پیش بینی نرخ تصادفات جاده ای با استفاده از شبکه های عصبی مصنوعی و الگوریتم بهینه سازی رقابت استعماری (استان همدان محور همدان-ملایر)

در سال های اخیر، مطالعات گسترده ای در خصوص مدل سازی تصادفات و بررسی ارتباط بین رخدادهای تصادفات در انواع راه های درون شهری و برون شهری با پارامترهای جریان ترافیک، مشخصات طرح هندسی، شرایط محیطی و شرایط روسازی راه انجام یافته است. در این پژوهش از مشاهدات 6 ساله تصادفات (1390-1395) در محور ملایر-همدان به منظور مدل سازی استفاده شده است. در این پژوهش از روش هوشمند ترکیبی شبکه عصبی و الگوریتم بهینه سازی رقابت استعماری (ANN-ICA) به منظور پیش بینی نرخ تصادفات جاده ای (محور ملایر-همدان) استفاده شده است. نتایج بدست آمده از روش پیشنهادی در این مطالعه از کمترین خطا و دقت بالایی برخوردار است. همچنین از سه روش دیگر (ANN, ANN-BP, ANN-GA) به منظور اثبات کارایی روش پیشنهادی در راستای پیش بینی نرخ تصادفات استفاده شده است که در این مطالعه، مقادیر خطای (MAPE) برای روش پیشنهادی بر اساس داده های سه گروه (ماهانه، روزانه و فصلی) برابر با: 4.14 (ماهانه)، 3.62 (روزانه)، 6.38 (پاییز)، 5.91 (زمستان)، 6.22 (بهار) و 6.61 (تابستان) می باشد. در پایان از روش آنالیز واریانس (ANOVA) تمامی روش های ارایه شده در این مطالعه بر مبنای خطای (MAPE) مورد مقایسه و بررسی قرار گرفته شده است. بر اساس نتایج روش ANOVA، نتایج بدست امده از روش پیش بینی پیشنهادی (ANN-ICA) از کمترین پراکندگی و میانگین خطا نسبت به سایر روشهای پیش بینی ارایه شده در این مطالعه برخوردار است.

کلیدواژه ها:

نرخ تصادفات ، شبکه عصبی ، الگوریتم رقابت استعماری ، الگوریتم ژنتیک ، پیش بینی