شناسایی عوامل تصادفات نقاط داخل محور خطرساز(رشت-چابکسر) به کمک تحلیل فراوانی و مدل شبکه عصبی جهت پیشنهاد راهکار بهسازی

امروزه، موضوع تامین تردد ایمن در سطح شبکه راه های درون شهری و برون شهری یکی از اصول اساسی حاکم بر مهندسی راه، ترافیک و برنامه ریزی حمل ونقل است. عدم وجود ایمنی، به خصوص در جاده های برون شهری، باعث بروز حوادث ناگواری می شود که معمولا با کشته یا زخمی شدن انسان ها همراه است. هدف از پژوهش حاضر، بررسی مدل های آماری جهت شناسایی عوامل موثر بر شدت تصادفات در نقاط داخلی یک محور خطرساز در حد واصل دو استان گیلان و مازندران بوده تا به کمک شناسایی این عوامل به پیشنهاد راهکار بهسازی نقاط پرداخته شود. بنابراین در پژوهش حاضر با گردآوری اطلاعات تصادفات هفت نقطه ی پرتصادف از محور برون شهری رشت-چابکسر در سال های ۱۳۹۴ تا ۱۳۹۸ و به کمک تحلیل فراوانی و مدل سازی با استفاده از شبکه عصبی به شناسایی عوامل موثر در تصادفات نقاط پرداخته شد. سپس با کمک عوامل شناسایی شده از تحلیل ها و بررسی اشتراکات آن ها به ارایه راهکار بهسازی جهت اصلاح پرداخته شد. نتایج نشان داد استفاده از تحلیل فراوانی سبب بهبود در شناسایی عوامل موثر در نقاط حادثه خیز بوده و بکارگیری همزمان آن با مدل شبکه عصبی موجب هم پوشانی مناسب در دستیابی به این عوامل و در نهایت ارایه راهکار بهسازی می باشد. همچنین بررسی عوامل موثر در حادثه خیزی نقاط داخل یک محور با بررسی این عوامل در کل محور متفاوت بوده و جزئیات متفاوت و دقیق تری دارد.

Keywords:

الگوریتم پرسپترون چندلایه , شدت تصادفات , راهکار بهسازی , تحلیل فراوانی , ایمنی