پیش بینی نقاط حادثه خیز تصادفات جرحی درون شهری با استفاده از سیستم اطلاعات جغرافیایی و تکنیک های داده کاوی

تصادفات ترافیکی سالانه منجر به فوت و جراحت افراد زیادی از کاربران راه ها می شود. برای طبقه بندی نقاط تصادف خیز از روش هایی نظیر نزدیک ترین همسایگی (nearest neighborhood) و برازش (regression) استفاده می شود؛ اما این روش ها، پیش بینی ضعیف تر و درصد برآورد صحیح کمتری دارند. هدف از این تحقیق، داده کاوی داده های تصادفات جرحی و ارایه روشی بهتر برای طبقه بندی داده های تصادفات جرحی است. برای این منظور عملکرد روش های درخت های تصمیم، مدل بیزین، شبکه عصبی بررسی و با روش های متداول (نظیر نزدیک ترین همسایگی و برازش) مقایسه می شود. نتایج تحقیق (برای تصادفات جرحی استان کوجیلی، ترکیه در سال 2013 و 2014) نشان می دهد که روش درخت، بیزین و شبکه عصبی به ترتیب با 82، 82 و 77 درصد برآورد درست، نسبت به سایر روش ها عملکرد بهتری دارند. همچنین داده کاوی داده های موثر بر تصادفات نیز نشان می دهد در دوره های اوج ترافیک یعنی صبح، ظهر و عصر فراوانی تصادفات جرحی نسبت به دوره های غیر اوج، افزایش قابل توجهی دارد. در ادامه با استفاده از ابزار سیستم اطلاعات جغرافیایی (GIS) و استفاده از روش های مبتنی بر تراکم همانند تابع چگالی کرنل نقاط حادثه خیز تصادفات را به صورت نقشه های کاربردی به دست آمد.

کلیدواژه ها:

تصادفات درون شهری ، طبقه بندی ، سیستم اطلاعات جغرافیایی ، پیش بینی نقاط حادثه خیز ، داده کاوی ، ایمنی