پیش بینی شدت تصادفات درون شهری توسط روش یادگیری ماشین – مطالعه موردی استان البرز

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 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 ناشی از آن می باشد. مطالعه ی حاضر به بررسی عوامل موثر بر شدت تصادفات درون شهری استان البرز با مدل درخت تصمیم پرداخته است. بدین منظور از ۵ هزار داده های تصادفات استان طی ۵ سال ۱۳۹۷ تا ۱۴۰۱ استفاده شده است. پس از فرآیند پاکسازی داده ها، مدل ها در محیط برنامه نویسی پایتون توسعه داده شدند و نتایج تحلیل ها نشان داد در مدل درخت تصمیم نحوه برخورد، ساعت وقوع تصادف و روزهای غیرکاری هفته به ترتیب سه متغیر دارای اهمیت برای پیش بینی شدت این تصادفات هستند. همچنین بطور کلی درخت تصمیم قدرت پیش بینی بالایی دارد و دقت این مدل ۰٫۷۰ بود که با توجه به تعداد و نوع متغیرها دقت قابل قبولی بود. برای ارتقا دقت این مدل نیاز به افزایش تعداد متغیرها و دادن جزئیات بیشتری از نحوه تصادف هست. با توجه به تمامی خروجی و بررسی ها می توان به این نتیجه رسید علاوه بر عوامل انسانی موثر در تصادفات منجر به فوتی و جرح، عوامل بیرونی مانند نحوه برخورد وسیله باعث فوتی خواهد شد که می توان به این نتیجه رسید که وسیله نقلیه های مورد استفاده دارای استحکام کافی برای جلوگیری از این اتفاق نبوده است. یکی از مواردی که در داده ها قابل بررسی نبوده اما می بایست در آن دقت داشت، این است که تجمیع این عوامل می تواند باعث تشدید در نوع جرح باشد و برای شناسایی دقیق تر می بایست به عوامل محیطی در معابر شهری اشاره کرد. عوامل محیطی مانند نوع روسازی سطح معبر، وجود آرام کننده ها و یا نشان های ترافیکی دقیق مناسب معبر مورد اهمیت است.

کلیدواژه ها:

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