پیش بینی تصادفات عابران پیاده عوامل موثر بر آن با استفاده از روش ابداعی خوشه بندی کا-میانگین در شبکه عصبی پرسپترون چندلایه

عابران پیاده به دلیل عدم محافظت بخصوص در مسیرها، از آسیب پذیرترین عوامل حاضر در جاده های درون برون شهری محسوب میشوند. هدف این پژوهش در ابتدا کشف عوامل موثر بر تصادفات عابران پیاده در جاده ها سپس بررسی عملکرد روش ابداعی خوشه بندی در شبکه های عصبی مصنوعی برای پیش بینی تصادفات عابران پیاده در ایران است. برای دستیابی به اهداف این پژوهش از الگوریتم های داده کاوی خوشه بندی شبکه های عصبی با استفاده از نرم افزار داده کاوی استفاده شد. به دلیل وجود روشهای متعدد در خوشه بندی، این پژوهش تمرکز خود را بر روی روش خوشه بندی کا-میانگین قرار داد.همچنین از روش پرسپترون چندلایه در شبکه های عصبی استفاده گردید. نتایج نشان داد که نیازمند رسیدگی سریع به آموزش به رانندگان به خصوص به رانندگان جوان آموزش به شهروندان هستیم. همچنین در این پژوهش مشخص گردید، اغلب موارد عابران پیاده مقصر اصلی در تصادفات نیستند. در نهایت نتایج بررسی مدل، نشان از برتری روش ابداعی پیشنهادی در همه ابعاد نسبت به روش ساده دارد.

Keywords:

پرسپترون چندلایه , تصادفات عابران پیاده , خوشه بندی , شبکه عصبی , کا-میانگین