|
|
مطالعات پژوهشی راهور، جلد ۱۳۹۴، شماره ۱۴، صفحات ۴۷-۷۹
|
|
|
| عنوان فارسی |
استفاده از تکنیک داده کاوی در خوشه بندی و شناسایی الگوهای تصادفات جاده ای |
|
| چکیده فارسی مقاله |
خوشه بندی داده های تصادفات جاده ای با استفاده ار الگوریتمهای داده کاوی منجر به استنتاج مجموعه قوانینی می شود که می تواند توسط پلیس راهنمایی و رانندگی و سازمانهایی نظیر راه و ترابری، حمل و نقل ، پایانه ها و مهندسین بزرگراه برای بهبود ایمنی راهها مورد استفاده قرار گیرد. در این تحقیق برای پیاده سازی تکنیک داده کاوی از مدل استاندارد CRISP- DM استفاده شده است. داده های مورد بررسی مربوط به14960 تصادف در محور کرج - چالوس طی سالهای 93-90 می باشد. برای خوشه بندی متغیرهای تصادف از الگوریتم K-means, Kohonen و Two Step استفاده شده است.به منظور اطمینان از میزان همبستگی متغیرهای جاده ای با شدت تصادفات از مدل همبستگی Apriori و برای تحلیل شدت تصادفات در راههای برون شهری از مدل درخت دسته بندی و رگرسیون (C&R tree) استفاده شده است. نتایج حاصل از مدل خوشه بندی نشان می دهد که متغیرهای جاده ای موثردر بروز تصادفات به ترتیب اهمیت شامل هندسه محل، جهت حرکت راه، خط کشی جاده ، وجودمانع دید، وجود نقص راه، نوع شانه راه، شرایط سطح راه، تعمیرات محل و نوع رویه راه می باشند. نتایج حاصل از به کارگیری مدل همبستگی ضمن تایید نتایج خوشه بندی نشان می دهد که در 95% موارد تصادفات در این محور طی 3 سال گذشته منجر به نوع تصادف خسارتی شده است. نتایج به دست آمده از الگوریتم درخت دسته بندی و رگرسیون ضمن دسته بندی متغیرها نشان می دهد که هر متغیر چند درصد منجر به نوع تصادف جرحی، فوتی و خسارتی می شود که مهمترین عامل مانع دید و کم اهمیت ترین نوع رویه راه می باشد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Using data mining techniques in clustering and identify patterns of road accidents |
|
| چکیده انگلیسی مقاله |
Clustering of road accident data by using data mining algorithms lead to derive a set of rules that can be used by traffic police and organizations such as transportation terminals and highway engineers to improve road safety. In this study to implement data mining techniques, Standard Model CRISP- DM is used.The required data includes 14960 accidents of karaj- chalos road during 90-93year. For clustering, K-means, Kohonen and Two Step algorithms is used. In order to ensure data correlation with the severity of road accidents we use Apriori corelation model andfinally to analyze the severity of accidents on roads classification and regression tree model (C & R tree) is used. The results of the clustering model indicates that the variables contributing in road accident including geometry, accident location, direction of the way, lining the road, the shoulder of the road, road surface conditions, location and type of repairs procedures respectively.The results of the correlation model indicate that among tree accident type (injury, death and damage) the most percentage of accident type is regarded as damage.Classification and Regression Tree algorithm results show the percentage degree of each variables that lead to three accident type that the most important is existance of vision obstruct. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
سارا دوالفقاری |
علی رضائیان |
سجاد شکوهیار |
|
|
| نشانی اینترنتی |
http://talar.jrl.police.ir/article_11620_78a4c0b6ae64553bdc11c91ce48723af.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1203/article-1203-1643196.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
|