@article { author = {lak, behzad and babaei, amir}, title = {Analysis of Factors Affecting Driving Violations Based on Linear Regression and Fuzzy Logic}, journal = {Road}, volume = {}, number = {}, pages = {-}, year = {2020}, publisher = {}, issn = {1735-062X}, eissn = {2676-4261}, doi = {}, abstract = {Driving violations are one of the most important social issues in the world, especially in developing countries. Given the high rates of accidents, traffic accidents and human casualties in Iran, the factors affecting such violations will be significant. The purpose of this study is to investigate the factors affecting driving violations.The research approach is a combination (quantitative and qualitative) and is applied in a descriptive way. Using a descriptive survey method, using regression and fuzzy logic system (Fuzzy Sysytem) as one of the methods of artificial neural network The statistical population of the study includes all offenders who committed violations in one year period in 1397, which has 1450 records. In this research, the data are extracted from the data in the Navaji system.Regarding the P-VALUE level of the Watson camera test, it can be concluded that the variables in this model are regression of age, year of manufacture, education and fines (p}, keywords = {Fuzzy logic,driving crimes,linear regression,driving violations,Artificial intelligence}, title_fa = {تحلیل عوامل اثرگذار بر تخلفات رانندگی مبتنی بر رگرسیون خطی و منطق فازی}, abstract_fa = {تخلفات رانندگی، یکی از مسائل مهم اجتماعی در تمام دنیا و به ویژه کشور های در حال توسعه است. با توجه به بالا بودن آمار تصادفات، جرایم رانندگی و تلفات انسانی ناشی از آن در ایران، بررسی عوامل مؤثر بر چنین تخلفاتی اهمیت قابل توجهی خواهد داشت. هدف این تحقیق، بررسی عوامل مؤثر بر تخلفات رانندگی می باشد.رویکرد تحقیق بصورت ترکیبی (کمی ،کیفی) می باشد و از نظر هدف کاربردی می باشد و با روش توصیفی به شیوه پیمایشی با استفاده از رگرسیون و سیستم منطق فازی (Fuzzy System) بعنوان یکی از روش های هوش مصنوعی عصبی استفاده شده است. جامعه آماری پژوهش شامل کلیه رانندگان متخلفی است که در سال 1397 در یک بازه زمانی یک ساله مرتکب تخلف شده اند که تعداد 1450رکورد می باشد. در این تحقیق داده ها از طریق دیتاست های موجود در سامانه راهور ناجا استخراج گردیده است. با توجه به سطح P-VALUE مربوط به آزمون دوربین واتسون می‌توان نتیجه گرفت متغیرهای ‌معنی‌دار در این مدل رگرسیون ‌سن، سال ساخت خودرو ، تحصیل و میزان جریمه(p}, keywords_fa = {منطق فازی,جرایم رانندگی,رگرسیون خطی,تخلفات رانندگی,هوش مصنوعی}, url = {https://road.bhrc.ac.ir/article_119323.html}, eprint = {} }