| چکیده فارسی مقاله |
با رشد سریع اقتصاد، حم لونقل جاد های نقش مهمی در سامانه جامع حم لونقل کشور به عهده گرفته است. افزایش حم لونقل جاد های در ایران، آسی بهای ناشی از تصادفات را به طور چشمگیری افزایش داده است. بنابراین لزوم برنام هریزی برای کاهش اثرات مخرب و سنجش اثربخشی فعالی تهای انجا مشده قبلی دوچندان خواهد شد. سنجش و برنام هریزی بدون جم عآوری اطلاعات سابقه و پی شبینی وضعیت آینده مسیر نمی شود. پیچیدگی، عدم قطعیت عام لهای بروز تصادفات و محدود بودن اطلاعات مستند تعداد تصادفات جاد های با ویژگ یهای نظریه سیست مهای خاکستری هم خوانی دارد. مد لهای خاکستری به حجم محدودی داده برای تخمین رفتار سیست مهای ناشناخته نیاز دارند. در این مقاله از داد ههای تصادفات جاد های برو نشهری سا لهای 85 تا 91 برای ارزیابی دقت پی شبینی مد لهای ) GM(1,1)،DGM(1,1) ،DGM(2,1) ،GM(1,1) ، FGM(1,1 و ورهالست 2 استفاده م یشود. داد ههای استفاد هشده در چهار دسته تعداد تصادفات خسارتی، جرحی، فوتی و کل تصادفات طبق هبندی م یشوند. معیار ارزیابی دقت مد لها متوسط خطای کمینه است. در این روش میانگین خطای سری پی شبین یشده و سری داده اولیه محاسبه م یگردد. نتایج این مطالعه نشان م یدهد که برای پیش بینی تصادفات خسارتی، جرحی و فوتی به ترتیب مد لهای ورهالست، مدل خاکستری گسسته و مدل خاکستری دوتایی م یتوان استفاده کرد. سپس با استفاده از مدل ) DGM(1,1 که بی شترین دقت در پی شبینی را داشته است تعداد تصادفات سا لهای 92 و 93 پی شبینی خواهد شد |
| چکیده انگلیسی مقاله |
Through ever-increasing economic growth, road transportation has played an essential role in State Transportation Comprehensive System. By increasing road transport in Iran, fatalities have remarkably increased. Thus, the necessity of planning for reduction of destructive effects and measuring of effectiveness for the previous conducted activities will be augmented. Measurement and planning will not be realized without gathering information and data concerning to history and prediction of the future status. The complexity, uncertainty of the factors for occurrence of accidents, and limitation of documented data about quantity of road accidents correspond to the characteristics of Theory of Grey Systems. GreyModels (GMs) requires a restricted volume of data for estimation of behavior of unknown systems. In the present paper, data from city outside road accidents (2012-2006) have been utilized to evaluate the accuracy of prediction models of GM (1,1), DGM(1,1), DGM(2,1),RGM(1,1) FGM (1,1), and Verhulst Model. The used data are classified into four groups i.e. accidents with damages, injuries, fatalities, and total accidents. The average minimum error serves as evaluation criterion for accuracy of models. In this technique, the mean error of the predicted series and series of primary data are computed. Then, number of occurred accidents in year 2013 and 2014 will be predicted by means of DGM (1,1), which has had the maximum accuracy rate in this prediction |