بررسی مقایسه ای روش های تحلیل تصادفات موتورسیکلت در معابر درون شهری
Publish place: Fourth International Conference on Soft Computing
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 232
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCG04_110
تاریخ نمایه سازی: 23 اسفند 1400
Abstract:
تحلیل تصادفات موتورسیکلت یکی از مهم ترین چالش های حوزه ایمنی حمل ونقل در معابر درون شهری است. مدل های زیرمجموعه دانش محاسبات نرم و هوش مصنوعی و یادگیری ماشین همواره مورد استقبال پژوهش گران حوزه ایمنی و تصادفات بوده است. در این پژوهش جهت بررسی و پیش بینی شدت تصادفات موتورسیکلت از روش تحلیل مقایسه ای تکنیک های مبتنی بر یادگیری ماشین همچون روش های ماشین بردار پشتیبان ( SVM) جنگل تصادفی (Random Forest ) و درخت تصمیم ( C۴.۵) استفاده شده است. نتایج اعتبارسنجی مدل های مذکور بر روی داده های تصادفات ۵ ساله شهر رشت نشان داد که، مدل جنگل تصادفی دارای دقت ۹۶/۹۳ است، همچنین مدل درخت تصمیم با ۹۹/۸۲ درصد دقت عملکرد بهتری در پیش بینی شدت تصادفات موتورسیکلت نسبت به جنگل تصادفی دارد. در خصوص مدل ماشین بردار پشتیبان نیز نتایج نشان داد که متغیرهای نوع تصادف و نحوه برخورد مقصر بیشترین تاثیر در افزایش شدت تصادفات موتورسیکلت را دارد
Keywords:
محاسبات نرم , شبکه های عصبی مصنوعی , ماشین بردار پشتیبان , جنگل تصادفی , هوش مصنوعی , تصادفات موتورسیکلت
Authors
میثم عفتی
استادیار گروه مهندسی عمران- راه و ترابری، دانشکده فنی، دانشگاه گیلان
امین زارعی کریانی
دانشجوی کارشناسی ارشد رشته مهندسی راه و ترابری، پردیس دانشگاهی، دانشگاه گیلان