توسعه مدل هیبریدی برای پیش بینی و تحلیل مکانی-زمانی تصادفات رانندگی در شرایط اقلیمی مرطوب شهر رشت

تصادفات رانندگی یکی از مهم ترین چالش های ایمنی ترافیک شهری به ویژه در شهرهای دارای اقلیم مرطوب محسوب می شود. شرایطی نظیر بارندگی مداوم، رطوبت بالای هوا و لغزندگی سطح معابر الگوهای مکانی و زمانی تصادفات را به طور معناداری تحت تاثیر قرار می دهد. هدف این پژوهش، توسعه یک مدل هیبریدی یادگیری ماشین به منظور پیش بینی و تحلیل مکانی-زمانی تصادفات رانندگی در شرایط اقلیمی مرطوب با تمرکز بر شهر رشت است. در این مطالعه از داده های واقعی تصادفات رانندگی ثبت شده در سال ۱۴۰۳ به همراه داده های بارندگی به عنوان متغیرهای کمکی استفاده شده است. پس از یکپارچه سازی و پیش پردازش داده ها، تحلیل های مکانی-زمانی به منظور شناسایی نقاط پرتصادف و الگوهای زمانی انجام شد. سپس یک مدل هیبریدی متشکل از الگوریتم Random Forest و XGBoost توسعه داده شد و عملکرد آن با مدل های پایه مقایسه گردید. نتایج نشان می دهد که تلفیق داده های اقلیمی با اطلاعات مکانی و زمانی موجب بهبود دقت پیش بینی تصادفات و شناسایی دقیق تر نواحی پرخطر در شرایط بارندگی می شود. یافته های این پژوهش می تواند به عنوان ابزاری موثر برای مدیریت ایمنی ترافیک، اولویت بندی اقدامات اصلاحی و کاهش تصادفات در شهرهای با اقلیم مرطوب مورد استفاده قرار گیرد.

کلیدواژه ها:

تصادفات رانندگی ، اقلیم مرطوب ، توسعه هیبریدی ، تحلیل مکانی-زمانی ، شهر رشت