استفاده از روش های یادگیری ماشین در پیش بینی شدت تصادفات جاده ای (مطالعه موردی: استان زنجان)
بیشترین سهم تصادفات در جهان مربوط به کشورهای با درآمد متوسط و پایین است. از طرفی، آمار مجروحین و فوتی ها در تصادفات ترافیکی ایران رو به افزایش است؛ که بیانگر لزوم توجه و تمرکز بیش از پیش بر تحلیل تصادفات ترافیکی و یافتن علل موثر بر شدت تصادفات به منظور ارتقاء ایمنی راه های کشور و کاهش پیامدهای ناشی از آن می باشد. در مطالعه ی حاضر سعی شده است مهم ترین عوامل موثر بر شدت تصادفات برون شهری استان زنجان با دو مدل ماشین بردار پشتیبان و درخت تصمیم شناسایی شوند. بدین منظور از 25 هزار داده های تصادفات استان طی 9 سال اخیر استفاده شده است. پس از فرآیند پاکسازی داده ها، مدل ها در محیط برنامه نویسی پایتون توسعه داده شدند. نتایج تحلیل ها نشان داد در مدل ماشین بردار پشتیبان، نحوه تصادف، نوع وسیله و کیلومتر وقوع تصادف، و در مدل درخت تصمیم نحوه تصادف، نوع وسیله مقصر و کیلومتر وقوع تصادف به ترتیب سه متغیر دارای اهمیت برای پیش بینی شدت این تصادفات هستند. هم چنین بطور کلی درخت تصمیم قدرت پیش بینی بیش تری دارد و دقت این مدل در جراحات شدیدتر بیش تر از ماشین بردار پشتیبان می باشد.
پرداخت حق اشتراک به معنای پذیرش "شرایط خدمات" پایگاه مگیران از سوی شماست.
اگر عضو مگیران هستید:
اگر مقاله ای از شما در مگیران نمایه شده، برای استفاده از اعتبار اهدایی سامانه نویسندگان با ایمیل منتشرشده ثبت نام کنید. ثبت نام
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.