زهرا نجفی - دانشیار دانشگاه علوم پزشکی زنجان
شیرازه ارقامی - دانشیار دانشگاه علوم پزشکی زنجان
رسول صادقی - دانشیار دانشگاه علوم پزشکی زنجان

زمینه و هدف: حوادث رانندگی علت اصلی مرگ و صدمات جبران ناپذیر در کشورهای در حال رشد است. ایران یکی ازپرحادثه ترین کشورهاست و میزان جراحات و مرگ ها در کشور ما درخور توجه است. مسلما کاهش این حوادث یکی ازدغدغه های مسئولان است، اما شناخت عواملی که بتواند بر پیامد تصادفات رانندگی (خسارت، جراحت و فوت) اثر بگذاردبسیار سودمند خواهد بود. از این رو، مطالعه حاضر به منظور پیش بینی عوامل موثر بر پیامدهای تصادفات جاده ای با استفاده ازالگوریتم های واکاوی داده های انبوه (Data mining) انجام شد.مواد و روش ها: این مطالعه بر اساس واکاوی داده های تصادفات جاده ای در آزاد راه زنجان- قزوین انجام شد.داده کاوی، فرآیند کشف دانش و اطلاعات از پایگاه داده می باشد.یکی از رایج ترین روش های داده کاوی، الگوریتم درخت تصمیم است که به دلیل سادگی و کارآمدی مناسب به شکلی گسترده استفاده می شود. از جمله ویژگی های آن کنترل داده با ابعاد بالا، صحتخوب، و انجام طبقه بندی بدون نیاز به محاسبات زیاد می باشد. برای تامین انبوه داده در این مطالعه، گزارش 3000 تصادفرانندگی در یک بازه زمانی سه ساله (1394-1396) از مرکز پلیس راه استان زنجان گرد آوری شد و با بهره گیری از نرم افزار MATLAB بر اساس الگوریتم درخت تصمیم تجزیه وتحلیل شدند. در نتیجه، مدلی برای پیش بینی شدت تصادفات جاده ایاستخراج شد.متغیرهای بررسی شده در این مطالعه دربردارنده ویژگی هایی همچون زمان وقوع تصادف، نوع وسیله نقلیه، نحوهتصادف، روشنایی راه، تعمیرات در مسیر، موقعیت تصادف، موانع دید، نقایص موثر راه، سمت جهت راه، شرایط سطح راه، علتتامه تصادف، شرایط جوی، علت قضایی تصادف وعامل وسیله نقلیه موثر در تصادف است.یافته ها : نتایج نشان داد که دقت پیش بینی مدل 64/98 درصد است.این مقدار دقت،درصد نمونه هایی از داده های آزمایش را نشان می دهد که مدل به درستی آن ها را تشخیص داده است.مدل ساخته شده 71/27 درصد تصادفات جرحی، 63/03 درصد تصادفات خسارتی، و 3/23درصد تصادفات فوتی را به درستی پیش بینی کرده است، که بر اساس آن، مهم ترین عوامل تاثیرگذار بر شدت آسیب تصادفات به ترتیب اهمیت عبارتند از سمت جهت راه، وضعیت شانه جاده، سن راننده، زمان وقوعتصادف، نوع وسیله نقلیه، فصل تصادف، علت تامه تصادف، نحوه تصادف، روشنایی راه، تعمیرات راه، ماه سال، موقعیت تصادف،شرایط جوی، موانع دید، نقایص موثر راه، شرایط سطح راه، روز هفته، علت قضایی تصادف وعامل وسیله نقلیه.نتیجه گیری :امروزه داده های تصادفات و ترافیک روبه روز در حال افزایش است. با گسترش پایگاه های اطلاعاتی، تحلیل داده هابا استفاده از روش های آماری مرسوم بسیار مشکل خواهد بود. بنابراین با کاربرد ابزارهای داده کاوی می توان از میان حجمعظیمی از داده های تصادفات، الگوهایی سودمند استخراج کرد و شدت تصادفات را تحلیل کرد. طبقه بندی داده ها و پیش بینیشدت تصادفات جاده ای با استفاده از الگوریتم های داده کاوی به نتایجی منجر می شود که می تواند تصمیم گیرندگان را برایتعیین استراتژی هایی در جهت کاهش جراحات یاری رساند. برای نمونه، غالبا تصور عامه مردم بر این است که نوع وسیله نقلیهمهم ترین عامل تاثیرگذار در شدت حوادث است. اما این مطالعه نشان داد که برخی ویژگی های جاده و راننده می تواند از نوعوسیله نقلیه مهم تر باشد.

تصادفات جاده ای، داده کاوی، درخت تصمیم، مدل پیش بینی