پیش بینی شدت تصادفات جاده ای با استفاده از شبکه عصبی مصنوعی و مقایسه آن با روش آنالیز چند متغیره

پیش بینی شدت تصادفات در صورتی که با متدلوژی های دارای مبانی علمی انجام گیرد می تواند به عنوان ابزاری مهم در مدیریت ایمنی راه ها و مهندسی حمل و نقل محسوب شود. در این مقاله روشی برای شناسایی و پیش بینی و شدت تصادفات در راه های بین شهری ارایه شده است. این روش مبتنی بر یک تحقیق تجربی است که در یک کریدور مهم و شریانی واقع در استان خراسان رضوی انجام شده است. تجزیه و تحلیل حوادث رخ داده مربوط به سالهای 1392 تا 1395 و داده هایی است که از گزارش پلیس راه بدست آمده است. سایر اطلاعات از جمله داده های هندسی از طریق برداشت میدانی و نیز بهره گیری از سیستم اطلاعات جغرافیایی و اطلاعات ترافیکی از اداره مربوطه در استان یاد شده جمع آوری شده است. داده ها در سیستم GIS ، ثبت و ذخیره شد و با استفاده از یک سری روش های آماری پردازش گردید و نتایج از دو مدل مورد بررسی به دست آمد. مدل1 از طریق آنالیز چند متغیره (MVA) 1 و مدل 2 با استفاده از تکنیک شبکه عصبی مصنوعی (ANN) 2 ایجاد گردید. با مقایسه این دو مدل ، مشخص شد که مدل 2 از مدل 1 دارای نتایج بهتری است به این دلیل که جمع کل مقدار باقیمانده که تفاوت بین میزان واقعی مشاهده شده و میزان پیش بینی شده توسط مدل است در مدل 2 کمتر است. اگرچه که به نظر می رسد مدل 1 در تخمین مقاطع پرتصادف خطرناک تر (دارای تعداد زیاد فقره تصادف) کارایی و عملکرد بهتری دارد.