پیش بینی و بررسی عوامل تصادفات جاده ای با استفاده از الگوریتم ماشین بردار پشتیبان

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 446

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_CEEJ-49-96_004

تاریخ نمایه سازی: 17 فروردین 1399

Abstract:

شدت جراحت یکی از مهم ترین معیارهای سنجش هزینه تصادفات است. شناسایی و اثرسنجی پارامترهای موثر بر شدت جراحت تصادفات می­تواند به عنوان ابزاری جهت افزایش ایمنی در اختیار سیاست­گذاران قرار گیرد. محققین زیادی در بخش ایمنی، سعی داشته اند با تحلیل تصادفات با رویکردها و مدل های مختلف، به بررسی این مهم بپردازند. هدف از این تحقیق بررسی عملکرد الگوریتم ماشین بردار پشتیبان در پیش­بینی شدت تصادفات جاده­های بین شهری ایران و تعیین عوامل تاثیرگذار بر شدت جراحت تصادفات است. مدل ماشین بردار پشتیبان تکنیک مدل­سازی نسبتا جدیدی در حل مسائل طبقه­بندی و رگرسیون است که عملکردی دقیق و قابل قبول نشان می­دهد. در این مطالعه با استفاده از داده های تصادفات جاده ای پلیس راهور برای هفت استان اصفهان، خوزستان، خراسان جنوبی، قم، قزوین، کرمان و مازندران، با به کارگیری الگوریتم ماشین بردار پشتیبان به پیش بینی شدت تصادفات در دو سطح جرحی یا فوتی پرداخته شد. نتایج نشان داد حضور وسیله نقلیه سنگین و خودروی سواری مهم­ترین عامل در تخمین شدت تصادفات موتورسیکلت­ها است و احتمال آسیب­دیدگی را افزایش می­دهد. در تصادفات مربوط به خودروی سواری عوامل خستگی و خواب­آلودگی، حضور عابر پیاده، انحراف به چپ خودروی سواری بر شدت تصادفات خودروی سواری تاثیر مستقیم دارد. همچنین در تصادفات مربوط به کامیون­ها، نتایج بیان می­کنند انحراف به چپ کامیون، سن بالای راننده و افزایش سرعت خودرو، از مهم­ترین عوامل افزایش سطح جراحت در این نوع تصادفات است. زمانی که تصادف کامیون به شکل واژگونی اتفاق بیافتد می­توان انتظار سطح جراحت کم­تری داشت.

Authors

محسن خواجه سلیمی

پردیس فنی و مهندسی، دانشکده مهندسی عمران، دانشگاه یزد

محمدمهدی خبیری

پردیس فنی و مهندسی، دانشکده مهندسی عمران، دانشگاه یزد

محمدصابر فلاح نژاد

پردیس فنی و مهندسی، دانشکده مهندسی صنایع، دانشگاه یزد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :