مدلسازی شدت تصادفات جاده ای توسط روش های یادگیری ماشین – مطالعه موردی استان همدان

فرآیند وقوع تصادف نتیجه ی برهم کنش پیچیده و تصادفی عوامل متعدد محیطی، انسان، و وسیله نقلیه است. سهم کثیری از تصادفات در جهان مربوط به کشورهای با درآمد متوسط و پایین است. در این میان، آمارهای مجروحین و فوتی های تصادفات ایران روندی صعودی به خود گرفته است و تبدیل به یکی از چالش های پیش روی تصمیم گیران حوزه حمل ونقل شده است که نشان دهنده ی لزوم توجه و تمرکز هرچه بیشتر بر تحلیل تصادفات ترافیکی و یافتن علل موثر بر شدت تصادفات برای ارتقاء ایمنی راه ها و کاهش پیامدهای جانی و مالی ناشی از آن می باشد. با توجه به اهمیت ارزیابی تصادفات در معابر برون شهری، مطالعه ی حاضر به بررسی عوامل موثر بر فوتی یا جرحی بودن تصادفات برون شهری استان همدان با استفاده از مدل ماشین بردار پشتیبان پرداخته است. این مدل عملکرد مناسبی را در مطالعات حوزه ایمنی داشته است. بدین منظور از ۵۵۰۰ داده ی تصادفات جمع آوری شده توسط پلیس راهور استان همدان طی پنج سال اخیر استفاده شده است. پس از فرآیند پاکسازی داده ها، در محیط برنامه نویسی پایتون دو دسته ی تصادفات فوتی و جرحی توسط روش بیش نمونه گیری متوازن سازی شدند تا تفاوت موجود در فراوانی دو دسته تصادف منجر به ایجاد خطای پیش بینی نگردد. سپس با روش ماشین بردار پشتیبان مدل سازی انجام شد. نتایج ارزیابی نشان داد دقت مدل در پیش بینی تصادفات جرحی مناسب می باشد. در مدل ارائه شده، سن راننده، علت تامه ی تصادف و نوع وسیله نقلیه مقصر، به ترتیب سه متغیر دارای اهمیت برای پیش بینی شدت این تصادفات هستند و لازم است توجه ویژه ای به این سه عامل در سیاست گذاری ها صورت گیرد. در پایان پیشنهادات برای مطالعات آتی ارائه شدند.

کلیدواژه ها:

شدت تصادف ، ماشین بردار پشتیبان ، تصادفات جاده ای ، ایمنی ترافیک