تحلیل و تخمین شدت سوانح ترافیکی شهری با بهره گیری از الگوریتم های هوشمند

تصادفات درون شهری یکی از چالش های جدی در ایران به شمار می رود که به دلایلی مانند ضعف زیرساخت ها، رعایت نشدن قوانین، و نبود فرهنگ مناسب رانندگی، تلفات و خسارات زیادی به همراه داشته است. در مقابل، بسیاری از کشورهای پیشرفته با استفاده از فناوری، آموزش، و برنامه ریزی هوشمند شهری توانسته اند میزان این تصادفات را به طور چشم گیری کاهش دهند. تجربه موفق این کشورها نشان می دهد که مدیریت موثر ترافیک نقش مهمی در افزایش ایمنی شهری دارد. پژوهش حاضر با هدف شناسایی و پیش بینی شدت تصادفات معابر درون شهری استان البرز، از الگوریتم درخت تصمیم بهره گرفته است. برای این منظور، داده های مربوط به ۵۰۰۰ مورد تصادف ثبت شده در بازه زمانی سال های ۱۳۹۷ تا ۱۴۰۱ گردآوری و پس از پاک سازی، در محیط برنامه نویسی پایتون مورد تحلیل قرار گرفت. نتایج مدل نشان داد که سه متغیر «نحوه برخورد وسایل نقلیه»، «ساعت وقوع تصادف» و «روزهای غیرکاری هفته» به ترتیب بیشترین تاثیر را در پیش بینی شدت تصادف دارند. مدل نهایی با دقت ۰.۷۹ توانسته است تفکیک نسبتا دقیقی میان تصادفات جرحی و فوتی ارائه دهد. یافته ها نشان می دهد که علاوه بر عوامل انسانی، برخی مولفه های محیطی و ساختاری نظیر نوع برخورد بین وسایل نقلیه نقش موثری در بالا رفتن احتمال وقوع تصادف های منجر به فوت ایفا می کنند. این پژوهش با بهره گیری از داده های واقعی و مدل سازی تفسیرپذیر، می تواند چشم اندازی کاربردی برای سیاست گذاری های ایمنی راه و طراحی مداخلات موثر فراهم آورد.

کلیدواژه ها:

شدت تصادف ، درخت تصمیم ، تصادفات درون شهری ، ایمنی ترافیک