data analysis algorithms
در نشریات گروه علوم اجتماعی-
فصلنامه راهور، پیاپی 45 (بهار 1398)، صص 119 -147
آمار ها نشان می دهد که کشور ایران از لحاظ بروز تخلفات رانندگی و تصادفات نسبت به کشور های جهان، سهم بیشتری را به خود اختصاص داده است. طبق آماری که توسط کارشناسان امر ترافیک به دست آمده است، سالانه حدود سه درصد از تولید ناخالص ملی کشورمان صرف آثار و تبعات ناشی از تخلفات ترافیکی می شود. با توجه به اهمیت بالای بحث ترافیک، در این پژوهش با درنظرگرفتن تعدادی از مولفه های مرتبط با تخلفات رانندگی که شامل اطلاعات فرد متخلف، اطلاعات خودرو و مشخصات خودرو می باشند و با مدل سازی از طریق ابزار هایی مثل درخت تصمیم و انتخاب ویژگی ها، به بررسی و شناخت رانندگان متخلف پرداخته شده است. داده های استفاده شده در این پژوهش در طول سه ماه در سال 92 بر اساس تخلفات ترافیکی شهر کرمان جمع آوری شده است. نوآوری پژوهش بر اساس مطالعه شناسایی رفتار رانندگان حادثه آفرین و متدولوژی های ارائه شده در این زمینه شکل گرفته است که در ابتدا، ویژگی های مهم برای تقسیم بندی رانندگان دارای تخلف، بر اساس هدف، استخراج شده و سپس خوشه های رانندگان شکل خواهد گرفت؛ این روش روی داده های واقعی پیاده سازی شده است. نتایج پژوهش حاصل، امکان پیاده سازی به عنوان یک بسته نرم افزاری برای سیستم های ثبت و کنترل تخلفات ترافیکی را دارد.
کلید واژگان: مدل تصمیم یار، پیشگیری از تصادف، استان کرمان، الگوریتم های داده کاوی، تخلفات رانندگی، رانندگان حادثه آفرینفصلنامه راهور, Volume:15 Issue: 45, 2019, PP 119 -147Statistics show that Iran has a larger share in terms of driving violations andaccidents in the world. According to statistics from traffic experts, about 3percent of our nation's gross domestic product annually is spent on the effectsand consequences of traffic violations. Considering the importance of the trafficdiscussion, in this study, taking into account a number of parameters related todriving violations, including offender information, vehicle information andvehicle specifications, and modeling through tools such as decision tree andfeature selection have been addressed to investigate and recognize the offendingdrivers. The data used in this study was collected during the three months of theyear 2013 based on traffic violations in Kerman. Research innovation is basedon the study of the identification of the behavior of incidental drivers and themethodology presented in this field, which first extracted important features forcategorizing drivers violated based on the purpose, and then the clusters ofdrivers will take shape. This method is implemented on real data. The results ofthis research have the potential to be implemented as a software package forregistration and control systems for traffic violations
Keywords: Decision-making model, accident prevention, Kerman Province, data analysis algorithms, Driving violations, incidental drivers
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.