بررسی کارایی شبکه‌های عصبی FFBP,RBF در پیش‌بینی تصادفات عابرین پیاده

در تصادفات رانندگی بخصوص در جاده‌های برون شهری مازندران ، میزان زیادی از تلفات و صدمات، مربوط به تصادفات عابرین پیاده با وسایل نقلیه می‌باشد. زیرا ایین گروه از کاربران سیستم حمل و نقل از کم‌ترین سطح حفاظت برخوردار بوده و در نتیجه سطحی‌ترین برخوردهای بین این دو گروه منجر به جراحت‌های شدید و حتی فوت می‌گردد که این عامل لزوم بررسی هرچه بیشتر تصادفات عابرین پیاده را بیان می‌کن. لذا روشی که بتواند تصادفات این گروه اسیب‌پذیر را به دقت مورد بررسی قرار داده و در جهت افزایش ایمنی و سلامت اجتماعی و روانی عابرین پیاده قدمی مؤثر بردارد. بسیار مفید خواهد بود. به منظور نیل به هدف فوق، در تحقیق پیش‌رو از شبکه‌های عصبی مصنوعی FFBP,RBF جهت پیش‌بینی تصادفات راه‌های برون‌شهری شهرستان آمل استفاده شده است. در این بررسی با در نظر گرفتن 8 پارامتر از 12 محور برون‌شهری شهرستان آمل و آمال دو ساله تصادفات فوتی و جرحی این محورها اقدام به آموزش شبکه‌های مذکور در حالت‌های فصلی و سالانه گردیده و نتایج آن‌ها از لحاظ دقت عددی و رگرسیونی مورد بررسی قرار گرفته است. نتایج مطالعات بیانگر آن است که بازه زمانی تأثیر عمده‌ای در صحت پیش‌بینی تصادفات داشته است بطوریکه نتایج حاصل از تحلیل سالیانه تصادفات دارای دقت بسیار بالاتری نسبت به تحلیل فصلی می‌باشد. علاوه بر این ، شبکه RBF با مقایر کم آمار تصادفات و پارامترها انعطاف‌پذیری مناسبی نداشته و دارای دقت پائینی در مدل‌سازی تصادف می‌باشاد. در صورتی‌که شبکه FFBP دارای انعطاف پذیری بالاتر در ارائه جواب‌های متنوع و هم‌چنین دقت بسیار بالایی در فرآیند مدل‌سازی می‌باشد که می‌تواند به عنوان شبکه‌‌ایی با کارایی بالا جهت پیش‌بینی تصادفات عابرین پیاده مورد استفاده قرار بگیرد.

کلیدواژه ها:

تصادف ، عابر پیاده ، شبکه عصبی RBF ، شبکه عصبی FFBP