|
|
مطالعات پژوهشی راهور، جلد ۱۳۹۸، شماره ۳۱، صفحات ۹-۳۶
|
|
|
| عنوان فارسی |
شناسایی پارامترهای مؤثر بر شدت تصادفات بزرگراهی در شهر تهران |
|
| چکیده فارسی مقاله |
اکتشاف و تجزیه‌وتحلیل پارامترهای مهمی که باعث وقوع تصادفات در بزرگراه‌ها می‌شوند، می‌تواند به بهبود ترافیک کمک کنند. این مقاله به یک مسئلۀ بهینه‌سازی چندپارامتری در راستای شناسایی پارامترهای مؤثر بر شدت تصادفات بزرگراهی در شهر تهران اشاره دارد و از یک مدل ترکیبی شبکۀ عصبی و الگوریتم ژنتیک برای انجام تجزیه‌وتحلیل استفاده می‌کند. روش این پژوهش، توصیفی- مقطعی است. جامعۀ آماری این پژوهش را داده‌های تصادفات در بزرگراه‌های شهر تهران در طول سال‌های 1394 تا 1396 تشکیل می‌دهند. در این پژوهش سعی شده است با استفاده از مدل ترکیبی شبکۀ عصبی و الگوریتم ژنتیک، پارامترهای مؤثر بر شدت تصادفات در شهر تهران شناسایی و اولویت‌بندی گردند. به این منظور در مدل ترکیبی، میزان شدت تصادف به‌عنوان متغیر وابسته و 4 دستۀ کلی از متغیرها یعنی آب‌وهوا، جاده، وسیلۀ نقلیه و راننده به‌عنوان متغیر مستقل در نظر گرفته شده است. سپس با استفاده از روش هوش مصنوعی و پیش‌پردازش داده‌ها، ساختار بهینۀ مدل شبکۀ عصبی تعیین و در نهایت، نتیجۀ مدل شبکۀ عصبی به‌عنوان ورودی الگوریتم ژنتیک در نظر گرفته شد. یافته‌ها علاوه بر تعیین پارامترهای اصلی مؤثر بر شدت تصادفات (رفتار راننده، چگونگی حرکت وسیلۀ نقلیه، نوع وسیلۀ نقلیه و وضعیت ایمنی سطح سواره‌رو بزرگراه‌ها) نشان می‌دهد که الگویتم ترکیبی، عملکرد خوبی در شناسایی پارامترهای مؤثر بر شدت تصادفات دارد و می‌تواند یک بینش جدید را در راستای طراحی الگو در جهت درک بهتر و پیشگیری از حوادث مرتبط با آسیب‌های تصادفات در آینده فراهم سازد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Identifying the factors affecting accidents severity at 5 highways in Tehran City |
|
| چکیده انگلیسی مقاله |
Identifying and analyzing crucial parameters that cause accidents in highways,can help improving traffic. This paper addresses a multi-parameteroptimization problem in order to identify the parameters affecting the severityof accidents on highways in Tehran city and uses a combination model ofNeural Network and Genetic Algorithm to perform the analysis. The methodof this research is descriptive-cross-sectional. The statistical population of thisstudy is the accidents data on the highways of Tehran during 2015-2016. Inthis research, it is attempted to identify and prioritize the parameters affectingthe severity of accidents in Tehran city using a combination model of neuralnetwork and genetic algorithm. For this purpose, in the hybrid model, theseverity of the accident is considered as the dependent variable and the fourgeneral categories of variables namely climate, road, vehicle and driver areconsidered as independent variables. Then, using artificial intelligence methodand data preprocessing, the optimal structure of the neural network model wasdetermined and finally, the result of the neural network model was consideredas the input of the genetic algorithm. The results not only determines andprioritizes the main parameters affecting the severity of accidents inTehran(including: 1- driver behavior, 2- how the vehicle is moving, 3- type ofvehicles and 4- highways safety status), but also Indicates that the combinationmodel of Neural Network and Genetic Algorithm has a good performance inidentifying the parameters affecting crash severity in Tehran, And couldprovide a new insight into designing a pattern to understand better and preventfuture accident-related accident injuries. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
محمدرضا مهماندار |
استادیار دانشگاه علوم انتظامی امین
|
|
| نشانی اینترنتی |
http://talar.jrl.police.ir/article_93559_a7b13f487be64e715f784018a2d3f11b.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1203/article-1203-2328375.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
|