بهبود سري زماني سوانح ترافيكي زمانمند با كمك شبكه‌هاي عصبي مصنوعي، مبتني بر سيستم اطلاعات مكاني مطالعه موردي آزادراه كرج – قزوين

اين مطالعه مدل‌سازي بهينه، داده‌هاي سوانح ترافيكي زمانمند را در مقياس‌ روزانه براي محور كرج ـ قزوين به‌عنوان يكي از محورهاي حادثه‌خيز ايران در طي سال‌هاي 1388 تا 1392 با دو روش سري زماني و شبكه عصبي مصنوعي برمبناي سيستم اطلاعات مكاني بررسي مي‌نمايد. الگوهاي زماني مخاطرات جاده‌اي، با در نظر گرفتن مؤلفه‌هايرَوَند و دوره‌اي، نوع و مرتبه مدل، توابع خودهمبستگي و خودهمبستگي جزئي، داده‌هاي سوانح ترافيكي زمانمند (حجم نمونه 1097 حادثه) به‌دست‌آمده است. درروش پيشنهادي اول ميزان وابستگي حوزه زمان و مرتبه مدل زماني محاسبه‌شده است و درروش دوم معماري‌هاي مختلف از شبكه ‌عصبي ‌مصنوعي پرسپترون چندلايه جهت تعيين بهينه‌ترين عملكرد تشخيصي پياده‌سازي گرديد. براي ارزيابي شبكه نيز شاخص‌هاي مشخصه، ضريب تبيين و صحت مورداستفاده قرار گرفت و براي محاسبات دو مدل در سناريوهاي مختلف از نرم‌افزار ARCGIS و مطلب استفاده‌شده است. بر اساس نتايج مدل شبكه عصبي مصنوعي با مقدار ضريب تبيين  و خطاي جذر ميانگين مربعات 10.71 مي‌تواند نرخ رخداد حوادث روزانه را تااندازه‌اي بهتر از روش سري زماني و خودهمبستگي جزئي با مقدار ضريب تبيين  و خطاي جذر ميانگين مربعات 14.31 برآورد كرد. لازم به ذكر است، ارائه مدل داده‌هاي سوانح ترافيكي با مدل شبكه عصبي مصنوعي و خودهمبستگي جزئي در مقياس‌ روزانه، تاكنون در تحقيقات و مطالعاتِ مشابه‏ مشاهده نشده است.