داده كاوي تصادفات با استفاده از يادگيري ماشين

كارشناسي ارشد

با توجه به رشد روز افزون وسايل نقليه شاهد رشد و افزايش ميزان تصادفات جاده اي مي‌باشيم. داده هاي تصادفات به تنهايي اهميت چنداني نداشته و بايد مورد بررسي و تجزيه و تحليل قرار بگيرند تا بتوانند به صورت ارزشمند و سودمند درآيند. از آنجايي كه اين داده روز به روز حجيم تر مي شوند لذا ارزش و اهميت داده كاوي داده هاي تصادفات مشخص مي شود. اين پژوهش به منظور يافتن روشي مناسب و مطلوب براي داده كاوي با هدف طبقه بندي نحوه برخورد صورت گرفته است و با بهره گيري از متدهاي يادگيري ماشين در داده كاوي با استفاده از متغيرهاي جنسييت راننده، مدت زمان گذشته از صدور گواهي نامه، نوع گواهي نامه، وجود عوامل انساني دخيل در تصادف،‌ وجود نقص در راه،‌ وجود تجهيزات ايمني وسيله نقليه، كاربري اطراف محل حادثه، هندسه راه و شرايط جوي، نحوه برخورد تصادفات را طبقه بندي مي‌كند. در اين پژوهش متدهاي هاي طبقه بندي لوجستيك، پرسپترون چند لايه، ماشين بردار هاي پشتيبان، درخت تصميم و همسايه هاي نزديك براي طبقه بندي نحوه برخورد، مورد استفاده قرار گرفت. نتايج حاصل از اين پژوهش نشان داد كه مدل همسايه هاي نزديك باعث حصول نتايج بهتري به منظور طبقه بندي نحوه برخورد در تصادفات، نسبت به ساير مدل هاي مورد بررسي در اين مطالعه مي شود. روش همسايه هاي نزديك توانايي طبقه بندي صحيح ۸۷/۳ از داده هاي مورد تست را با مقدار معيار كاپاي ۰/۵۸ را دارا مي‌باشد.

190789

دانشگاه علم و صنعت ايران

حمل و نقل

دكتر شيخ الاسلامي