خوشه بندی و پیش بینی تصادف های جاده ای

با توجه به توسعه شهرنشینی و استفاده بیشتر از فناوری و زندگی ماشینی، در سراسر جهان سالانه حوادث رانندگی موجب مرگ 1.2 میلیون نفر و آسی بدیدگی بیش از 50 میلیون نفر می شود. به این ترتیب، یکی از مباحث مهم حوزه راهنمایی و رانندگی، پی شبینی این تصاد فهای جاد های و ارایه راهکار برای کاهش آنها است. مدل خوشه بندی یکی از پرکاربردترین مد لهای موجود در بحث پی شبینی و شناسایی الگوها و قوانین موجود است که در این پژوهش از آن استفاده شده است. برای این منظور داده های مربوط به تصادف های جاد ه ای استان فارس در نظر گرفته شده و پس از پیش پردازش، با استفاده از الگوریتم شبکه عصبی خودسازما نده به خوشه بندی داده ها پرداخته می شود. پس از آن تصادف ها در سه کلاس کم، متوسط و زیاد کلاسه بندی می شوند و سپس به کمک درخت تصمیم، الگوی تصادف های جاده ای استخراج می شود. نتایج این مطالعه نشان می دهد که با به کارگیری الگوریتم شبکه عصبی خودسازمانده، داده های مربوط به تصادف های جاده ای استان فارس برای سا ل های 1389 تا 1392 به 11 بخش یا خوشه اصلی تفکیک شدند. پس از آن تصادف ها در سه کلاس کم، متوسط و زیاد کلاسه بندی شده و سپس به کمک درخت تصمیم، الگوی تصادف های جاده ای استخراج شد.