پيش ‏بيني و تحليل تصادفات با استفاده از مدل ‏هاي هوشمند

كارشناسي ارشد

دستيابي به يك روش مطلوب جهت پيش‏بيني تصادفات و بررسي عوامل مؤثر در آن، هدف اصلي بسياري از مطالعات در دهه ‏هاي اخير بوده است، زيرا توانايي پيش‏بيني يك تصادف، در جلوگيري از وقوع و كاهش هزينه‏ هاي ناشي از آن، نقش بسيار حياتي ايفا مي ‏كند. شيوه‏ هاي مدل‏سازي آماري سنتي از عمده روش‏هايي هستند كه در گذشته به‌منظور بررسي و پيش‏بيني تصادفات از آن‏ها استفاده شده،‏ اما همواره به دليل معايب آن‏ها، پژوهشگران به دنبال به‌كارگيري روش‏هاي جديدتري بوده ‏اند. از طرف ديگر، با پيشرفت تكنولوژي و پيدايش روش‏هاي جديد هوشمند مدل‏سازي و يادگيري ماشين اين امكان فراهم شده كه بتوان با دقت بهتري تصادفات ترافيكي را پيش‏بيني نمود. از اين رو در اين پژوهش از دو روش‏ هوشمند شبكه‏ هاي عصبي چند لايه استاندارد و شبكه‏ هاي عصبي بازگشتي جهت پيش‏بيني شدت تصادفات استفاده گرديد. داده‏هاي به‌كار گرفته شده در اين تحقيق مربوط است به تصادفات آزادراه تهران – ساوه در سال‏هاي ۱۳۹۰ تا ۱۳۹۵ كه تحت عنوان سه نوع شدت برخورد خسارتي، فوتي و جرحي طبقه ‏بندي و ثبت شده بودند. فاكتورهاي زمان تصادف، شرايط سطح جاده در زمان برخورد، نوع برخورد، عامل انساني مؤثر در تصادف، عامل مؤثر وسيله نقليه، محل برخورد، عامل تأثيرگذار راه، مانع ديد، نوع شانه، وجود شيب طولي و قوس افقي متغيرهاي ورودي استفاده شده در اين پژوهش جهت مدل‏سازي بودند. نهايتاً، باتوجه به نتايج، از بين معماري شبكه‏ هاي بدست آمده، در هر روش يك شبكه به عنوان مدل پيشنهادي ارائه ‏گرديد. كه با مقايسه مدل‏هاي برگزيده اين نتيجه حاصل شد كه بر روي داده هاي مذكور مدل شبكه عصبي بازگشتي با دقت كلي ۸۴/۸۲ درصد و دقت ميانگين ۵۰/۲۲ درصد دقت بهتري جهت پيش‏بيني شدت تصادفات دارد. همچنين با توجه به ماتريس در هم ريختگي مدل‏هاي برگزيده، مدل شبكه عصبي بازگشتي داراي عملكرد بهتري جهت تفكيك تصادفات فوتي بود. واژگان كليدي: تصادفات، پيش‏بيني شدت تصادفات، مدل‏هاي هوشمند، يادگيري ماشين، شبكه‏ هاي عصبي بازگشتي، شبكه ‏هاي عصبي چندلايه

192665

دانشگاه علم و صنعت ايران

راه و ترابري

دكتر حميد بهبهاني