پیش بینی و بررسی عوامل تصادفات جاده ای با استفاده از الگوریتم ماشین بردار پشتیبان
Publish place: Journal of Civil and Environmental Engineering, University of Tabriz، Vol: 49، Issue: 96
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:
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.
Keywords:
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 :