بررسی مقایسه ای روش های تحلیل تصادفات موتورسیکلت در معابر درون شهری

تحلیل تصادفات موتورسیکلت یکی از مهم ترین چالش های حوزه ایمنی حمل ونقل در معابر درون شهری است. مدل های زیرمجموعه دانش محاسبات نرم و هوش مصنوعی و یادگیری ماشین همواره مورد استقبال پژوهش گران حوزه ایمنی و تصادفات بوده است. در این پژوهش جهت بررسی و پیش بینی شدت تصادفات موتورسیکلت از روش تحلیل مقایسه ای تکنیک های مبتنی بر یادگیری ماشین همچون روش های ماشین بردار پشتیبان ( SVM) جنگل تصادفی (Random Forest ) و درخت تصمیم ( C۴.۵) استفاده شده است. نتایج اعتبارسنجی مدل های مذکور بر روی داده های تصادفات ۵ ساله شهر رشت نشان داد که، مدل جنگل تصادفی دارای دقت ۹۶/۹۳ است، همچنین مدل درخت تصمیم با ۹۹/۸۲ درصد دقت عملکرد بهتری در پیش بینی شدت تصادفات موتورسیکلت نسبت به جنگل تصادفی دارد. در خصوص مدل ماشین بردار پشتیبان نیز نتایج نشان داد که متغیرهای نوع تصادف و نحوه برخورد مقصر بیشترین تاثیر در افزایش شدت تصادفات موتورسیکلت را دارد

کلیدواژه ها:

محاسبات نرم ، شبکه های عصبی مصنوعی ، ماشین بردار پشتیبان ، جنگل تصادفی ، هوش مصنوعی ، تصادفات موتورسیکلت