پیش بینی شدت تصادفات جاده ای توسط روش های یادگیری ماشین – مطالعه موردی استان زنجان

چکیده مقاله

سهم کثیری از تصادفات در جهان مربوط به کشورهای با درآمد متوسط و پایین است در این میان، آمارهای مجروحین وفوتی های تصادفات ایران روندی صعودی بخود گرفته است که نشان دهندهی لزوم توجه و تمرکز هرچه بیشتر بر تحلیلتصادفات ترافیکی و یافتن علل موثر بر شدت تصادفات برای ارتقاء ایمنی راه ها و کاهش پیامدهای ناشی از آن میباشد مطالعه ی حاضر به بررسی عوامل موثر بر شدت تصادفات برون شهری استان زنجان با دو مدل ماشین بردار پشتیبان و درختتصمیم پرداخته است بدین منظور از ۲۵ هزار داده های تصادفات استان طی ۹ سال اخیر استفاده شده است پس از فرآیندپاکسازی داده ها، مدل ها در محیط برنامه نویسی پایتون توسعه داده شدند و نتایج تحلیل ها نشان داد در مدل ماشین بردارپشتیبان، نحوه تصادف، نوع وسیله و کیلومتر وقوع تصادف، و در مدل درخت تصمیم نحوه تصادف، نوع وسیله مقصر و کیلومتروقوع تصادف به ترتیب سه متغیر دارای اهمیت برای پیشبینی شدت این تصادفات هستند همچنین بطور کلی درخت تصمیمقدرت پیش بینی بیشتری دارد و دقت این مدل در جراحات شدیدتر بیشتر از ماشین بردار پشتیبان می باشد

کلیدواژه‌ها

نویسندگان

علی توکلی کاشانی

دانشیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران مرکز تحقیقات ایمنی کاربردی حمل ونقل جاده ای دانشگاه علم و صنعت ایران، نارمک، تهران

سعیده امیری فر

مرکز تحقیقات ایمنی کاربردی حمل ونقل جاده ای دانشگاه علم و صنعت ایران، نارمک، تهران دانشجوی دکترا، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

علی مدقالچی

معاون حمل ونقل اداره کل راهداری و حمل ونقل جادهای استان زنجان

اعظم محمدی

مدیر اداره ایمنی ترافیک، اداره کل راهداری و حمل ونقل جاده ای استان زنجان

محمد جزونقی

کارشناس ایمنی ترافیک، اداره کل راهداری و حمل ونقل جاده ای استان زنجان

�وکلی کاشانی، علی و امیری فر، سعیده و مدقالچی، علی و محمدی، اعظم و جزونقی، محمد،1401،پیش بینی شدت تصادفات جاده ای توسط روش های یادگیری ماشین – مطالعه موردی استان زنجان،نوزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران

ارائه‌شده در

مجموعه مقالات اولین همایش ملی پژوهش های نو پدید در حسابداری، مالی، مدیریت و اقتصاد با رویکرد توسعه اکوسیستم نوآوری8 آذر 1402 · تهران