اهمیت روشهای یادگیری ماشین در پیش بینی تصادفات جاده ها
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 390
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CIVILISC02_067
تاریخ نمایه سازی: 17 مرداد 1401
چکیده مقاله:
از آن جایی که مدل های آماری شاخص های خوبی از احتمال تصادفات را ارائه می دهند و نتایج حاصل از آن ها به راحتیقابل تفسیر هستند، سال هاست که به طور مرسوم از تکنیک های آماری برای مدل سازی ایمنی جاده و تجزیه و تحلیلشدت تصادفات به کار گرفته شده است. اما علی رغم پیشرفت های حاصل از مدل ها در تعیین عوامل خطر مرتبط با تصادفاتجاده ای، محدودیت های مدل سازی آماری به طور گسترده ای در تحقیقات تایید شده است. یادگیری ماشین روشی نویناست که محدودیت های مدل های آماری را ندارد، علاوه بر آن امکان تجزیه و تحلیل مقادیر حجیمی از داده ها را با دقت بالافراهم میکند. امروزه، این روش در اکثر صنایع و کسب و کارها و به ویژه در برنامه ریزی حمل و نقل و ایمنی جاده ها مورد استفاده قرار میگیرد و تصمیمات بسیار تاثیرگذار دنیای امروز بر اساس پردازشهای انجام شده روی داده ها و نتایج حاصلاز آنها اتخاذ میشود. مقاله مروری حاضر با هدف آشنایی با روش یادگیری ماشین و انواع مختلف آن، و نیز کاربردهای آندر پیش بینی تصادفات در جاده ها انجام شده است.
کلیدواژه ها:
نویسندگان
نصرت تقی زاده طبری
دانشجوی کارشناسی ارشد حمل و نقل موسسه آموزش عالی توس مشهد و کارشناس ایمنی و ترافیک اداره کل راهداری و حمل و نقل جاده ای خراسان شمالی