تعداد نشریات | 44 |
تعداد شمارهها | 1,306 |
تعداد مقالات | 15,987 |
تعداد مشاهده مقاله | 52,407,305 |
تعداد دریافت فایل اصل مقاله | 15,167,442 |
پیشبینی و بررسی عوامل تصادفات جادهای با استفاده از الگوریتم ماشین بردار پشتیبان | ||
نشریه مهندسی عمران و محیط زیست دانشگاه تبریز | ||
مقاله 4، دوره 49.3، شماره 96، آذر 1398، صفحه 35-43 اصل مقاله (770 K) | ||
نوع مقاله: مقاله کامل پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/ceej.2019.9649 | ||
نویسندگان | ||
محسن خواجه سلیمی1؛ محمدمهدی خبیری* 1؛ محمدصابر فلاح نژاد2 | ||
1پردیس فنی و مهندسی، دانشکده مهندسی عمران، دانشگاه یزد | ||
2پردیس فنی و مهندسی، دانشکده مهندسی صنایع، دانشگاه یزد | ||
چکیده | ||
شدت جراحت یکی از مهمترین معیارهای سنجش هزینه تصادفات است. شناسایی و اثرسنجی پارامترهای مؤثر بر شدت جراحت تصادفات میتواند به عنوان ابزاری جهت افزایش ایمنی در اختیار سیاستگذاران قرار گیرد. محققین زیادی در بخش ایمنی، سعی داشتهاند با تحلیل تصادفات با رویکردها و مدلهای مختلف، به بررسی این مهم بپردازند. هدف از این تحقیق بررسی عملکرد الگوریتم ماشین بردار پشتیبان در پیشبینی شدت تصادفات جادههای بین شهری ایران و تعیین عوامل تأثیرگذار بر شدت جراحت تصادفات است. مدل ماشین بردار پشتیبان تکنیک مدلسازی نسبتاً جدیدی در حل مسائل طبقهبندی و رگرسیون است که عملکردی دقیق و قابل قبول نشان میدهد. در این مطالعه با استفاده از دادههای تصادفات جادهای پلیس راهور برای هفت استان اصفهان، خوزستان، خراسان جنوبی، قم، قزوین، کرمان و مازندران، با به کارگیری الگوریتم ماشین بردار پشتیبان به پیشبینی شدت تصادفات در دو سطح جرحی یا فوتی پرداخته شد. نتایج نشان داد حضور وسیله نقلیه سنگین و خودروی سواری مهمترین عامل در تخمین شدت تصادفات مـوتورسیکلتها است و احتمال آسیبدیدگی را افزایش میدهد. در تصادفات مربوط به خودروی سواری عوامل خستگی و خوابآلودگی، حضور عابر پیاده، انحراف به چپ خودروی سواری بر شدت تصادفات خودروی سواری تأثیر مستقیم دارد. همچنین در تصادفات مربوط به کامیونها، نتایج بیان میکنند انحراف به چپ کامیون، سن بالای راننده و افزایش سرعت خودرو، از مهمترین عوامل افزایش سطح جراحت در این نوع تصادفات است. زمانی که تصادف کامیون به شکل واژگونی اتفاق بیافتد میتوان انتظار سطح جراحت کمتری داشت. | ||
کلیدواژهها | ||
شدت تصادفات؛ ماشین بردار پشتیبان؛ ایمنی جادهای؛ تصادفات فوتی | ||
مراجع | ||
اردکانی ح، حاتمی ع، نجف پ، "بررسی تأثیر جنسیت رانندگان در عوامل مؤثر بر شدت تصادفات درون شهری"، یازدهمین کنفرانس بینالمللی مهندسی حمل و نقل و ترافیک، تهران، 1390. معینالدینی ا، حبیبیان م، "بررسی عوامل مؤثر بر شدت جراحت حادثه دیدگان در تصادفات کامیونها"، پانزدهمین کنفرانس بینالمللی مهندسی حمل و نقل و ترافیک، 1394. Abdel-Aty M, Yu R, “Analyzing crash injury severity for a mountainous freeway incorporating real-time traffic and weather data”, Safety Science, 2013. Aghayan I, Hadji Hosseinlou M, Kunt M, “Application of Support Vector Machine for Crash Injury Severity Prediction: A Model Comparison Approach”, Journal of Civil Engineering and Urbanism, 2015. Chen C, Zhang G, Qian Z, Rafiqul A, Tian Z, “Investigating driver injury severity patterns in rollover crashes using support vector machine models”, Accident Analysis and Prevention, 2016. Chen S, Wang W, Van Z, “Construct support vector machine ensemble to detect traffic incident”, Expert Systems with Applications, 2009. Chong M, Abraham A, Paprzicky M, “Traffic Accident Data Mining Using Machine Learning Paradigms”, Informatica, 2005. Dong N, Huang H, Zheng L, “Support vector machine in crash prediction at the level of traffic analysis zones: Assessing the spatial proximity effects”, Accident Analysis and Prevention, 2015. Li X, Lord D, Zhang Y, “Predicting Motor Vehicle Crashes Using Support Vector Machine Models”, Accident Analysis and Prevention, 2008. Martín L, Baena L, Garach L, López G, Oña J, “Using data mining techniques to road safety improvement in Spanish roads”, Procedia- Social and Behavioral Sciences, 2014. Moghaddam F, Afandizadeh Sh, Ziyari M, “Prediction of Accident Severity Using Artificial Neural Networks”, International Journal of Civil Engineering. 2011, 9 (1), 41-49. Ren G, Zhou Z, “Traffic safety forecasting method by particle swarm optimization and support vector machine”, Expert Systems with Applications, 2011. Yuan F, Cheu R, “Incident detection using support vector machines”, Transportation Research Part C. 2003. Zhibin L, Pan L, Wang Wei, Chengcheng Xu, “Using support vector machine models for crash injury severity analysis”, Accident Analysis and Prevention, 2012, 478-486. | ||
آمار تعداد مشاهده مقاله: 857 تعداد دریافت فایل اصل مقاله: 887 |