پيش بيني شدت تصادف با مدل هاي شبكه عصبي و الگوريتم ژنتيك و بهينه كردن شاخص ها براي گروه تصادفات با راننده سالخورده و كم دقت

كارشناسي ارشد

در بررسي تصادفات دو رويكرد فعالانه و غير¬فعالانه داريم. در تحقيقاتي كه با رويكرد فعالانه انجام پذيرفته است، تحقيقات شامل بررسي نقاط حادثه¬خيز پيش از وقوع تصادفات انجام مي¬پذيرد. رويكرد غير¬فعالانه شامل مدلسازي¬هايي است كه به وضعيت تصادفات بعد از بهره¬برداري از راه¬ها مي¬پردازد و شامل ارزيابي پارامتر¬هاي تاثير¬گذار بر تعداد و شدت تصادفات مي¬باشد. در اين تحقيق از دو مدل هوشمند شبكه¬هاي عصبي مصنوعي و الگوريتم ژنتيك براي پيش¬بيني شدت تصادف در بين راننده¬هاي بالاي 55 سال كه برخورد با مانع داشتند استفاده¬شد. در اين رده سني از راننده¬ها، كاهش دقت و ادراك به محيط و كم شدن زمان عكس¬العمل اتفاق مي¬افتد، كه نياز ديده شد ضمن تشكيل مدل¬هاي هوشمند براي پيش¬بيني شدت اين تصادفات، ميزان و اهميت پارامتر¬هاي تاثير¬گذار در اين گروه از تصادفات نيز مشخص شود. در اين پژوهش از بانك اطلاعاتي دپارتمان حمل ونقل كاليفرنيا استفاده شد و داده هاي تصادف مورد نياز براي اين مدلسازي از اين بانك اطلاعاتي استخراج شد. بعد از آماده¬سازي داده¬ها از تكنيك حذف تصادفي داده استفاده شدكه اين كار عملكرد مدل¬هاي هوشمند پيش¬بيني را به مراتب بهبود بخشيد و پس از آن داده¬ها را جهت شروع مدلسازي نرماليزه كرده و به تعداد مشخص جهت آموزش شبكه و صحت سنجي آن استفاده كرديم. در پايان اين تحقيق ضمن تشكيل و انتخاب بهينه ترين مدل بر اساس دقت هر مدل،ميزان اهميت هر پارامتر تاثيرگذار در هر يك از مدل¬هاي شبكه عصبي مصنوعي و الگوريتم ژنتيك تعيين شده و نتايج در جداول و نمودارها قرار داده شده¬است. بعد از تشكيل هر دو مدل متوجه شديم مدل بر اساس آموزش با شبكه عصبي داراي دقت به مراتب بهتر بوده و دقت اين مدل¬ نسبت به مدل¬هاي هوشمند با توابع بهينه الگوريتم ژنتيك بهتر است.

191873

دانشگاه علم و صنعت ايران

دكتر محمود عامري

راه و ترابري

دكتر حميد بهبهاني