بررسی تاثیر ساختارهای شبکه راه بر شدت تصادفات درون شهری با استفاده از روش رگرسیون اسپیلاین تطبیقی چندگانه

یکی از معضلات اجتماعی در سطح جهان و به خصوص در کشورهای در حال توسعه که هر ساله جان تعداد زیادی از مردم را گرفته و هزینه های سنگینی را به جامعه وارد می کند، تصادفات رانندگی است. شناسایی عوامل تاثیرگذار بر شدت تصادفات درون شهری برای بهبود ایمنی شبکه های حمل و نقل و تخصیص منابع امری ضروری به نظر می رسد. در شدت تصادفات بزرگراه های درون شهری عوامل متعددی نقش دارند که یکی از مهم ترین این عوامل ساختار مکانی شبکه راه ها می باشد. منظور از ساختار مکانی نحوه قرارگیری معابر است که بر نحوه شکل گیری الگوی حرکتی افراد و وقوع تصادفات تاثیرگذار است. در این تحقیق هدف برآورد شدت تصادفات درون شهری با بررسی تاثیر ساختار شبکه راه است که روی خطوط بزرگراهی شهر آتلانتا مرکز ایالت جورجیا تمرکز می کند، است. بدین منظور از مدل شبکه عصبی مصنوعی پیش خور و روش رگرسیون اسپیلاین تطبیقی چندگانه استفاده شده و خروجی این دو روش که شدت تصادف در هر خط بزرگراهی است مقایسه می شوند. نتایج تحقیق نشان می دهد روش رگرسیون اسپیلاین تطبیقی چندگانه با R2=0.856 و روش شبکه عصبی مصنوعی پیش خور با R2=0.623 حاکی از بهتر بودن 23 درصدی روش رگرسیون اسپیلاین تطبیقی چندگانه نسبت به شبکه عصبی مصنوعی پیش خور در برآورد شدت تصادفات است، همچنین نتایج مدل سازی نشان می دهد که وضع موجود شبکه بزرگراهی منطقه مورد مطالعه بهینه نبوده و در قطعاتی از راه باید شبکه اصلاح شود.

کلیدواژه ها:

شدت تصادف ، معیارهای مرکزیت عمومی ، شبکه عصبی مصنوعی پیش خور ، رگرسیون اسپیلاین تطبیقی چندگانه