طبقه بندی تصادفات جاده ای با استفاده از شبکه عصبی مصنوعی (مطالعه موردی آزادراه تهران - پردیس)
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 138
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTE-14-4_005
تاریخ نمایه سازی: 14 شهریور 1402
Abstract:
وقوع تصادف در جاده ها به لحاظ شدت و خسارات جانی و مادی در شرایط محیطی و هندسی مختلف همواره مورد بررسی و توجه قرار گرفته است. در این تحقیق از مدل پرسپترون چندلایه با معماری های مختلف شامل یک و دولایه مخفی با تعداد نورون های متفاوت برای تخمین تعداد تصادفات جاده ای استفاده شده است. در مدل سازی از متغیرهای مستقل (داده های ورودی) شامل شعاع قوس افقی، زمان وقوع حادثه، سن راننده مسبب حادثه، جنسیت، داشتن گواهی نامه، نوع وسیله نقلیه، شرایط آب وهوایی، متوسط ترافیک روزانه، روشنایی محیط، علت وقوع حادثه، نوع و مکان وقوع تصادف استفاده شده است. تعداد تصادفات به عنوان متغیر وابسته به چهار کلاس (کلاس اول برابر با یک تصادف، کلاس دوم برابر با ۲ تصادف، کلاس سوم برابر با ۳ تصادف، کلاس چهارم برابر با ۴ تصادف) تقسیم بندی شد. در این راستا از گزارش های تصادفات آزادراه تهران - پردیس حدفاصل دی ماه ۱۳۹۵ الی مردادماه ۱۳۹۸ که از شرکت آزادراه تهران - پردیس دریافت شده مورداستفاده قرار گرفته است. تعداد تصادفات رخ داده در طول این مدت برابر ۳۶۸ مورد بوده است که از این تعداد ۴۴ مورد گزارش به دلیل نقص اطلاعات ثبت شده خارج و با استفاده از ۳۲۴ مورد گزارش، مدل های عصبی ساخته شد. نتایج نشان می دهد که مدل شبکه عصبی با دولایه پنهان هرکدام با تعداد ۱۴ عصب با دقتی برابر ۳/۸۳ درصد برای داده های آموزش و دقت کل ۳/۸۳ درصد بهترین عملکرد ر تخمین تعداد تصادفات را از خود نشان داد.
Keywords:
Authors
مسعود میرزایی
فارغ التحصیل کارشناسی ارشد، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد دماوند، دماوند، ایران
مهدی یزدان پناه
استادیار، دانشکده فنی و مهندسی، گروه مهندسی عمران، دانشگاه گرمسار، گرمسار، ایران
علی دهقان بنادکی
استادیار، دانشکده فنی و مهندسی، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد دماوند، دماوند، ایران
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 :