طبقه‌بندي تصادفات جاده‌اي با استفاده از شبكه عصبي مصنوعي (مطالعه موردي آزادراه تهران - پرديس)

وقوع تصادف در جاده‌ها به لحاظ شدت و خسارات جاني و مادي در شرايط محيطي و هندسي مختلف همواره مورد بررسي و توجه قرار گرفته است. در اين تحقيق از مدل پرسپترون چندلايه با معماري‌هاي مختلف شامل يك و دولايه مخفي با تعداد نورون‌هاي متفاوت براي تخمين تعداد تصادفات جاده‌اي استفاده شده است. در مدل‌سازي از متغيرهاي مستقل (داده‌هاي ورودي) شامل شعاع قوس افقي، زمان وقوع حادثه، سن راننده مسبب حادثه، جنسيت، داشتن گواهي‌نامه، نوع وسيله نقليه، شرايط آب‌وهوايي، متوسط ترافيك روزانه، روشنايي محيط، علت وقوع حادثه، نوع و مكان وقوع تصادف استفاده شده است. تعداد تصادفات به عنوان متغير وابسته به چهار كلاس (كلاس اول برابر با يك تصادف، كلاس دوم برابر با 2 تصادف، كلاس سوم برابر با 3 تصادف، كلاس چهارم برابر با 4 تصادف) تقسيم‌بندي شد. در اين راستا از گزارش‌هاي تصادفات آزادراه تهران - پرديس حدفاصل دي‌ماه 1395 الي مردادماه 1398 كه از شركت آزادراه تهران - پرديس دريافت شده مورداستفاده قرار گرفته است. تعداد تصادفات رخ‌داده در طول اين مدت برابر 368 مورد بوده است كه از اين تعداد 44 مورد گزارش به دليل نقص اطلاعات ثبت شده خارج و با استفاده از 324 مورد گزارش، مدل‌هاي عصبي ساخته شد. نتايج نشان مي‌دهد كه مدل شبكه عصبي با دولايه پنهان هركدام با تعداد 14 عصب با دقتي برابر 83.3 درصد براي داده‌هاي آموزش و دقت كل 83.3 درصد بهترين عملكرد ر تخمين تعداد تصادفات را از خود نشان داد.