استفاده از روش های یادگیری ماشین در پیش بینی شدت تصادفات جاده ای-مطالعه موردی استان زنجان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

2 اداره کل راهداری و حمل ونقل جاده ای استان زنجان، زنجان، ایران

3 اداره کل راهداری و حمل‌ونقل جاده‌ای استان زنجان، زنجان، ایران

10.22034/road.2023.397089.2169

چکیده

بیشترین سهم تصادفات در جهان مربوط به کشورهای با درآمد متوسط و پایین است. از طرفی، آمار مجروحین و فوتی‌ها در تصادفات ترافیکی ایران رو به افزایش است؛ که بیانگر لزوم توجه و تمرکز بیش از پیش بر تحلیل تصادفات ترافیکی و یافتن علل موثر بر شدت تصادفات به منظور ارتقاء ایمنی راه‌های کشور و کاهش پیامدهای ناشی از آن می‌باشد. در مطالعه‌ی حاضر سعی شده‌است مهم‌ترین عوامل موثر بر شدت تصادفات برون‌شهری استان زنجان با دو مدل ماشین بردار پشتیبان و درخت تصمیم شناسایی شوند. بدین منظور از 25 هزار داده‌های تصادفات استان طی 9 سال اخیر استفاده شده‌است. پس از فرآیند پاکسازی داده‌ها، مدل‌ها در محیط برنامه‌نویسی پایتون توسعه داده شدند. نتایج تحلیل‌ها نشان داد در مدل ماشین بردار پشتیبان، نحوه تصادف، نوع وسیله و کیلومتر وقوع تصادف، و در مدل درخت تصمیم نحوه تصادف، نوع وسیله مقصر و کیلومتر وقوع تصادف به ترتیب سه متغیر دارای اهمیت برای پیش‌بینی شدت این تصادفات هستند. هم‌چنین بطور کلی درخت تصمیم قدرت پیش‌بینی بیش‌تری دارد و دقت این مدل در جراحات شدیدتر بیش‌تر از ماشین بردار پشتیبان می‌باشد.

کلیدواژه‌ها