دانشجو: آخانم مریم احمدی
استاد راهنما: دکتر بهروز شیرگیر
زمان: ۲۷ شهریور ماه ۱۴۰۳ ساعت: ۱۰:۳۰
مکان: دانشکده فنی و مهندسی کلاس ۲۰۳
چکیده:مدلسازی و پیشبینی شدت تصادفات جادهای گام بزرگی در شناسایی عوامل مؤثر بر تصادفات و تعیین میزان تأثیر هرکدام بر حوادث ترافیکی است. برای مدلسازی و پیشبینی شدت تصادفات جادهای روشهای مختلفی از جمله مدلهای یادگیری ماشین مورداستفاده قرار میگیرد. باتوجهبه این که در وقوع هر تصادف، علل و عوامل متنوعی دخیل بوده از جمله شرایط جوی، وسیله نقلیه، راه و عوامل انسانی، لذا شناسایی این علل، گام اول در کنترل و یا حداقل کاهش وقوع تصادف و گام دوم، برطرفکردن یا کاهشدادن این علل است. مطالعه حاضر بر اساس تحلیل آمار تصادفات سالهای ۲۰۱۵ الی ۲۰۱۷ برگرفته از پایگاهدادههای تصادفات کالیفرنیا حاصل شده است. دادهها از ۴ بخش کلی تشکیل شدهاند: دادههای مربوط به اطلاعات کلی تصادف، دادههای محیطی، دادههای وسایل نقلیه درگیر در تصادف و اطلاعات سرنشینان. در این تحقیق ابتدا این ۴ بخش با هم ادغام شدند و سپس مراحل آمادهسازی برای ورود به مدلسازی انجام شد. این پژوهش از نوع کاربردی و تحلیلی - توصیفی است که با استفاده از آمار توصیفی دادهها؛ تجزیه وتحلیل صورتگرفته، به کمک الگوریتمهای یادگیری ماشین احتمال به وقوع پیوستن هر دسته از شدتهای تصادفات مورد محاسبه قرار گرفته است. با تحلیل دادهها و بررسی نتایج بهدستآمده، مشخص شد که تعداد تصادفات فوتی بسیار کم است و تعداد تصادفات خسارتی بیشتر از سایر انواع تصادفات و سپس آسیبهای جرحی، به چشم میخورد. به همین دلیل، تصادفات به دودسته خسارتی و آسیب جرحی تقسیمبندی شد. برای مدلسازی روشهای مختلف ساخت مدل از قبیل رگرسیون لجستیک[۱]، جنگل تصادفی[۲]، تقویت گرادیان شدید[۳] و ماشین بردار پشتیبان[۴] مورداستفاده و با محاسبه مقادیر خطا و دقت و همچنین رسم منحنی [۵]ROC این مدلها مورد ارزیابی قرار گرفتهاند. در نهایت مدل حاصل از روش تقویت گرادیان شدید و جنگل تصادفی که خوبی برازش آنها تقریباً یکسان و برابر ۷۰% بدست آمده بهعنوان مدل بهینه انتخاب گردیدند.
|