ارائه مدل های هوشمند طبقه بندی داده های تصادفات ترافیکی بر مبنای شبکه بیزین، درخت تصمیم و شبکه عصبی مصنوعی

زمینه و هدف: هرسال تعداد زیادی از کاربران جاده درنتیجه تصادفات ترافیکی جان خود را از دست می دهند یا مجروح می شوند. تحلیل نقاط حادثه خیز برای و رانندگی، سازمان حمل ونقل و ترافیک شهرداری ها و سازمان هایءامرتبط با ایمنیءاترافیک بسیارءابا اهمیت می باشد. برایءاشناساییءانقاط پرءاخطرءاتصادف از روش هاییءامانند نزدیک ترین همسایگیءاو برازش استفاده می شود، اما این روش ها پیش بینیءاناکافیءاو درصد برآورد نادرستیءادارند. هدف این تحقیق، طبقه بندیء داده های اتصادفات و ارائه یک روش بهتر ابرای اشناسایی نقاط پرخطر از نظر تصادف است.روش بررسی: برای این منظور، عملکرد درخت های تصمیم، مدل بیزین، و شبکه عصبی با استفاده از روش های متداول مانند نزدیک ترین همسایگی و برازش مقایسه شدند. با استفاده از ابزار GIS و روش های مبتنی بر تراکم همانند تابع چگالی کرنل، نقاط پرخطر تصادفات به صورت نقشه های کاربردی اشناسایی شدند.یافته ها: نتایج نشان داد که روش درخت تصمیم، شبکه بیزین و شبکه عصبی به ترتیب با ۸۳٪، ۸۳٪ و ۷۸٪ درصد برآورد صحیح، نسبت به روش های سنتی عملکرد بهتری دارند. همچنین، نتایج نشان داد که تعداد تصادفات در دوره های اوج ترافیک، به عنوان مثال صبح و عصر، نسبت به دوره های غیر اوج بیشتر است.نتیجه گیری: با بررسی نقاط حادثه خیز پس از شناسایی به این نتیجه دست می توان یافت که نقاط حادثه خیز درون شهری بیشتر در نزدیکی تقاطعات بوده و اغلب درءاشرایط جوی مناسب و در روشنایی کافی روز اتفاق می افتند.

Keywords:

تصادفات داخل شهری , طبقه بندی , GIS , شبکه بیزین , درخت تصمیم و شبکه عصبی مصنوعی