پیش بینی شدت تصادفات درون شهری مشهد با استفاده از یادگیری ماشین

تصادفات در شبکه راه ها، دارای ابعاد گوناگون اقتصادی ،اجتماعی ،فرهنگی، زیست محیطی، بهداشتی و انسانی می باشند. پژوهش حاضر به بررسی میزان تصادفات درون شهری از قبیل تصادفات عابرین پیاده، دوچرخه سواران، موتور سیکلت ها و خودروها و همچنین شدت هر یک از آن ها با لحاظ عوامل موثر در این تصادفات از جمله نوع محدودیت های ناشی از فضا و مکان، توزیع جمعیت ها، محدودیت های فیزیکی و انسانی، فاصله، توپوگرافی و کاربری زمین می پردازد. عاملی که نقش کلیدی در این پژوهش ایفا می نماید، نما و منظر خیابان هاست که شاید ساده و جزنی به نظر برسد، اما اثرات آن در تصادفات قابل ملاحظه است. از طرفی، به منظور بهبود جریان ترافیک و جلوگیری از حوادث و فراهم نمودن ایمنی مناسب، می توان از دستاوردهای روز دنیا از جمله هوش مصنوعی بهره گرفت که توانایی تجزیه و تحلیل و همچنین پیش بینی تصادفات با توجه به شرایط هر منطقه را دار است. لذا پس از برداشت، جمع آوری و آماده سازی داده ها، مدل هایی با استفاده از الگوریتم های یادگیری ماشین همچون درخت تصمیم و به طور مشخص درخت طبقه بندی و رگرسیون ساخته شدند و مورد تجزیه و تحلیل قرار گرفتند. نتایج نشان داد که کاربری تجاری، احتمال وقوع تصادفات را افزایش می دهد و در خیابان های با منظر محصور، احتمال وقوع تصادف کمتر است.

کلیدواژه ها:

تصادفات درون شهری ، کاربری زمین ، منظر خیابان ، یادگیری ماشین ، درخت تصمیم