پيش‌بيني بروز تخلفات از نوع سرعت غيرمجاز در آزادراه‌ها

Prediction of Speeding on Highways

سرعت غيرمجاز يكي از عوامل بسيار موثر بر تصادفات رانندگي است. مديريت سرعت، از طريق آموزش و وضع قوانين مي‌تواند باعث كاهش اين تخلف شود. در اين تحقيق با استفاده از داده‌هاي ميزان تخلف سرعت در آزاد راه تهران - قم به بررسي و پيش‌بيني ارتكاب اين تخلف براي آينده پرداخته شد. روش‌هاي پيش‌بيني مورد استفاده در اين تحقيق، روش الگوهاي سري زماني باكس جنكينز، روش هالت وينترز، روش تعديل‌نمايي و روش شبكه عصبي مصنوعي بوده است. اين مقاله تحليل گذشته‌نگر است كه با استفاده از اطلاعات پس رويدادي كه به‌روش كتابخانه‌اي جمع‌آوري شده است به پيش‌بيني براي آينده مي‌پردازد. جامعه آماري تعداد تخلفات مربوط به سرعت غيرمجاز بين ارديبهشت 1393 تا خرداد 1394 مي‌باشد. نتايج پيش‌بيني نشان داد كه دقت روش شبكه عصبي مصنوعي در پيش‌بيني ميزان تخلفات سرعت غيرمجاز بيشتر از ساير روش‌هاست، هم‌چنين مقادير پيش‌بيني شده نشان داد كه ثبت تخلف مربوط به سرعت غيرمجاز در آزاد راه تهران - قم در حال افزايش است، افزايش تعداد تخلفات سرعت غيرمجاز در سال‌هاي اخير عمدتاً ناشي از افزايش استفاده از سيستم‌هاي كنترل سرعت مي‌باشد و اين موضوع به معني افزايش تعداد تخلفات نيست بلكه به‌معني افزايش نظارت پليس است.

Speeding (i.e., excessive speed) is viewed as one of the most important factors in traffic accidents. A common way to reduce such driving violations is to control speed through education and legislation. In this study, using data on speed violations in Tehran – Qom intercity highway the commission of the offense for the future is studies. Forecasting methods used in this research including time series patterns Box Jenkins, Holt Winters method, the modulation technique and artificial neural networks have been used., increasing the number of speeding violations in recent years mainly due to increasing use of speed control systems, and this means that the increase in the number of speed violations is not a means to increase police surveillance.