طبقه بندی تصادفات جاده ای با استفاده از شبکه عصبی مصنوعی (مطالعه موردی آزادراه تهران - پردیس)

وقوع تصادف در جاده ها به لحاظ شدت و خسارات جانی و مادی در شرایط محیطی و هندسی مختلف همواره مورد بررسی و توجه قرار گرفته است. در این تحقیق از مدل پرسپترون چندلایه با معماری های مختلف شامل یک و دولایه مخفی با تعداد نورون های متفاوت برای تخمین تعداد تصادفات جاده ای استفاده شده است. در مدل سازی از متغیرهای مستقل (داده های ورودی) شامل شعاع قوس افقی، زمان وقوع حادثه، سن راننده مسبب حادثه، جنسیت، داشتن گواهی نامه، نوع وسیله نقلیه، شرایط آب وهوایی، متوسط ترافیک روزانه، روشنایی محیط، علت وقوع حادثه، نوع و مکان وقوع تصادف استفاده شده است. تعداد تصادفات به عنوان متغیر وابسته به چهار کلاس (کلاس اول برابر با یک تصادف، کلاس دوم برابر با 2 تصادف، کلاس سوم برابر با 3 تصادف، کلاس چهارم برابر با 4 تصادف) تقسیم بندی شد. در این راستا از گزارش های تصادفات آزادراه تهران - پردیس حدفاصل دی ماه 1395 الی مردادماه 1398 که از شرکت آزادراه تهران - پردیس دریافت شده مورداستفاده قرار گرفته است. تعداد تصادفات رخ داده در طول این مدت برابر 368 مورد بوده است که از این تعداد 44 مورد گزارش به دلیل نقص اطلاعات ثبت شده خارج و با استفاده از 324 مورد گزارش، مدل های عصبی ساخته شد. نتایج نشان می دهد که مدل شبکه عصبی با دولایه پنهان هرکدام با تعداد 14 عصب با دقتی برابر 3/83 درصد برای داده های آموزش و دقت کل 3/83 درصد بهترین عملکرد ر تخمین تعداد تصادفات را از خود نشان داد.