ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

شناسایی عوامل موثر بر شدت تصادفات جاده ای با استفاده از رگرسیون لجستیک و شبکه عصبی

سال انتشار: 1396
کد COI مقاله: CASGC02_039
زبان مقاله: فارسیمشاهده این مقاله: 256
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شناسایی عوامل موثر بر شدت تصادفات جاده ای با استفاده از رگرسیون لجستیک و شبکه عصبی

سینا الیاسی گرجی - دانش آموخته کارشناسی ارشد دانشکده مهندسی دانشگاه آزاد اسلامی واحد تهران جنوب
سیداحد بیکایی - استادیار دانشکده فنی و مهندسی دانشگاه مازندران

چکیده مقاله:

هر سال میلیون ها نفر جان خود را بر اثر تصادفات جاده ای از دست می دهند. در حال حاضر تقریبا مسیولین تمام کشورهای جهان در خصوص تعداد کشته ها و مجروحان جدید که سبب آسیب های شدید اقتصادی و اجتماعی می شود ابراز نگرانی می کنند. این تحقیق بررسی عوامل انسانی، جاده ای، محیطی، ترافیکی و عوامل مربوط به وسیله نقلیه درگیر در تصادفات در شدت تصادفات جاده های شهر لیدز می پردازد که اطلاعات به دست آمده از پایگاه اطلاعات تصادفات در طی سال های 2٬009 تا 2٬015 توسط نهادها و سازمان های مختلف جمع آوری شده است. با استفاده از آمار و اطلاعات موجود برای انجام مدلسازی متغیرهای مستقل و وابسته مشخص شده اند. متغیر وابسته (شدت تصادفات) در دو سطح تصادفات منجر به خسارت مالی و منجر به جراحت یا فوتی تعریف شده اند. سپس مدلسازی در راستای تعیین و شناسایی عوامل موثر بر شدت تصادفات انجام شد. مدل های ارایه شده در این تحقیق توسط مدل های رگرسیون لجستیک و شبکه عصبی ساخته شده است. برای انجام مدل سازی نیز با استفاده از نرم افزار SPSS برگرفته شده است. نتایج خروجی نرم افزار به طور کامل مورد پردازش قرار گرفت و در نهایت توضیحاتی در خصوص نتایج روش های به کار گرفته شده ارایه گردیده است. همچنین با استفاده از مدل سازی، فاکتورهای مهمی که تاثیر بیشتری برای کاهش و افزایش شدت تصادفات داشتن شناسایی شده اند.

کلیدواژه ها:

شدت تصادفات، رگرسیون لجستیک، شبکه های عصبی مصنوعی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CASGC02_039 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/754745/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
الیاسی گرجی، سینا و بیکایی، سیداحد،1396،شناسایی عوامل موثر بر شدت تصادفات جاده ای با استفاده از رگرسیون لجستیک و شبکه عصبی،دومین همایش بین المللی عمران، معماری و شهر سبز پایدار،همدان،https://civilica.com/doc/754745

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396، الیاسی گرجی، سینا؛ سیداحد بیکایی)
برای بار دوم به بعد: (1396، الیاسی گرجی؛ بیکایی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 10,472
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی