پيش بيني تصادفات با رويكرد يادگيري ماشين

اصفهان : دانشگاه صنعتي اصفهان

مهندسي حمل و نقل

كارشناسي ارشد

با توجه به افزايش روزافزون تصادفات جاده‌اي و وجود عوامل مختلف در وقوع يك رخداد تصادف، نياز به استفاده از روش‌هاي جديد احساس مي‌شود. فرآيندهايي كه بتوانند باوجود عوامل مختلف در وقوع تصادفات و افزايش حجم داده‌هاي يك مسئله به‌خوبي كار كنند موردنياز است. روش‌هاي يادگيري ماشين دسته‌اي از علوم جديد هستندكه مي‌توانند الگوهاي موجود در داده‌ها را كشف و با يادگرفتن اين الگوها براي ورودي‌هاي جديد استفاده شوند. مهم‌ترين ورودي در مدل‌هاي يادگيري ماشين داده‌ها هستند. افزايش عوامل مؤثر در يك مسئله به‌عنوان ورودي يك مدل يادگيري ماشين منجر به‌دقت بيشتر مدل مي‌شود. همچنين افزايش منابع رايگان براي ساخت يك مدل يادگيري ماشين نقش داده‌هاي ورودي به مدل را بيشتر مي‌كند. عمده نقش مؤثر در ساخت يك مدل يادگيري ماشين، به داده‌ها و پيش‌پردازش آن‌ها مرتبط مي‌شود. در اين پژوهش داده‌هاي ورودي در چند مرحله تكميل‌شده‌اند. پس از انجام فرآيند پيش‌پردازش در دو حالت، نقش پيش‌پردازش داده‌ها برجسته‌تر مي‌شود. يك مدل شبكه عصبي با چهار لايه شامل لايه ورودي، لايه اول، لايه دوم و لايه خروجي براي پيش‌بيني تعداد تصادفات دريك قطعه در بازه زماني ماهانه استفاده‌شده است. مجموعه داده‌‌هاي اوليه شامل تصادفات برون‌جاده‌اي استان كرمان بين سال‌هاي 92 تا 94 بوده است. متغيرهاي ورودي به مدل شامل اطلاعات هندسي، اطلاعات آب‌وهوا، حجم ترافيك روزانه و برخي ويژگي‌هاي مرتبط بازمان مي‌باشند. مدل اجراشده روي اين داده‌ها، دقت قابل قبولي در پيش‌بيني تعداد تصادفات در يك قطعه از راه دارد.

217053

برنامه ريزي حمل و نقل

مهندسي حمل و نقل

دانشگاه صنعتي اصفهان

ميثم اكبرزاده، سينا صاحبي