پيش بيني شدت تصادفات جاده اي با استفاده از شبكه عصبي مصنوعي و مقايسه آن با روش آناليز چند متغيره

پيش بيني شدت تصادفات در صورتي كه با متدلوژي هاي داراي مباني علمي انجام گيرد مي تواند به عنوان ابزاري مهم در مديريت ايمني راهها و مهندسي حمل و نقل محسوب شود. در اين مقاله روشي براي شناسايي و پيش بيني و شدت تصادفات در راههاي بين شهري ارائه شده است. اين روش مبتني بر يك تحقيق تجربي است كه در يك كريدور مهم و شرياني واقع در استان خراسان رضوي انجام شده است. تجزيه و تحليل حوادث رخ داده مربوط به سالهاي 1392 تا 1395 و داده هايي است كه از گزارش پليس راه بدست آمده است. ساير اطلاعات از جمله داده هاي هندسي از طريق برداشت ميداني و نيز بهره گيري از سيستم اطلاعات جغرافيايي و اطلاعات ترافيكي از اداره مربوطه در استان ياد شده جمع آوري شده است. داده ها در سيستم GIS ، ثبت و ذخيره شد و با استفاده از يك سري روشهاي آماري پردازش گرديد و نتايج از دو مدل مورد بررسي به دست آمد. مدل1 از طريق آناليز چند متغيره (MVA)1 و مدل2 با استفاده از تكنيك شبكه عصبي مصنوعي(ANN)2 ايجاد گرديد. با مقايسه اين دو مدل ، مشخص شد كه مدل 2 از مدل 1 داراي نتايج بهتري است به اين دليل كه جمع كل مقدار باقيمانده كه تفاوت بين ميزان واقعي مشاهده شده و ميزان پيش بيني شده توسط مدل است در مدل 2 كمتر است. اگرچه كه به نظر مي رسد مدل 1 در تخمين مقاطع پرتصادف خطرناك تر(داراي تعداد زياد فقره تصادف) كارايي و عملكرد بهتري دارد.