تحلیل مکانی فاکتورهای موثر بر تصادفات جاده ای با استفاده از تکنیک های داده کاوی (Data Mining) و سیستم اطلاعات جغرافیایی (GIS) (مطالعه موردی آزاد راه قزوین – زنجان)

تلفات و جراحات ناشی از تصادفات جادهای و ترافیکی یکی از بزرگ ترین موضوعات چالش برانگیز در زندگی افراد جامعه و کشورهاست. در این پژوهش از الگوریتم های داده کاوی شامل: کلاسترینگ، قوانین انجمنی، درخت تصمیم CHAID و طبقه کننده Naïve Bayes به همراه تحلیل های GIS عوامل مکانی تاثیرگذار، به منظور کشف الگوها و پیش بینی فاکتورهای موثر بر شدت تصادفات جادهای در آزادراه قزوین به زنجان استفاده گردید. در این مطالعه تعداد ۹۸۶ داده تصادف ثبت شده توسط پلیس راهور در دوره زمانی ۲۰۱۲ تا ۲۰۱۴ بکار گرفته شد. الگوریتم خوشه بندی X-Means به منظور خوشه بندی داده ها و همگن نمودن ویژگی های گوناگون تصادفات استفاده و داده ها در ۶ دسته جاسازی گردیدند. در ادامه با استفاده از الگوریتم های درخت تصمیم CHAID و Naïve Bayes Classifier، عملیات پیش بینی شدت تصادفات جادهای و نیز فاکتورهای مهم و تاثیرگذار بر آن مشخص گردید. الگوریتم CHAID Decision Tree  با دقت ۸۴.۸% نسبت به Naïve Bayes با دقت ۸۴.۴۶%، وضعیت نسبتا مناسبتری را در مدل سازی و پیش بینی داده های آزمون داشته است که منحنی ROC نیز صحت آن را نشان می دهد. همچنین مهمترین پیش بینی کننده ها و عوامل تاثیرگذار بر شدت تصادفات توسط الگوریتم CHAID DT به ترتیب کاهش اهمیت شامل: عوامل نوع خودرو (۲۵/۰)، کاربری های حاشیه ای جاده(۱۶/۰)، شرایط توپوگرافیکی محل(۱۳/۰)، عامل انسانی تصادف(۱/۰)، ماه وقوع حادثه (۱/۰)، شرایط آب و هوایی(۰۸/۰)، شرایط روشنایی و ساعت وقوع تصادف(۰۷/۰)، هندسه جاده (۰۵/۰) و شرایط سطح جاده(۰۵/۰) استخراج گردید.