ارائۀ مدل پیش‌بینی تعداد تصادفات در میادین شهری به کمک شبکۀ عصبی (نمونۀ موردی: شهر اردبیل)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه عمران، دانشگاه پیام نور، تهران، ایران

2 گروه عمران، دانشگاه پیام نور، تهران، ایران،

چکیده

زمینه و هدف
ده درصد کل تصادفات در منطقۀ موردمطالعۀ مربوط به تصادفات در میادین شهری می‏باشد. هدف از این پژوهش، تعیین پارامترهای مؤثر در تصادفات در میادین شهری و ارائۀ مدل پیش‌بینی فراوانی تصادفات می­باشد.
روش          
روش این پژوهش به‌صورت توصیفی - پیمایشی است. در این پژوهش، 456 تصادف که در 26 میدان شهر اردبیل از سال 1393 تا 1395 رخ داده است، بررسی و عوامل مؤثر در هریک از آن تصادفات جمع‏آوری شدند. عوامل به‌صورت پرسش‏نامه طراحی شد تا با استفاده از روش طیف لیکرت و روش دلفی و نظرسنجی از خبرگان، عوامل مؤثر پالایش و پارامترهای نهایی جهت مدل‌سازی انتخاب شوند. نمونۀ آماری، 102 نفر انتخاب شد. تعداد 40 پارامتر اولیۀ مؤثر در تصادفات انتخاب شدند. پرسش‏نامه‏ها با آزمون‏های آماری و میانگین و توان افتراقی تجزیه‌وتحلیل شدند که تعداد 16 پارامتر با تأثیر بالا برای مدل‌سازی شناخته شدند. تحلیل و مقایسۀ نتایج مدل‌سازی به دو روش انجام شد؛ روش اول، استفاده از مدل آماری رگرسیون خطی با نرم‏افزار مینی­تب 14 و روش دوم، استفاده از مدل شبکۀ عصبی مصنوعی با نرم‏افزار متلب است.
یافته ها
نتایج تحلیل آماری نشان می‏دهد که از بین مدل‏های رگرسیون ارائه‌شده، بهترین مدل پیش­بینی فراوانی تصادفات شامل سه پارامتر حجم ترافیک میدان، تعداد معابر منتهی به میدان، وجود یک مکان تولید و جذب سفر است. همچنین نتایج تحلیل شبکۀ عصبی نیز نشان داد که مدل برتر در پیش­بینی تعداد تصادفات، مدلی با 4 پارامتر ورودی حجم ترافیک اصلی، وجود ایستگاه تاکسی و اتوبوس، سرعت‏گیر در معابر اصلی و تعداد معابر منتهی به چهارراه است.

