تخمین ضرایب مدلهای غیرخطی پیش‌بینی تصادفات بر مبنای تابع حداکثر درستنمایی لگاریتمی و روش بهینه‌سازی گرادیان

مدلهای پیش‌بینی تصادفات (APMS)، معادلات ریاضی هستند که تعداد تصادفات مورد انتظار در راهها و تقاطعها را بصورت تابعی از جریان ترافیک، مشخصه‌های هندسی و دیگر خصوصیات آن تسهیلات بیان کرده و غالباً برای شناسایی مکانهای حادثه‌خیز به منظور تامین ایمنی بیشتر و ارزیابی اقدامات اصلاحی در این مکانها بکار می‌روند. برای توسعه این مدلها، روشهای آماری مختلفی مورد استفاده قرار می‌گیرد، که مفیدترین آنها رگرسیونهای غیرخطی می‌باشند. یکی از مشکلات اساسی در کاربرد این مدلها، نبود روشهای مناسب برای بهینه‌سازی است که غالباً منجر به عدم بکارگیری آنها توسط مدلساز در توسعه مدلهای پیش‌بینی تصادفات می‌گردد. در این مقاله، یک روش مناسب از طریق معرفی تابع درستنمایی لگاریتمی با توزیع دوجمله‌ای منفی و بهینه‌سازی آن به کمک روش بردار گرادیان ارایه شده است، که به مدلساز در حل این مشکل کمک کرده و منجر به توسعه بیشتر مدلهای پیش‌بینی تصادفات با استفاده از رگرسیونهای غیرخطی می‌شود. این روش به کمک داده‌های جمع‌آوری شده از 161 قطعه راه درون شهری شامل یک متغیر گسسته و دو متغیر پیوسته تشریح شده و یک مدل دو متغیره نیز برای پیش‌بینی تصادفات راههای شهری ارایه گردیده است. نتایج نشان داده که روش ارایه شده از کارایی بیشتری نسبت به روشهای موجود برخوردار بوده و بعلاوه، میانگین باقیمانده‌های داده‌های ناشی از مشاهدات و مقادیر پیش‌بینی شده توسط مدل برابر با صفر و انحراف معیار این داده نیز متغیر و به پارامتر پراکندگی تابع توزیع دوجمله‌ای منفی وابسته است.

کلیدواژه ها:

بهینه‌سازی ، تابع حداکثر درستنمایی لگاریتمی ، توزیع دوجمله‌ای منفی ، روش‌ گرادیان ، مدل تصادفات