تحلیل آماری و مدلسازی شدت تصادفات موتورسواران در راه های استان گیلان با استفاده از رگرسیون و شبکه عصبی مصنوعی

تصادفات هزینه های جبران ناپذیری هر ساله به اقتصاد کشورها تحمیل می کنند. علاوه بر این، بسیاری از آمار کشته شده ها مربوط به تصادفات می باشد که این موضوع می تواند خود عامل انسانی که عامل محرک اقتصاد می باشد را در خطر قرار دهد.در این بین، یکی از کاربران راه که بسیار در معرض تصادفات می باشند، موتورسیکلت سواران می باشد که هرساله بخش زیادی از کشته شده ها و مجروحان تصادفات را شامل می شوند که هدف اصلی بررسی متغیرهای تاثیرگذار بر تصادفات موتورسیکلت سواران می باشد.که با استفاده از جمع آوری اطلاعات تصادفات و همچنین استفاده از روش های مختلف آماری و مدلسازی ازجمله فیریدمن، عاملی و مدل لوجیت و شبکه عصبی به بررسی تاثیر هر یک از این متغیرها پرداخته می شود. نتایج نشان داد متغیرهای فصل تصادف، علت تامه، شرایط سطح راه و شرایط روشنایی به ترتیب بالاترین رتبه را داشتند. از طرف دیگر، متغیرهای روز و فصل تصادف و سن موتورسواران به ترتیب کمترین اهمیت را در وقوع تصادفات موتورسواران معابر جاده ای استان گیلان داشتند. علاوه بر این متغیرهای وضعیت هوا، شرایط سطح راه و وضعیت روشنایی تحت اولین عامل موثر در تصادفات موتورسواران استان گیلان قرار گرفتند؛ با توجه به مدل لوجیت بدست آمده از تصادفات موتورسیکلت سواران مشخص شد که متغیرهای فصل بهار، ساعت 6 تا12 و 18 تا 24، شرایط سطح خشک، شرایط روشنایی شب بدون نور کافی؛ وضع اب و هوایی بارانی؛ عدم توجه به جلو و تغییر مسیر ناگهانی، احتمال وقوع تصادفات موتورسواران معابر جاده ای گیلان را افزایش می دهند. براساس مدل شبکه عصبی؛ مقادیر علت تامه و وضع روشنایی و وضع آب و هوا به ترتیب بیشترین تاثیر را در شدت تصادفات موتورسواران معابر گیلان داشته اند. همچنین مدل شبکه عصبی با مقادیر R2، 31/93 دقت بالاتری را نسبت به مدل لوجیت نشان داد.