راهور، جلد ۱۳۹۴، شماره ۳۲، صفحات ۱۱-۲۴
عنوان فارسی پیش بینی شدت تصادفات فوتی جاده ای ایران با استفاده از مدلهای دسته بندی پایه و جمعی
چکیده فارسی مقاله با توجه به این که شدت تصادفات در راه‌های برون شهری معمولاً از شدت تصادفات در معابر شهری بیشتر است لذا پیش بینی شدت تصادفات جاده‌ای در راه‌های برون شهری از اهمیت بسزایی برخوردار است. در این مقاله با استفاده از متغیرهای مستقل نظیر علت تصادف، نوع برخورد، نوع وسیله نقلیه مقصر، زمان تصادف، روز تصادف و فصل تصادف به پیش بینی شدت تصادفات فوتی جاده ای پرداخته شده است. بدین منظور انواع مختلفی از مدلهای دسته بندی پایه به مانند -K نزدیک ترین همسایگی ، بیز ساده ، درخت تصمیم و دسته بندی جمعی بگینگ و بوستینگ از داده‌های تصادفات فوتی سال 88 برازش شده اند. نتایج حاصل از برازش مدلها از سویی نشان‌دهنده افزایش دقت مدلهای دسته بندی جمعی بگینگ و بوستینگ به اندازه 04/0 بوده است و از طرف دیگر مدلهای دسته بندی جمعی بگینگ با الگوریتم یادگیری درخت تصمیم و دسته بندی جمعی بوستینگ با الگوریتم یادگیری بیز ساده در پیش بینی شدت تصادفات فوتی جاده ای کارایی بالای داشته است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction Severity of Road Fatal Accidents Using Aggregative and Basis Classification Models
چکیده انگلیسی مقاله Due to the severity of accidents in suburban roads usually more than of the severe of accidents on city streets, so The prediction of road accidents in suburban routes is important .In this paper, we use the independent variables such as accident cause, collision type, fault vehicle type, accident day and accident season is investigated to predict the severity of road fatal accidents. For this purpose, a variety of basis classification models is based on such as classification K- Nearest Neighbor, Naïve Bayes, Decision Tree and Boosting and Bagging aggregative classification Using of 2008 fatal accidents data from national freeways in Iran have been fitted. The results from fitting models on the one hand have indicated more accuracy of Boosting and Bagging aggregative classification models in size of 0.04 and the other Bagging aggregative classification models with decision-tree learning algorithm and Boosting Aggregative classification with Naïve Bayes learning algorithm on prediction of road fatal accidents severity has had high performance.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سهیلا میرزایی خضری |
دانشجوی دکتری مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی

عباس سقایی |
دانشیار گروه مهندسی صنایع، واحد علوم تحقیقات، دانشگاه آزاد اسلامی

نشانی اینترنتی http://tale.jrl.police.ir/article_10863_5930e8a95a4ae789bfd5e075d769fc33.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/833/article-833-1640757.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات