным в таблицах А.20 и А.29 соответственно;

- перечислениях в), д), которые подлежат обработке путем их группировки согласно справочникам, сформированным с использованием формулы Стерджесса, приведенной в приложении Б.

Параметры, приведенные в перечислении б) 6.5.6, не требуют проведения преобразований, так как они предназначены для сборки данных в обучающие примеры моделей.

В составе обучающего множества к указанным входным данным, подлежащим преобразованию, относят параметры, приведенные в перечислениях г) - к) 6.5.7.1, которые подлежат обработке методом их статистической группировки согласно справочникам, приведенным в таблицах А.30 - А.35 соответственно.

Параметры, приведенные в перечислениях а), б), в) 6.5.7.1, не требуют проведения преобразований, так как они предназначены для сборки данных в обучающие примеры.

В составе обучающего множества к указанным входным данным, подлежащим преобразованию, относят параметры, приведенные в перечислениях г) - и) 6.4.7.2, которые подлежат обработке методом их статистической группировки согласно справочникам, приведенным в таблицах А.30 - А.35 соответственно.

Параметры, приведенные в перечислениях а), б), в) 6.5.7.2, не требуют проведения преобразований, так как предназначены для сборки данных в обучающие примеры.

6.7.1 В результате сбора и обобщения входных данных о ПМ, событиях, приведших к МБ, о развитии МБ, а также характеристик НП, его транспортной инфраструктуры, состава населения, метеорологической обстановки должна быть подготовлена изначальная статистическая база данных, представляющая собой набор обучающих примеров ПАМ-МБ, упорядоченных в общем случае по дате и времени наблюдений.

6.7.2 Необходимые наборы данных и перечень показателей, входящих в состав обучающего примера для каждой модели ПАМ-МБ, приведены в таблице 1.

6.7.3 Минимальный временной диапазон обучающих примеров для формирования базового обучающего множества должен составлять не менее пяти лет.

6.7.4 При отсутствии статистических данных для формирования обучающих примеров в необходимом объеме подготовку базового обучающего множества ПАМ-МБ следует осуществлять поэтапно. На начальном этапе могут быть применены экспертные оценки и результаты прогнозирования МБ с помощью используемых на практике методов и моделей, разработанных на базе таких методов, статистические наблюдения за МБ в частично сопоставимых НП. На последующих этапах по мере накопления необходимого объема обучающих примеров применительно к конкретным территориям базовое обучающее множество ПАМ-МБ подлежит уточнению.

Максимальная достоверность прогнозов с использованием ПАМ-МБ достигается при формировании обучающего множества и последующей обработке новых наблюдаемых значений входных параметров на базе информации, поступающей с технических средств мониторинга КТ в режиме времени, близком к реальному, а также с систем анализа публикаций СМИ и мониторинга социальных сетей, обеспечивающих получение оперативной информации об анализируемых событиях.

6.7.5 Дообучение ПАМ-МБ должно быть осуществлено согласно разрабатываемому регламенту, в котором установлены периоды дообучения, источники данных, ответственные за их предоставление, предварительную обработку и включение в состав обучающего множества.

6.7.6 Данные в обучающих примерах ПАМ-МБ должны быть предварительно обработаны в целях их систематизации и приведения к требуемому качеству (за счет устранения пропущенных и аномальных значений, преобразования к установленным форматам, устранения ошибок и т.д.).

6.7.7 Систематизацию данных и приведение их к требуемому качеству следует осуществлять с использованием апробированных методов статистической обработки данных, справочников и классификаторов.

7.1 При выборе байесовского классификатора необходимо учитывать, что алгоритм классификации должен быть оптимизирован для обработки большого объема входных и выходных данных.

7.2 Вновь разрабатываемые методы байесовского анализа перед применением в ПАМ-МБ должны пройти процедуру подтверждения их достоверности.

7.3 Вероятностной оценке с использованием выбранного байесовского классификатора подлежат гипотезы, приведенные в таблице 2.