کلیدواژه‌ها


-     ابی‏ترابی، مسعود؛ رضایی، فرزاد. (1388). مدل‌سازی شدت تصادفات در بزرگراه­های درون‌شهری. پژوهشنامه حمل‌ونقل، سال ششم، (1)، 1-12.
-   امیرکیائی، سید امیراقبال. (1395). بررسی وضعیت و حفظ ایمنی عابران پیاده در میادین شهری. پایان­نامه کارشناسی ارشد، دانشگاه آزاد اسلامی شاهرود.
-     بلوچیان، حسین. (1393). پیش­بینی تعداد تصادفات جاده­ای برون‌شهری. نشریه راهور، 11 (26)، 115-135.
-     حقیقی، فرشیدرضا؛ شهبازی، شروین. (1395). مدل ارزیابی شدت تصادفات در میدان­ها. مهندسی حمل‌ونقل، سال هفتم، (3)، 435-447.
-   رحیم­اف، کامران؛ صادقی کلینی، مهدی. (1390). تعیین عوامل مؤثر در شدت تصادفات آزادراهی و طراحی مدل آن. پژوهشنامه حمل‌ونقل، سال هشتم، (2)، 199-209.
-   شاهی، جلیل؛ احمدی‌نژاد، محمود؛ شیخ‌الاسلامی، عبدالرضا. (1384). مدل پیش‌بینی تصادفات موتورسیکلت در تقاطع­های شهر تهران. پژوهشنامه حمل‌ونقل، سال دوم، (4)، 245-256.
-   شیخ‌الاسلامی، ﻋﺒﺪاﻟﺮﺿﺎ؛ عزیزی، لیلا. (1389). مدل‌سازی تعداد تصادفات در تقاطعات چراغ‌دار. پنجمین کنگره ملی مهندسی عمران، مشهد: دانشگاه فردوسی.
-   عبدالمنافی، ابراهیم. (1385). طراحی مدل پیش‌بینی تعداد تصادفات در تقاطعات بر اساس مدل­های آماری و شبکه عصبی. پایان‏نامه کارشناسی ارشد، تهران: دانشگاه علم و صنعت ایران.
-     فائزی، سیدفرزین. (1397). پیش­بینی خودکار گره­های ترافیکی با استفاده از مدل‌سازی شبکه عصبی. پژوهشنامه حمل‏ونقل، 15 (2)، 52-35.
-   محمدیان، امیر. (1390). مدل پیش‌بینی تصادفات درون‌شهری بر اساس خصوصیات ماکروسکوپیک ترافیک. پایان‏نامه کارشناسی ارشد، تهران: دانشگاه صنعتی شریف.
-     ملکی، سعید؛ مرادی مفرد، سمیرا. (1394). نقش عوامل ساختاری - مکانی در وقوع تصادفات رانندگی. مطالعات پژوهشی راهور، 4، 93-119.
-     منهاج، محمدباقر. (1395). مبانی شبکه‏های عصبی. انتشارات دانشگاه صنعتی امیرکبیر، تهران: پلی تکنیک.
-                    Daniels, S., Brijs, T., Nuyts, E., Wets, G. (2010). Externality of risk and crash severity at roundabouts. Accident Analysis and Prevention, 42(6), 1966-1973.
-                    Daniels, s., Brigs, T., Nuyts, E., Wets, G. (2011). Extended prediction models for crashes at roundabout. Safety Science, 49(2), 198-207.
-                    Haleem, K., Abdel-aty, M. (2010). Examining traffic crash injury severity at unsignalized intersections. Journal of Safety Research, No. 41, 347-357.
-                    Jaeyoung, L., MohamedAbdel, A., Qing, C. (2017). Intersection crash prediction modeling with macro-level data from various geographic units. Accident Analysis & Prevention, No.102, 213-226.
-                    Konnonen, D.W., Flannagan, C. A. C., Wang, S.C. (2012). Identification and validation of a logistic regression model for predicting serious injury associated with motor vehicle crashes. Accident Analysis and Prevention, No. 43, 12-122.
-                    Mcdonald, J. (1953). Relation between number of accident and traffic volume at divided highway intersection. Highway Research Bord Bulletin 74, Traffic Accident Studies Washington.
-                    Rakha, H., Arafeh. M., Abdel-Salam. A. G., Guo. F., and Flintsch. A. M. (2010). Linear Regression Crash Prediction Models: Issues and Proposed Solutions. Technical Report, U.S. Department of Transportation Research and Innovative Technology Administration.
-                    Rezaie Moghaddam, F., Afandizadeh, Sh., and Ziyadi, M. (2011). Prediction of accident severity using artificial neural networks. International Journal of Civil Engineering, 9(1), 41-49.
-                    Shaun. B., Miranda-Moreno, L., Saunier, N. (2013). Crash severity analysis at roundabout: A case study in Qubec, Canada, Transportation Research Board, Washington, D.C., No (43), 1-14.
-                    Tocchetti, L. (2010). Identifying crash contributory factors at urban roundabouts and using association rules to explore their relationships to different crash types. University of Naples Federico II, Department of Transportation Engineering, Naples, Italy.