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

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.

شدت تصادفات, ماشین بردار پشتیبان, ایمنی جاده ای, تصادفات فوتی