شناسایی پارامترهای موثر بر شدت تصادفات بزرگراهی در شهر تهران

اکتشاف و تجزیه وتحلیل پارامترهای مهمی که باعث وقوع تصادفات در بزرگراه ها می شوند، می تواند به بهبود ترافیک کمک کنند. این مقاله به یک مسئله بهینه سازی چندپارامتری در راستای شناسایی پارامترهای موثر بر شدت تصادفات بزرگراهی در شهر تهران اشاره دارد و از یک مدل ترکیبی شبکه عصبی و الگوریتم ژنتیک برای انجام تجزیه وتحلیل استفاده می کند. روش این پژوهش، توصیفی- مقطعی است. جامعه آماری این پژوهش را داده های تصادفات در بزرگراه های شهر تهران در طول سال های 1394 تا 1396 تشکیل می دهند. در این پژوهش سعی شده است با استفاده از مدل ترکیبی شبکه عصبی و الگوریتم ژنتیک، پارامترهای موثر بر شدت تصادفات در شهر تهران شناسایی و اولویت بندی گردند. به این منظور در مدل ترکیبی، میزان شدت تصادف به عنوان متغیر وابسته و 4 دسته کلی از متغیرها یعنی آب وهوا، جاده، وسیله نقلیه و راننده به عنوان متغیر مستقل در نظر گرفته شده است. سپس با استفاده از روش هوش مصنوعی و پیش پردازش داده ها، ساختار بهینه مدل شبکه عصبی تعیین و در نهایت، نتیجه مدل شبکه عصبی به عنوان ورودی الگوریتم ژنتیک در نظر گرفته شد. یافته ها علاوه بر تعیین پارامترهای اصلی موثر بر شدت تصادفات (رفتار راننده، چگونگی حرکت وسیله نقلیه، نوع وسیله نقلیه و وضعیت ایمنی سطح سواره رو بزرگراه ها) نشان می دهد که الگویتم ترکیبی، عملکرد خوبی در شناسایی پارامترهای موثر بر شدت تصادفات دارد و می تواند یک بینش جدید را در راستای طراحی الگو در جهت درک بهتر و پیشگیری از حوادث مرتبط با آسیب های تصادفات در آینده فراهم سازد.