پیش بینی تصادف بر اساس داده های تاریخی با رویکرد تحلیل داده ها مطالعه موردی: بندر امام خمینی (ره)

در سال های اخیر افزایش روزافزون تردد وسایل نقلیه در بنادر تجاری کشور به ویژه بندر امام خمینی منجر به افزایش نگرانی ها پیرامون ایمنی جاده ای در محدوده این بندر شده است. هدف این پژوهش ارائه یک مدل ترکیبی پیش بینی تصادف در محدوده بندر امام خمینی بر پایه داده های تاریخی و با رویکرد تحلیل داده محور است. در این مطالعه از داده های چندمنبعی شامل ویژگی های زمانی، نوع وسیله نقلیه، شرایط آب وهوایی و سابقه تصادفات برای طراحی یک چارچوب پیش بینی استفاده شده است. ساختار پیشنهادی متشکل از یک شبکه حافظه طولانی کوتاه مدت برای پیش بینی شدت تصادفات و یک مدل رگرسیون لجستیک برای تخمین احتمال وقوع حادثه می باشد. برای مدل سازی تاثیر زمانی تصادف ها از تکنیکی مبتنی بر قانون توان استفاده شده است. داده های مورد استفاده شامل بیش از ۱۰,۰۰۰ نمونه ثبت شده از جریان ترافیکی در بندر امام خمینی در طول چند سال گذشته بوده است. نتایج ارزیابی نشان می دهد که استفاده از مدل ترکیبی همراه با ویژگی های استخراج شده از قانون توان دقت پیش بینی وقوع تصادف را از ۷۲ به ۸۲٪ افزایش داده و مقدار مساحت زیر منحنی مدل را به ۷۶ رسانده است. همچنین در بخش پیش بینی شدت حادثه، مدل شبکه حافظه طولانی کوتاه مدت با میانگین خطای مطلق ۷.۲۱، میانگین مربع خطا ۵.۳۴ و ضریب تعیین ۸۱ عملکرد دقیقی از خود نشان داده است. این مدل علاوه بر بهبود دقت پیش بینی قابلیت تعمیم به سایر بنادر کشور را نیز دارا می باشد.

کلیدواژه ها:

رگرسیون لجستیک ، قانون توان ، شبکه عصبی ، الگوریتم حافظه طولانی کوتاه مدت ، پیش بینی تصادف ، بنادر