عليرضا حسين پور

Risk analysis an‎d prediction of road fleet driver behavior using machine learning algorithms

حمل‌ونقل جاده‌اي يكي از مهم‌ترين بخش‌هاي زيرساختي در هر كشور به شمار مي‌رود و نقش كليدي در توسعه اقتصادي و اجتماعي دارد. با اين حال، تصادفات جاده‌اي سالانه موجب خسارات جاني و مالي گسترده‌اي مي‌شوند. بررسي‌ها نشان مي‌دهد كه رفتار رانندگان از عوامل اصلي بروز حوادث رانندگي است. بنابراين، تحليل و پيش‌بيني رفتار رانندگان مي‌تواند نقشي مؤثر در كاهش ريسك و بهبود ايمني جاده‌اي داشته باشد. هدف اين پژوهش، توسعه مدلي مبتني بر الگوريتم‌هاي يادگيري ماشين براي تحليل ريسك و پيش‌بيني رفتار رانندگان ناوگان حمل‌ونقل جاده‌اي است. براي اين منظور، داده‌هاي مربوط به عملكرد رانندگان شامل سرعت، شتاب، ترمز ناگهاني و موقعيت مكاني از طريق دستگاه‌هاي ثبت داده جمع‌آوري گرديد. سپس چند الگوريتم يادگيري ماشين جهت شناسايي الگوهاي رفتاري و پيش‌بيني ميزان ريسك رانندگان مورد استفاده قرار گرفت. نتايج تحليل‌ها نشان داد كه مدل‌هاي يادگيري ماشين توانايي بالايي در شناسايي رانندگان پرخطر دارند و مي‌توانند به‌طور مؤثري براي ارزيابي عملكرد رانندگان مورد استفاده قرار گيرند. مدل پيشنهادي با دقت مناسبي رفتار پرخطر رانندگان را پيش‌بيني كرده و مي‌تواند به مديران ناوگان‌ها در تصميم‌گيري‌هاي مرتبط با آموزش، پاداش و نظارت كمك كند. در مجموع، نتايج اين تحقيق بيانگر آن است كه استفاده از تكنيك‌هاي يادگيري ماشين مي‌تواند رويكردي نوين و كارآمد در مديريت ريسك حمل‌ونقل جاده‌اي فراهم سازد.