گسترش مدل شبکه عصبی گراف پیچشی در مدل سازی شدت تصادفات

به علت خسارات اجتماعی و  اقتصادی وارده توسط تصادفات، مطالعات ایمنی ترافیک در دهه های گذشته به شدت مورد توجه قرار گرفته اند. یکی از ابعاد مطالعات ایمنی ترافیکی، مدل سازی شدت تصادفات است که در آن رابطه بین شدت تصادفات و  یک دسته متغیر توضیح مورد بررسی قرار می گیرد. علاوه بر مدل های آماری مختلفی که به این منظور مورداستفاده قرار گرفته اند، مدل های یادگیری ماشین نیز در سال های اخیر مورد توجه بوده اند. شبکه های عصبی یکی از این دسته الگوریتم های یادگیری ماشین است که در برخی از مطالعات مدل سازی شدت تصادفات استفاده شده. اما ازآنجا که روش های یادگیری ماشین قابلیت مدل سازی مواردی مانند ناهمگونی مشاهده نشده را ندارند و به علت برخی مشکلات دیگر مانند توزیع غیرخطی داده ها، استفاده از داده های تصادفات به فرم اصلی شان همراه با کاستی هایی است. در نتیجه پژوهش حاضر با استفاده از الگوریتم نزدیک ترین همسایگی، یک ساختار پنهان گراف بر روی داده ها ایجاد می کند و سپس با استفاده از شبکه عصبی گراف پیچشی به مدل سازی شدت تصادفات می پردازد. سپس مدل پیشنهادی با چهار مدل یادگیری ماشین از جمله شبکه عصبی پرسپترون چندلایه مقایسه می شود نتایج نشان می دهد که مدل پیشنهادی در تمام شاخص ها از سایر مدل ها عملکرد بهتری داشته که می توان نتیجه گرفت ساختار پنهان گراف بر روی داده های تصادفات توانسته به استخراج روابط معنی دارتر از داده ها کمک کند.