بررسی تاثیر مشخصات هندسی مسیر بر ایمنی ترافیکی و توسعه مدل پیش بینی نقاط پرتصادف با استفاده از یادگیری ماشین
محل انتشار: دومین همایش بین المللی پژوهش در عصر نوین
سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 35
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IECME02_629
تاریخ نمایه سازی: 25 شهریور 1405
چکیده مقاله:
ایمنی ترافیکی یکی از مهم ترین شاخص های ارزیابی عملکرد شبکه های حمل ونقل جاده ای است و شناسایی عوامل موثر بر وقوع تصادفات می تواند نقش قابل توجهی در کاهش تلفات انسانی و هزینه های اقتصادی ناشی از سوانح داشته باشد. در این میان، مشخصات هندسی مسیر، از جمله شعاع قوس های افقی و قائم، طول و شیب مسیر، عرض خطوط عبوری، عرض شانه، تعداد و فاصله تقاطع ها و میزان تغییرات هندسی مسیر، از عوامل موثر بر رفتار رانندگان و سطح ایمنی راه محسوب می شوند. هدف پژوهش حاضر، بررسی تاثیر مشخصات هندسی مسیر بر ایمنی ترافیکی و توسعه یک مدل پیش بینی نقاط پرتصادف با استفاده از روش های یادگیری ماشین است. در این مطالعه، با رویکردی کاربردی، ارتباط میان ویژگی های هندسی راه و شاخص های تصادفات ترافیکی مورد تحلیل قرار می گیرد و پس از آماده سازی، پاک سازی و نرمال سازی داده ها، مجموعه ای از متغیرهای هندسی و ترافیکی به عنوان متغیرهای پیش بین در مدل های یادگیری ماشین به کار گرفته می شوند. برای افزایش قابلیت پیش بینی، الگوریتم هایی نظیر جنگل تصادفی، گرادیان بوستینگ، ماشین بردار پشتیبان و شبکه عصبی مصنوعی قابل استفاده بوده و عملکرد آن ها بر اساس شاخص هایی مانند دقت، صحت، بازخوانی، F۱ و معیارهای خطای پیش بینی مقایسه می شود. همچنین، اهمیت نسبی متغیرها بررسی می شود تا مشخص گردد کدام ویژگی های هندسی بیشترین نقش را در شکل گیری نقاط پرتصادف دارند. انتظار می رود نتایج نشان دهد که افزایش ناگهانی تغییرات هندسی، قوس های با شعاع نامناسب، شیب های قابل توجه، محدودیت عرض مسیر و ترکیب نامطلوب چند ویژگی هندسی می تواند احتمال وقوع تصادفات را افزایش دهد. بهره گیری از مدل های یادگیری ماشین، علاوه بر ارتقای توان شناسایی الگوهای غیرخطی و پیچیده میان هندسه مسیر و تصادفات، می تواند زمینه را برای شناسایی پیشگیرانه نقاط پرخطر فراهم کند. یافته های این پژوهش می تواند در اولویت بندی عملیات ایمن سازی، اصلاح هندسی راه ها، مدیریت سرعت، تخصیص منابع نگهداری و برنامه ریزی مداخلات کاهش تصادفات مورد استفاده قرار گیرد. در مجموع، تلفیق تحلیل مهندسی مشخصات هندسی مسیر با قابلیت های یادگیری ماشین، رویکردی موثر برای حرکت از مدیریت واکنشی تصادفات به سمت مدیریت پیش بینانه و هوشمند ایمنی ترافیک فراهم می سازد.کلیدواژه ها: مشخصات هندسی مسیر، ایمنی ترافیکی، نقاط پرتصادف، تصادفات جاده ای، یادگیری ماشین، پیش بینی تصادفات، مهندسی راه، ایمنی راه ها، مدل سازی پیش بینانه.
نویسندگان
مجتبی رخش ماه
کارشناسی ارشد عمران سازه، شاغل در شهرداری کاشان