ارائه مدل ترکیبی به منظور پیش بینی تصادفات شهری بر اساس پارامترهای ساختار مکانی شبکه معابر (رویکرد مطالعه موردی)

پیام:
نوع مقاله:
مطالعه موردی (دارای رتبه معتبر)
چکیده:

امروزه ایمنی جاده ای یکی از دغدغه های بزرگ مهندسان ترافیک است، زیرا تصادفات اثرات زیادی روی زندگی مردم داشته اند. بنابراین پیش بینی قطعات حادثه خیز شبکه معابر جهت جلوگیری از وقوع تصادفات آتی و بهبود ایمنی ترافیک بسیار حایز اهمیت است. یکی از مهم ترین عواملی که باعث بروز تصادفات می شود، ساختار مکانی شبکه معابر است. ساختار مکانی شبکه معابر مرتبط با آرایش و چیدمان اجزای شبکه معابر است که به عنوان یک قید مکانی بر جریانات شهری بسیار تاثیرگذار است. نوآوری تحقیق حاضر ارایه یک رویکرد ترکیبی جدید جهت تعیین پارامترهای ساختار مکانی موثر در پیش بینی قطعات حادثه خیز (منطقه سه شهر تهران) است. در این راستا از ترکیب رگرسیون وزن دار مکانی (کرنل های نمایی و مربع دوگانه) و الگوریتم بهینه سازی ازدحام ذرات گسسته استفاده گردید. روش ترکیبی پیشنهادی مناسب برای مسایل رگرسیون مکانی است، زیرا این روش با دو خواص منحصر به فرد داده های مکانی یعنی خودهمبستگی مکانی و ناایستایی مکانی سازگار است. بهترین مقدار تابع برازش (1-R2) برای کرنل های نمایی و مربع دوگانه به ترتیب 0.064 و 0.003 به دست آمد. هم چنین مشخص شد که پارامترهای ساختار مکانی تاثیر قابل توجهی بر پیش بینی قطعات حادثه خیز در منطقه موردمطالعه دارند.

زبان:
فارسی
صفحات:
115 تا 130
لینک کوتاه:
magiran.com/p2367505 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!