بررسی عملکرد مدل های رگرسیون و شبکه عصبی در تخمین رابطه بین شاخص وضعیت روسازی (PCI) و شاخص ناهمواری بین المللی (IRI)

ارزیابی و سنجش کیفیت روسازی با شناخت بهتر از عملکرد صحیح بخش های مختلف سیستم مدیریت روسازی، موجب تعیین بانک اطلاعاتی برای پیش بینی زمان بهینه طراحی و به روزرسانی اطلاعات می شود. شاخص های وضعیت روسازی (PCI) و شاخص ناهمواری بین المللی (IRI) به عنوان دو معیار سنجش عملکرد ارزیابی روسازی راه ها می باشد که تاثیر بسزایی بر مدیریت بودجه های ترمیم و نگهداری راه ها دارد. بااین وجود، شاخص های PCI و IRI جامع و کامل نمی باشند و نیاز است تا مشکلات موجود در آن ها با تعیین یک رابطه منطقی و با دقت بالا برطرف شود. هدف از این مطالعه تعیین رابطه بین شاخص های IRI و PCI با استفاده از تحلیل های آماری اسپیرمن، پیرسون و دوربین واتسون، مدل های رگرسیون خطی و غیرخطی و مدل شبکه عصبی می باشد. در همین راستا، داده های 392 قطعه از راه های شریانی استان اصفهان بررسی شد و شاخص های PCI و IRI این قطعات به عنوان جامعه آماری انتخاب شدند. نتایج بخش مدل سازی نشان داد با باوجود عملکرد مناسب شبکه عصبی در پیش بینی داده های آموزش، ولی در پیش بینی داده های جدید و در مرحله آزمون با حدود 46 درصد خطا، عملکرد ضعیفی دارد و مدل دچار بیش پردازش شده است. در نهایت، عملکرد مدل رگرسیون خطی نشان داد استفاده از رابطه PCI=-19.802×IRI +126.970 با دقت 77% می توان مقادیر PCI را با استفاده از داده های IRI تعیین کرد. با توجه به سرعت برداشت و تحلیل نتایج بالا شاخص IRI و کاربردی بودن شاخص PCI به عنوان روش استاندارد در برنامه ریزی و تعیین گزینه های نگهداری راه ها، این مدل می تواند کمک شایانی را در راستای افزایش دقت و سرعت تصمیم گیری ها و کاهش هزینه های سنگین برداشت خرابی و زمان تحلیل نتایج شود.