چکيده
دستيابي به يك روش مطلوب جهت پيش بيني تصادفات و بررسي عوامل مؤثر در آن، هدف اصلي بسياري از مطالعات در دهه هاي اخير بوده است، زيرا توانايي پيش بيني يك تصادف، در جلوگيري از وقوع و كاهش هزينه هاي ناشي از آن، نقش بسيار حياتي ايفا مي كند. شيوه هاي مدل سازي آماري سنتي از عمده روش هايي هستند كه در گذشته به‌منظور بررسي و پيش بيني تصادفات از آن ها استفاده شده اما همواره به دليل معايب آنها، پژوهشگران به دنبال به‌كارگيري روش هاي جديدتري بوده اند. از طرف ديگر، با پيشرفت تكنولوژي و پيدايش روش هاي جديد هوشمند مدل سازي و يادگيري ماشين اين امكان فراهم شده كه بتوان با دقت بهتري تصادفات ترافيكي را پيش بيني نمود. از اين رو در اين پژوهش ضمن تشرح مفاهيم هوش مصنوعي و يادگيري ماشين به تشريح مفاهيم مرتبط با روش هاي هوشمند شبكه هاي عصبي چند لايه استاندارد، شبكه هاي عصبي بازگشتي و شبكه هاي كانولوشني جهت پيشبيني شدت تصادفات پرداخته شد.
