پیش بینی شدت تصادفات برون شهری با رویکرد ترکیبی خوشه بندی و دسته بندی
- سال انتشار: 1395
- محل انتشار: کنفرانس بین المللی مهندسی عمران
- کد COI اختصاصی: CCIVIL01_270
- زبان مقاله: فارسی
- تعداد مشاهده: 764
نویسندگان
استادیار گروه مهندسی عمران دانشکده فنی و مهندسی دانشگاه رازی کرمانشاه
دانشجوی کارشناسی ارشد راه و ترابری دانشگاه رازی کرمانشاه
استادیار گروه مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه الزهرا(س)، تهران
چکیده
تصادفات به عنوان عامل تهدید برای سیستم حمل و نقل دارای ابعاد گسترده سیاسی، اجتماعی، اقتصادی می باشد که در کشور های در حال توسعه به شکل روزافزون در حال افزایش است. ایران نیز به عنوان کشوری در حال توسعه از این خطر بی نصیب نمانده، اما در سال های اخیر با اقدامات پیشگیرانه، آمار تصادفات در حال کاهش بوده است، در پژوهش حاضر سعی بر آن شد تا شدت تصادفات را با رویکرد ترکیبی خوشه بندی و دسته بندی، به کمک الگوریتم های شبکه عصبی، بیز ساده،SVM ,KNN و C4.5 مدل کرده و با مقایسه ای بین دقت، بازخوانی و صحت این الگوریتم ها قبل و بعد از استفاده از خوشه بندی، به اهمیت خوشه بندی پی برده و با مقایسه ای بین الگوریتم های بکار برده شده توانایی هر یک از الگوریتم ها را در جهت پیش بینی شدت تصادفات ارزیابی بنماید. نتایج حاصل از پژوهش حاکی از آنست که الگوریتم های همچون شبکه های عصبی و الگوریتم ماشین بردار پشتیبان )غالبا درجه ی غیر خطی( معمولا بیشترین میزان نرخ دسته بندی را فراهم می کنند، در حالی که قابلیت تفسیر مناسبی ارائه نمی دهند ، در عوض الگوریتم های درخت، مبتنی بر قانون اگر و آنگاه دارای قابلیت تفسیر مناسبی برای انسان می باشد. قوانین از آن جهت حائز اهمیت هستند که می توان در اختیار متخصصان حوزه ترافیک و ایمنی قرار داده شوند و با اخذ تصمیمات راهبردی در زمینه کاهش شدت تصادفات وخسارات ناشی از آن، گام مهم و موثری برداشت.کلیدواژه ها
پیش بینی شدت تصادفات، روش های خوشه بندی، روش های دسته بندیمقالات مرتبط جدید
- طراحی مجتمع مسکونی با رویکرد افزایش تعاملات اجتماعی
- نمای پارامتریک با رویکرد اثرگذاری باد در شهر تبریز
- طبقه بندی جامع شیشه های ساختمانی نوین : مشخصات و عملکرد حرارتی آن
- برنامه ریزی ارتقای پایداری بافت های فرسوده شهری در برابر زلزله با رویکرد تاب آوریمور مطالعه : شهر گزبرخوار اصفهان
- تبیین اثرات فناوری و مصالح هوشمند در پایداری انرژی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.