کاهش متغیرهای ورودی در فرآیند مدل سازی تصادفات آزادراه ها با استفاده از روش تجزیه و تحلیل مولفه های اصلی
هدف اصلی در این مقاله استفاده از روش تجزیه و تحلیل مولف ه های اصلی برای شناسایی متغیرهای تاثیرگذار در فرآیند مدل سازی تصادفات در آزادراه های برون شهری است. با توجه به توانایی مدل شبکه های عصبی در پیش بینی تصادفات رانندگی، مدل تعداد تصادفات آزادراه های برون شهری کشور با استفاده از مدلهای شبکه های عصبی توسعه داده شده و متغیرهای مربوط به جریان ترافیک، سهمیه بندی بنزین و متغیرهای محیطی نیز به عنوان متغیرهای مستقل در نظر گرفته شده اند. در فرآیند تعیین متغیرهای مستقل جهت ورود به مدل روش تجزیه و تحلیل مولفه های اصلی و تجزیه و تحلیل عامل اصلی با بکارگیری معیارهای KMO و بارتلت، مورد استفاده قرار گرفته است. ضمن بررسی کارآیی مدل شبکه عصبی مصنوعی در برابر مدل رگرسیون لگاریتم طبیعی در مدل سازی تصادفات آزادراه های برون شهری، دقت مدلهای ساخته شده در تصادفات آزادراه ها شامل مدلهای شبکه عصبی مصنوعی و رگرسیون لگاریتم طبیعی نیز قبل و بعد از حذف متغیر های با اهمیت کمتر مورد بررسی قرار گرفته و نتایج نشان دهنده آن است که حذف متغیرهای کم اهمیت از طریق آنالیز مولفه های اصلی در فرآیند مدل سازی دقت مدلهای ساخته شده را با تغییرات اساسی رو برو نکرده و ثابت شده است که میانگین حجم تردد روزانه و متوسط سرعت وسایل نقلیه بیشترین نقش را در تصادفات آزادراه ها ایفا می کنند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.