پیش بینی و بررسی عوامل تصادفات جاده ای با استفاده از الگوریتم ماشین بردار پشتیبان

شدت جراحت یکی از مهم ترین معیارهای سنجش هزینه تصادفات است. شناسایی و اثرسنجی پارامترهای موثر بر شدت جراحت تصادفات می تواند به عنوان ابزاری جهت افزایش ایمنی در اختیار سیاست گذاران قرار گیرد. محققین زیادی در بخش ایمنی، سعی داشته اند با تحلیل تصادفات با رویکردها و مدل های مختلف، به بررسی این مهم بپردازند. هدف از این تحقیق بررسی عملکرد الگوریتم ماشین بردار پشتیبان در پیش بینی شدت تصادفات جاده های بین شهری ایران و تعیین عوامل تاثیرگذار بر شدت جراحت تصادفات است. مدل ماشین بردار پشتیبان تکنیک مدل سازی نسبتا جدیدی در حل مسائل طبقه بندی و رگرسیون است که عملکردی دقیق و قابل قبول نشان می دهد. در این مطالعه با استفاده از داده های تصادفات جاده ای پلیس راهور برای هفت استان اصفهان، خوزستان، خراسان جنوبی، قم، قزوین، کرمان و مازندران، با به کارگیری الگوریتم ماشین بردار پشتیبان به پیش بینی شدت تصادفات در دو سطح جرحی یا فوتی پرداخته شد. نتایج نشان داد حضور وسیله نقلیه سنگین و خودروی سواری مهم ترین عامل در تخمین شدت تصادفات موتورسیکلت ها است و احتمال آسیب دیدگی را افزایش می دهد. در تصادفات مربوط به خودروی سواری عوامل خستگی و خواب آلودگی، حضور عابر پیاده، انحراف به چپ خودروی سواری بر شدت تصادفات خودروی سواری تاثیر مستقیم دارد. همچنین در تصادفات مربوط به کامیون ها، نتایج بیان می کنند انحراف به چپ کامیون، سن بالای راننده و افزایش سرعت خودرو، از مهم ترین عوامل افزایش سطح جراحت در این نوع تصادفات است. زمانی که تصادف کامیون به شکل واژگونی اتفاق بیافتد می توان انتظار سطح جراحت کم تری داشت.