پيش بيني حوادث ترافيكي بر اساس وضعيت آب‌وهوا در استان گيلان با استفاده از شبكه عصبي مصنوعي

مقدمه: حوادث ترافيكي يكي از دلايل اصلي مرگ ومير در سراسر جهان از جمله ايران محسوب مي شود. عوامل متعددي در بروز حوادث ترافيكي نقش دارند كه با استفاده از مدل هاي مختلف مي توان اين عوامل را شناسايي و بروز حوادث ترافيكي را پيش بيني كرد. هدف اين مطالعه پيش بيني حوادث ترافيكي بر اساس وضعيت آب‌وهوا با استفاده از شبكه عصبي مصنوعي مي‌باشد. روش ها: پژوهش حاضر به روش كمي بين سال هاي 1393 تا 1396 انجام شد كه داده هاي ترافيكي طي با استفاده از شبكه پرسپترون چندلايه بررسي شد. متغيرهاي ورودي شبكه شامل حداقل دما، ميانگين دما، متوسط بارش، حداكثر سرعت باد، يخبندان، فشار هوا، غلظت مه و متغير خروجي نيز تعداد تصادفات در محيط موردمطالعه بود. يافته ها: شبكه طراحي‌شده، با هفت نورون در لايه ورودي، چهار نورون در لايه مياني و يك نورون در لايه خروجي با تابع بهينه سازي لونبرگماركواردت و تابع انتقال تانژانت سيگموئيد در لايه مياني و تابع انتقال خطي در لايه خروجي به‌عنوان شبكه بهينه انتخاب شد. يافته ها نشان داد كه شبكه طراحي‌شده با ضريب همبستگي (R= 0.90) و ميانگين مربع خطا (MSE= 0.01) توانايي بالايي در پيش بيني حوادث ترافيكي دارد. نتيجه‌گيري: با توجه به اهميت پيش بيني حوادث ترافيكي و نقش آن جهت ارتقاي سلامت افراد جامعه، نتايج حاصل از اين مطالعه مي تواند جهت گسترش اقدامات پيشگيرانه مؤثرتر براي سياست‌گذاران و محققان قابل‌استفاده باشد. با توجه به نتايج بدست آمده شبكه عصبي كارايي خوبي براي پيش‌بيني كوتاه‌مدت جريان ترافيك از خود نشان داده است.