تحليل مقايسهاي مدلهاي پيشبيني در مطالعات تصادفات رانندگي

منظور از پيش‌بيني تصادف، پيش‌بيني وضعيت ايمني ترافيك مبتني بر اطلاعات و مشاهدات موجود است. نياز به تحليل سير وقايع تصادفات ترافيكي و بازشناسي منابع بالقوه خطرناك، ارايه مدل پيش‌بيني تصادفات اهميت بيشتري پيدا مي‌كند. روش‌هاي پيش‌بيني كمّي را مي‌توان در دو گروه اصلي دسته‌بندي كرد: روش‌هاي سري‌هاي زماني (از جمله روش سري‌هاي زماني، روش زنجيره ماركوف و شبكه‌هاي عصبي)، و روش‌هاي پيش‌بيني علت‌ومعلولي (از جمله تحليل سناريو، روش رگرسيون و شبكه‌هاي بيزين). در اين زمينه، محققان پيشين اكثراً روي زمينه‌يابي روي اقسام متنوع روش‌هاي مدل‌سازي پيش‌بيني منفرد متمركز شده بودند اما استدلال هاي تحقيقات اخير اين است كه يك روش منفرد نمي‌تواند يك مدل پيش‌بيني واقع‌گرايانه را تامين كند، و دورنماي آتي بايد روي يك روش پيش‌بيني تركيبي تمركز يابد. مدل‌هاي غيرخطي تركيبي، كارآيي خوبي در مسايل غيرخطي نشان داده‌اند و علاوه بر آن، پتانسيل بالايي براي پيش‌بيني تصادفات رانندگي دارند. هدف اصلي در اين مقاله، كسب توانايي براي درك اصول كلي و روش‌شناسي مدل هاي پيش‌بيني تصادفات و همچنين، گرايش‌هاي رايج براي روش هاي تركيبي مي‌باشد. در نهايت، تحليل هاي مقايسه اي براي قياس روش هاي پيش بيني متداول ارايه شده است.