شناسایی مقاطع پرتصادف با استفاده از الگوریتم های خوشه بندی

شناسایی مقاطع پرتصادف جاده ­ای، امکان درک بهتر الگوهای تصادف برای کارشناسان ایمنی راه فراهم می­ آورد تا ایمنی راه­ ها را بهبود دهند، این پژوهش کاربردی، با هدف بررسی امکان شناسایی مقاطع پرتصادف با استفاده از الگوریتم های خوشه بندی مکانی شامل تخمین تراکم هسته (KDE)، خودهمبستگی موران محلی (Moran-I) و K-Means انجام شده است. در این راستا، دستورالعمل تجربی ارائه شده برای مقاطع پرتصادف از سوی وزارت راه و شهرسازی، بعنوان مرجع مقایسه الگوریتم­ ها و صحت سنجی نتایج درنظرگرفته شده است. نمونه مطالعاتی تحقیق، داده های تصادفات جاده­ای محور مشهد-بجنورد در بازه زمانی ۱۴۰۱-۱۳۹۸ است. آماده­ سازی داده­های با یکپارچه­ سازی محور و استخراج کیلومتراژبرای تصادفات انجام می­ شود. پس از استخراج مقاطع با استفاده از الگوریتم ­های عنوان شده در فرمت رستری، میزان همپوشانی آن­ها با مقاطع پرتصادف مرجع محاسبه شده است. بدین ترتیب الگوریتم KDE با ۵۵/۸۲% و ۹۶/۷۰% انطباق در مسیر رفت و برگشت بیشترین انطباق را با مقاطع پرتصادف مرجع دارد. ضمنا در بررسی نحوه توزیع تراکم مقاطع پرتصادف با مناطق سکونتگاه­ هایی مشخص شد که  در مسیر رفت و برگشت در ۳۰ کیلومتر ابتدایی شهر مشهد و در حدفاصل دو شهر فاروج و شیروان، ۱۴ کیلومتر بعد از خروجی شهر شیروان در مسیر رفت و ۸ کیلومتر ابتدایی شهر بجنورد بیشترین تراکم تصادفات را دارند،

کلیدواژه ها:

الگوریتم K-means ، الگوریتم تخمین تراکم هسته (KDE) ، الگوریتم خودهمبستگی موران محلی (Moran-I) ، تصادف جاده­ای ، خوشه بندی