7.4 Глубина прогнозов в ПАМ-МБ должна соответствовать следующим требованиям:

- МКП - глубина (период, от даты и времени начала) прогноза - не менее 3 ч;

- МСП - глубина прогноза - не менее 10 сут.

7.5 Оценку и проверку гипотез, приведенных в таблице 2, следует осуществлять по параметру и событию (значению), соответствующему конкретной гипотезе, для которого апостериорная вероятность максимальна.

7.6 Для разработки мер реагирования следует устанавливать уровень реализации угрозы МБ для КТ НП в зависимости от результатов вероятностной оценки гипотез, приведенных в таблице 3.

7.7 Анализ и интерпретацию результатов статистической обработки следует осуществлять с использованием ГИС в составе АПК "Безопасный город". В этих целях должны быть подготовлены цифровые карты, содержащие следующие пространственные и атрибутивные данные:

- общие границы НП с КТ;

- КТ (улицы, площади, места массового пребывания людей и т.п.);

- объекты инфраструктуры - объекты защиты НП.

7.8 В качестве атрибутивных значений типов указанных объектов (полигонов) должны быть указаны параметры, позволяющие однозначно идентифицировать их типы, в целях выявления площадных характеристик НП (полигонов) территорий, на которых будут наблюдаться МБ, а также выявления объектов инфраструктуры, которые на указанных территориях могут пострадать в результате противоправных действий протестующих (участников МБ).

7.9 В качестве атрибутивных данных для каждого объекта защиты должны быть подготовлены следующие сведения:

- наименование объекта;

- тип объекта;

- координаты и адрес объекта;

- численность населения (персонала, пациентов, отдыхающих, проживающих) на объекте;

- потенциальная опасность объекта для населения;

- социальная значимость объекта для НП;

- другие сведения, необходимые для разработки мер по реагированию.

8.1 Этапы и содержание работ по программной реализации и проверке, а также перечень наименований разрабатываемых документов на ПАМ-МБ и их комплектность, включая требования к содержанию указанных документов, должны быть определены в техническом задании на ее разработку. При разработке ПО и РКД ПАМ-МБ рекомендуется применять национальные стандарты серии "Комплекс стандартов на автоматизированные системы" и серии "Единая система программной документации" соответственно.

8.2 Проверку работоспособности и соответствия ПАМ-МБ функциональным требованиям необходимо осуществлять в ходе проведения опытной эксплуатации.

8.3 Должны быть предусмотрены следующие стадии проверки ПАМ-МБ:

- опытная эксплуатация на тестовых данных;

- промышленная эксплуатация.

9.1 На этапе опытной эксплуатации ПАМ-МБ осуществляют:

а) определение источников получения требуемых входных данных ПАМ-МБ в пилотных регионах, в качестве которых могут выступать:

1) технические системы видеомониторинга (видеонаблюдения) и акустического контроля контролируемых территорий и объектов, государственные и иные информационные системы,

2) организации наблюдательной сети Росгидромета, региональных (муниципальных) наблюдательных сетей состояния окружающей среды, а также наблюдательных сетей других участников деятельности в области метеорологии,

3) непосредственно стационарные и подвижные пункты видеонаблюдения и пункты мониторинга за состоянием окружающей среды,

4) автоматические метеорологические станции,

5) информационные ресурсы региональных и муниципальных органов, анализирующие информацию из СМИ и др.;

б) сбор и обработку входных данных ПАМ-МБ.

Сбор входных данных ПАМ-МБ осуществляют через ранее установленные источники в пилотных регионах.

В случае наличия частично недостающих и/или некачественных (неточных, противоречивых и т.п.) данных они подлежат замене на синтетические данные, формируемые с использованием методов статистической обработки данных, экспертных оценок или других методов;

в) формирование обучающего множества моделей на базе наблюдаемых параметров пилотных регионов, переобучение ПАМ-МБ.

