ارزیابی و مدلسازی پیش بینی حوادث جاده ای توسط مدل های ترکیبی (مطالعه موردی: قزوین)

در این مقاله یک روش جدید برای پیش بینی وقوع حوادث جاده ای ارائه شده است. این روش ترکیبی از سه روش آماری می باشد: (1) به روزرسانی نرخ رخداد حودث رانندگی توسط نوزیع گاما، (2) تجزیه و تحلیل رگرسیون چند متغیره پواسون با در نظر گرفتن همبستگی بین متغیرهای پاسخ چند متغیر وابسته و داده های تصادفی شمارش شده گسته و (3) الگوریتم های بیزین که با استفاده از تکنیک های داده کاوی مورد استفاده قرار می گیرند، که این امر به منظور نشان دادن عدم خطی بودن رابطه بین شاخص های ریک و متغیر پاسخ، و همچنین انواع مختلف عدم قطعیت که ممکن است در توسعه مدل های خاص حضور داشته باشد، انجام می گیرد. شبکه های احتمالی بیزین مطالعات گذشته در ابتدا با استفاده از تجزیه و تحلیل رگرسیون چند متغیره از فراوانی های مشاهده شده متغیرهای پاسخ مدل، به عنوان مثال وقوع یک حادثه و مقادیر مشاهده شده از شاخص های ریسک بدست می آمدند. سپس، قواعد یادگیری پارامتر با استفاده از الگوریتم های به روز رسانی به منظور تعیین توزیع احتمال متغیرهای پاسخ مدل انجام می شود. این روش از طریق مطالعه موردی با استفاده از داده های آزاد راه تهران تبریز مورد بررسی قرار گرفته است. در بخش هایی از جاده که به صورت تصادفی انتخاب شده اند، این روش به منظور توسعه مدل برای پیش بینی تعداد مورد انتظار از حوادث با سطوح مختلف جرحی خفیف، جرحی شدید و فوت استفاده شده است. علاوه بر این، در این مطالعه شناسایی جغرافیایی بخش های جاده ای با احتمال افزایش وقوع حوادث مورد استفاده قرار می گیرد. نشان داده شده است که روش پیشنهادی را می توان برای توسعه مدل هایی برای برآورد وقوع حوادث جاده ای برای هر شبکه جاده با توجه به اطلاعات مورد نیاز در دسترس ، قرار داد.

Keywords:

پیش بینی حوادث جاده ای , مدل بیزین , ریسک تصادفات.