بررسی تاثیر عوامل هندسی بر شدت تصادفات در راه های برون شهری با استفاده از الگوریتم های هوش مصنوعی و یادگیری عمیق

جاده ها به عنوان جزء اساسی حمل و نقل زمینی، با معضلی به نام تصادفات جاده ای رو به رو هستند. تصادفات جاده ای تاثیرات مالی و جانی جبران ناپذیری بر زندگی مردم و جامعه دارند. به همین دلیل اهمیت بررسی ایمنی جاده ها و تصادفات آنها بدیهی به نظر می رسد. در این تحقیق دو محور اردکان-نائین و نائین-اردکان بر اساس شش پارامتر هندسی و محیطی شامل: قوس افقی، فاصله دید، فاصله از تقاطع، فاصله از پل، شانه راه و کاربری محل مورد بررسی قرار گرفتند. هر دو محور بر اساس این شش پارامتر به صورت جداگانه قطعه بندی همگن و بر اساس شدت عوامل هندسی و محیطی حادثه خیز طبقه بندی شده و به نمایش درآمدند. پس از آن با اضافه کردن نقاط تصادف به هر دو محور، با استفاده از شاخص EPDO شدت تصادفات برای هر قطعه محاسبه و در پنج سطح طبقه بندی گردید.سپس با به کارگیری سه روش شبکه عصبی مصنوعی عمیق به نامهای: RNN،CNN و MLFNN شدت تصادفات هر قطعه بر اساس پارامترهای هندسی و محیطی پیش بینی شد. دو روش RNN وCNN در بهترین حالت به صحت کلی حدود ۲۰ درصد در هر دو محور دست یافتند درحالیکه روش MLFNN با صحت کلی حدود ۹۰ درصد در هر دو محور نتایج بسیار بهتری ارائه نمود. سپس امکان پیش بینی شدت تصادفات یک محور با آموزش مدل بر اساس داده های محور دیگر، بررسی شد. این فرآیند صحت کلی ۸۸ درصد را در حالت آموزش با محور اردکان-نائین و صحت کلی ۷۸ درصد را در حالت معکوس به دست آورد. بخش آخر این پژوهش، تحلیل میزان تاثیر بهبود عوامل هندسی بر کاهش شدت تصادفات است. نتایج این تحلیل نشان داد که در محور اردکان- نائین، عامل شانه راه و در محور نائین- اردکان، کاربری محل بیشترین تاثیر را در کاهش شدت تصادفات دارند.

کلیدواژه ها:

تصادفات جاده ای ، شبکه عصبی مصنوعی عمیق ، قطعه بندی ، مناطق حادثه خیز ، عوامل هندسی