پیش بینی نقاط حادثه خیز شهری با بهره گیری از ترکیب داده های واقعی - مصنوعی و روش های هوشمند

افزایش نرخ تصادفات شهری در استان کرمانشاه و استان های هم جوار همچون کردستان، که بر اساس آمار سه سال اخیر رشد متوسط سالانه ۹ تا ۱۲ درصدی را نشان می دهد، لزوم شناسایی علمی نقاط حادثه خیز را آشکار کرده است. مسئله اصلی آن است که بسیاری از معابر این منطقه به دلیل هندسه نامناسب، روشنایی ناکافی و رفتار ناپایدار سرعت، مستعد بروز حوادث اند؛ در حالی که داده های واقعی موجود به دلیل محدودیت در ثبت، امکان تحلیل دقیق را فراهم نمی کنند. در این پژوهش با ترکیب داده های واقعی و داده های مصنوعی و به کارگیری سه مدل رگرسیون چندمتغیره، مدل احتمال خطر و مدل مکانی–زمانی، تلاش شد ساختار خطرپذیری شبکه شهری بازسازی شود. نتایج نشان داد مدل ترکیبی توانست دقت پیش بینی نقاط حادثه خیز را از ۵۸ درصد در حالت داده واقعی به ۸۸ درصد افزایش دهد و ۳۲ نقطه با سطح خطر بسیار بالا را در شبکه معابر کرمانشاه شناسایی کند. این یافته بیان می کند که استفاده از داده های مصنوعی و مدل های چندلایه می تواند ضعف داده های واقعی را جبران کرده و مبنایی علمی برای تحلیل خطر در شهرهای مشابه، به ویژه مناطق حادثه خیز استان کردستان، فراهم کند.

کلیدواژه ها:

ایمنی ، تصادف ، پیش بینی ، کرمانشاه ، خطرخیز