По мере накопления достоверных сведений в необходимом объеме и формирования на их базе обучающих примеров, обучающие примеры, содержащие синтетические данные, исключают из обучающего множества и ПАМ-МБ подлежит переобучению;

г) оценку качества прогнозов, при необходимости наращивание обучающего множества и дообучение ПАМ-МБ.

Для оценки качества прогнозов 80% собранных и обработанных достоверных данных пилотного региона (выбранных случайным образом) отводят для формирования обучающего множества, 20% - для подготовки тестового набора данных прогнозов наблюдений.

Если качество прогнозов, подготовленных с использованием байесовского классификатора на тестовом наборе данных, составляет не менее 60%, процесс опытной эксплуатации ПАМ-МБ на тестовых данных считают завершенным. В противном случае продолжается процесс наращивания обучающего множества на достоверных данных пилотного региона, дообучение ПАМ-МБ и оценка качества прогнозов. Указанный процесс повторяют до достижения требуемого качества прогнозов;

д) проверку соответствия ПАМ-МБ предъявляемым в техническом задании требованиям, доработку по результатам проведения опытной эксплуатации ПО и РКД ПАМ-МБ.

10.1 На этапе промышленной эксплуатации осуществляют сопряжение (организуют автоматизированный информационный обмен) ПАМ-МБ с источниками получения требуемых входных данных, определенных на этапе опытной эксплуатации, через АПК "Безопасный город".

10.2 В процессе применения ПАМ-МБ по назначению следует осуществлять непрерывный сбор и статистическую обработку контролируемых параметров в режиме времени, близком к реальному, в течение всего периода наблюдений.

10.3 ПАМ-МБ должна автоматически архивировать данные наблюдений.

10.4 В процессе промышленной эксплуатации ПАМ-МБ подлежит постоянному дообучению с интервалом времени не позднее недели после каждого зарегистрированного на КТ МБ.

10.5 Для моделей ПАМ-МБ должны быть предусмотрены автоматические диагностические сообщения (сигналы) при выявлении высокого и среднего уровней угроз.

10.6 В зависимости от источников получения требуемых контролируемых параметров следует определить временной интервал, в течение которого эти данные формируют в виде единицы прогноза для последующей обработки, изначально такой временной интервал для МКП должен быть равен 1 ч.

Непосредственные действия пользователей по применению ПАМ-МБ, в том числе при выявлении высокого и среднего уровней угроз МБ на КТ НП, должны быть определены отдельными должностными регламентами и/или инструкциями.

Для градации, группировки и классификации входных параметров ПАМ-МБ, перед их обработкой байесовским классификатором рекомендуется применять справочники-классификаторы, приведенные в таблицах А.1 - А.25.

Количество градаций значений случайной величины с использованием формулы Стерджесса определяют по следующей зависимости:

где n - количество групп;

N - число единиц совокупности.

Ширину значения варьирующего признака (интервал) случайной величины определяют по формуле

где x_max - максимальное значение признака в совокупности;

x_min - минимальное значение признака в совокупности.

Если x_max или x_min значительно отличаются от смежных с ними значений вариантов в упорядоченном ряду значений группировочного признака, то для определения величины интервала следует использовать значения, несколько превышающие минимум, и несколько меньше, чем максимум.

Если размах вариации признака в совокупности существенный и значения признака варьируются неравномерно, то применяют группировку с неравными интервалами, получаемыми путем объединения интервалов, содержащих небольшое количество показателей или не содержащих ни одного показателя. Также объединение интервалов осуществляют в тех случаях, когда на основе статистических данных для показателей, соответствующих данным интервалам, не зафиксировано ни одного МБ.

Таким образом, учитывая, что процесс наращивания обучающего множества предполагается осуществлять до достижения требуемого качества прогнозов, при компьютерной реализации ПАМ-МБ должны быть обеспечены следующие возможности:

- получение первичных градаций значений наблюдаемого параметра с использованием формул (Б.1) и (Б.2) и формирование на их базе соответствующего справочника;

- изменение полученного справочника градаций значений наблюдаемого параметра пользователем ПАМ-МБ.