مد ل سازي و پيش بيني تعداد تصادفات جاد ه اي برو ن شهري

Modeling and Predicting the Number of Suburban Road Accidents

با رشد سريع اقتصاد، حم لونقل جاد هاي نقش مهمي در سامانه جامع حم لونقل كشور به عهده گرفته است. افزايش حم لونقل جاد هاي در ايران، آسي بهاي ناشي از تصادفات را به طور چشمگيري افزايش داده است. بنابراين لزوم برنام هريزي براي كاهش اثرات مخرب و سنجش اثربخشي فعالي تهاي انجا مشده قبلي دوچندان خواهد شد. سنجش و برنام هريزي بدون جم عآوري اطلاعات سابقه و پي شبيني وضعيت آينده مسير نمي شود. پيچيدگي، عدم قطعيت عام لهاي بروز تصادفات و محدود بودن اطلاعات مستند تعداد تصادفات جاد هاي با ويژگ يهاي نظريه سيست مهاي خاكستري هم خواني دارد. مد لهاي خاكستري به حجم محدودي داده براي تخمين رفتار سيست مهاي ناشناخته نياز دارند. در اين مقاله از داد ههاي تصادفات جاد هاي برو نشهري سا لهاي 85 تا 91 براي ارزيابي دقت پي شبيني مد لهاي ) GM(1,1)،DGM(1,1) ،DGM(2,1) ،GM(1,1) ، FGM(1,1 و ورهالست 2 استفاده م يشود. داد ههاي استفاد هشده در چهار دسته تعداد تصادفات خسارتي، جرحي، فوتي و كل تصادفات طبق هبندي م يشوند. معيار ارزيابي دقت مد لها متوسط خطاي كمينه است. در اين روش ميانگين خطاي سري پي شبين يشده و سري داده اوليه محاسبه م يگردد. نتايج اين مطالعه نشان م يدهد كه براي پيش بيني تصادفات خسارتي، جرحي و فوتي به ترتيب مد لهاي ورهالست، مدل خاكستري گسسته و مدل خاكستري دوتايي م يتوان استفاده كرد. سپس با استفاده از مدل ) DGM(1,1 كه بي شترين دقت در پي شبيني را داشته است تعداد تصادفات سا لهاي 92 و 93 پي شبيني خواهد شد

Through ever-increasing economic growth, road transportation has played an essential role in State Transportation Comprehensive System. By increasing road transport in Iran, fatalities have remarkably increased. Thus, the necessity of planning for reduction of destructive effects and measuring of effectiveness for the previous conducted activities will be augmented. Measurement and planning will not be realized without gathering information and data concerning to history and prediction of the future status. The complexity, uncertainty of the factors for occurrence of accidents, and limitation of documented data about quantity of road accidents correspond to the characteristics of Theory of Grey Systems. GreyModels (GMs) requires a restricted volume of data for estimation of behavior of unknown systems. In the present paper, data from city outside road accidents (2012-2006) have been utilized to evaluate the accuracy of prediction models of GM (1,1), DGM(1,1), DGM(2,1),RGM(1,1) FGM (1,1), and Verhulst Model. The used data are classified into four groups i.e. accidents with damages, injuries, fatalities, and total accidents. The average minimum error serves as evaluation criterion for accuracy of models. In this technique, the mean error of the predicted series and series of primary data are computed. Then, number of occurred accidents in year 2013 and 2014 will be predicted by means of DGM (1,1), which has had the maximum accuracy rate in this prediction.