بررسی مقایسه ای الگوریتم های شبکه عصبی کانولوشن و ماشین بردار پشتیبان در پیش بینی شدت تصادفات آزادراه های برون شهری

چکیده مقاله

در مقایسه با تکنیک های معمولی یاد گیری ماشی ن که در پردازش داده های طبیعی به شکل خام محدود بودند، یادگیری عمیق به مدل های محاسباتی حوزه حمل ونقل و ایمنی اجازه می دهد تا داده ها را با سطوح مختلف انتزاع تلفیق نمایند پیش بینی دقیق و به موقع شدت تصادفات رانندگی در آزادراه های برون شهری برای کاهش زمان پاسخگویی به واحدهای امدادرسان اضطراری به منظور افزایش ایمنی و کاهش ترافیک عبوری از راه های برون شهری حائز اهمیت است هدف از این مقاله توسعه مدلی مبتنی بر شبکه عصبی کانولوشن CNN جهت پیش بینی شدت تصادفات آزادراه ها و مقایسه عملکرد آن در فرآیند پیش بینی با الگوریتم ماشین بردار پشتیبان SVM است داده های تصادفات شش ساله آزادراه برون شهری لوشان قزوین بمنظور آزمون مدل ها به کار گرفته شده است نتایج نشان داد مدل شبکه عصبی کانولوشن با ۹۶ / ۰ فراخوانی نسبت به مدل ماشین بردار پشتیبان با ۲۱ / ۰ فراخوانی عملکرد بهتری در پیش بینی شدت تصادفات منجر به فوت دارد برابر نتایج این تحقیق تحلیل شدت تصادف رانندگی با استفاده از مدل های مبتنی بر هوش مصنوعی منجمله شبکه عصبی کانولوشن می تواند تاثیر بسزایی در تصمیم گیری به منظور ارائه راهکارها ایمنی در راستای کاهش شدت تصادفات در راه های برون شهری داشته باشد

کلیدواژه‌ها

نویسندگان

میثم عفتی

استادیار، گروه مهندسی عمران راه و ترابری ، دانشکده فنی، دانشگاه گیلان

امیرمحمد رمضانپور

دانشجوی کارشناسی ارشد مهندسی عمران راه و ترابری ، دانشکده فنی، دانشگاه گی لان

�فتی، میثم و رمضانپور، امیرمحمد،1400،بررسی مقایسه ای الگوریتم های شبکه عصبی کانولوشن و ماشین بردار پشتیبان در پیش بینی شدت تصادفات آزادراه های برون شهری،چهارمین کنفرانس بین المللی محاسبات نرم

ارائه‌شده در

مجموعه مقالات چهارمین کنفرانس بین المللی محاسبات نرم8 دی 1400