|
|
راهور، جلد ۱۳۹۴، شماره ۲۹، صفحات ۶۳-۷۸
|
|
|
| عنوان فارسی |
خوشه بندی و پیش بینی تصادف های جاده ای |
|
| چکیده فارسی مقاله |
با توجه به توسعه شهرنشینی و استفاده بیشتر از فناوری و زندگی ماشینی، در سراسر جهان سالانه حوادث رانندگی موجب مرگ 1.2 میلیون نفر و آسی بدیدگی بیش از 50 میلیون نفر می شود. به این ترتیب، یکی از مباحث مهم حوزه راهنمایی و رانندگی، پی شبینی این تصاد فهای جاد های و ارایه راهکار برای کاهش آنها است. مدل خوشه بندی یکی از پرکاربردترین مد لهای موجود در بحث پی شبینی و شناسایی الگوها و قوانین موجود است که در این پژوهش از آن استفاده شده است. برای این منظور داده های مربوط به تصادف های جاد ه ای استان فارس در نظر گرفته شده و پس از پیش پردازش، با استفاده از الگوریتم شبکه عصبی خودسازما نده به خوشه بندی داده ها پرداخته می شود. پس از آن تصادف ها در سه کلاس کم، متوسط و زیاد کلاسه بندی می شوند و سپس به کمک درخت تصمیم، الگوی تصادف های جاده ای استخراج می شود. نتایج این مطالعه نشان می دهد که با به کارگیری الگوریتم شبکه عصبی خودسازمانده، داده های مربوط به تصادف های جاده ای استان فارس برای سا ل های 1389 تا 1392 به 11 بخش یا خوشه اصلی تفکیک شدند. پس از آن تصادف ها در سه کلاس کم، متوسط و زیاد کلاسه بندی شده و سپس به کمک درخت تصمیم، الگوی تصادف های جاده ای استخراج شد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Clustering and Perdiction of road Accidents |
|
| چکیده انگلیسی مقاله |
Purpose: Due to urbanization and wide use of technology in life, road traffic accidents annually cause 1.2 million deaths and injury of more than 50 million people over the world. Thus, one important traffic issues, is prediction of this road traffic accidents and presentation the solutions to reduce them. Methodology: Clustering is one of the most widely used models for the prediction and identification of patterns that is used in this research. For this purpose, road traffic accident data of Fars province accidents is considered. After pre-processing, data is clustered using self-organizing neural network algorithm. Then the accident are classified into three classes such as low, medium and high and accident patterns are recognized using decision tree model. Results: In this research the road traffic accidents in Fars province were clustered into 11 clusters. Then the accident were classified into three classes such as low, medium and high and accident patterns were recognized using decision tree model. Finally some suggestions are offered to reduce road accidents. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
میثم جعفری اسکندری |
عظیمه مظفری |
|
|
| نشانی اینترنتی |
http://tale.jrl.police.ir/article_10844_44a29e5f2213eaa1a9d66a41161d81e7.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/833/article-833-1640779.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
|