ارائه روش استراتژیک ایمنی مبادی وروی شهری بر مبنای عوامل موثر بر تصادفات با استفاده از مدل های شبکه عصبی و رگرسیون پواسون
- سال انتشار: 1400
- محل انتشار: فصلنامه مطالعات مدیریت ترافیک، دوره: 16، شماره: 2
- کد COI اختصاصی: JR_TMSJR-16-2_005
- زبان مقاله: فارسی
- تعداد مشاهده: 98
نویسندگان
استادیار برنامه ریزی حمل ونقل، دانشگاه آیت الله العظمی بروجردی
دانشجوی کارشناسی ارشد عمران، دانشگاه آزاد اسلامی، واحد الکترونیک، تهران
دانشجوی دکتری، گروه مهندسی عمران، دانشگاه صنعتی شاهرود
چکیده
زمینه و هدف: با توجه به این که تصادفات مبادی ورودی شهرها در راه های چندخطه برون شهری سهم قابل ملاحظه ای در تصادفات جاده ای دارند، به عنوان چالش دهه اخیر، کاهش این نوع تصادفات و ارائه راه کارهای متناسب برای افزایش ایمنی این نوع جاده ها ضروری است؛ بنابراین اهداف پژوهش حاضر عبارت انداز: شناسایی و اولویت بندی عوامل موثر در تصادفات ورودی جاده های چندخطه برونشهری و سپس ارائه مدل استراتژیکی کنترلی مبتنی بر عوامل موثر اولویت بندی شده در تصادفات این نوع راه ها با درجه عملکردی مختلف است.روش: ابتدا به تعداد تصادفات و متغیرهای مرتبط در محورهای مورد مطالعه در محدوده شهرها در استآن های تهران، اصفهان و یزد پرداخته میشود و سپس اولویت بندی متغیرها با استفاده از مدل شبکه عصبی پرسپترون مبتنی بر ریشه دوم میانگین مربعات خطا و تحلیل حساسیت و مدل رگرسیون پواسون منطبق بر ضریب اهمیت و مقدار آماری t صورت می گیرد. درنهایت مقایسه عملکردی مدل های پیشنهادی در اثرگذاری عوامل موثر برای استراتژی های پیشنهادی به دست می آید.یافته ها: نتایج حاصل از پژوهش حاضر نشان داد که برترین مدل، شبکه عصبی پیش خور با تابع آموزشی لونبرگ- مارکوادت دارای ۷ متغیر ورودی و ۵ نورون پنهان دارای مقدار ریشه میانگین مربعات خطای ۰۲۰/۱ است که به ترتیب متغیرهای شیب طولی، سرعت عملکردی، تغییر تعداد خطوط راه، درصد خودروهای سنگین، درجه عملکردی راه، دوربین کنترل سرعت و عرض راه مهمترین عوامل مژثر بر تعداد تصادفات در راه ها با درجه عملکردی مختلف است. درحالیکه، براساس مدل رگرسیون پواسون ۶ متغیر موثر بهترتیب شامل: سرعت عملکردی، شیب طولی، عرض راه، تغییر تعداد خطوط راه، درجه عملکردی و درصد خودروهای سنگین هستند. هم چنین نتایج اثرگذاری متغیرها و عوامل اثرگذار براساس دو مدل پیشنهادی نشان داد که شیب طولی مسیر در مدل شبکه عصبی و رگرسیون پواسون توانسته به ترتیب ۴۰ درصد و ۴۵ درصد برای راه های اصلی درجه یک نسبت به بقیه متغیرهای موثر تعداد تصادفات را کاهش دهد.نتیجه گیری: مقایسه عملکردی دو مدل پیشنهادی شبکه عصبی و رگرسیون پواسون نیز در اثرگذاری عوامل موثر برای استراتژی های پیشنهادی نشان داد که مدل رگرسیون پواسون با خطای پیش بینی کمتر، قابلیت زیادی در شناسایی و اثربخشی استراتژی های ایمنی نسبت به مدل شبکه عصبی دارد.کلیدواژه ها
مبادی ورودی شهر ها, تصادفات جاده ای, مدل شبکه عصبی, مدل رگرسیون پواسون, روش استراتژیک ایمنیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.