چکیده مقاله
حوادث جاده ای و تلفات ناشی از آن یکی از چالش های کنونی جوامع بشری است که هزینه های اقتصادی زیادی را بر اقتصاد برخی کشورها تحمیل نموده است با توجه به اطلاعات مربوط به ایمنی ترافیک در سال های گذشته، تعیین برنامه ریزی ایمنی ترافیک با پیش بینی ازدیاد تصادفات رانندگی، بسیار حائز اهمیت می باشد به منظور حل مشکلات شبکه نورونی BP، یک روش جدید که ترکیب بهینه سازی گروه ذرات و ماشین راهنمای پشتیبان PSO – SVM را با هم ترکیب می کند، برای پیش بینی ایمنی ترافیک ارایه شده است ابتدا، عوامل موثر بر ایمنی ترافیک و شاخص های ارزیابی مورد تجزیه و تحلیل قرار می گیرند، سپس مدل پیش بینی ایمنی ترافیک توسط PSO SVM با توجه به عوامل موثر ایجاد شده است در نهایت، داده های مربوط به ایمنی ترافیک در کشور از ۱۳۷۶ تا ۱۳۹۷ برای تحقیق در مورد توانایی پیش بینی روش پیشنهادی بکار گرفته می شوند نتایج تجربی نشان می دهد که پیش بینی ایمنی ترافیک توسط PSO SVM بهتر از شبکه نورونی BP است مقادیر MAPE پیش بینی تعداد حوادث توسط شبکه عصبی SVM SVM و شبکه عصبی BP به ترتیب ۰,۰۲۵۱ و ۰ ۰۴۹۸ است
کلیدواژهها
نویسندگان
شهریار افندی زاده
دانشیار رشته برنامه ریزی حمل و نقل، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران
حمید بیگدلی راد
دانشجوی دکتری رشته حمل و نقل، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران
حمید شاکر
دانشجوی دکتری رشته برنامه راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران
شیوه ارجاع
�فندی زاده، شهریار و بیگدلی راد، حمید و شاکر، حمید،1398،پیش بینی ایمنی ترافیک با استفاده از روش PSO-SVM و شبکه عصبی پس انتشار،هجدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران
ارائهشده در
مجموعه مقالات هجدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک6 اسفند 1398 · تهران