25417

اولويت‌بندي نقاط حادثه‌خيز (راه‌هاي برون‌شهري) با به كارگيري روش¬هاي تصميم¬گيري و به كارگيري شبكه عصبي به منظور بهسازي و اصلاح نقاط حادثه‌خيز

كارشناسي ارشد

مهندسي عمران-گرايش راه و ترابري

1397

13/06/1400

دكتر محمود عامري- دكتر برات مجردي

فني و مهندسي

تصادفات ترافيكي از عوامل بسيار مهم مرگ‌ومير و صدمات شديد جاني و مالي بوده و آثار سنگين اجتماعي ، فرهنگي و اقتصادي آن جوامع بشري را به شدت مورد تهديد قرار داده‌است. از اين رو شناسايي عوامل موثر بر تصادفات كه منجر به كاهش فراواني و شدت تصادفات مي‌گردد، امري ضروري به حساب مي‌آيد. هدف از پژوهش حاضر، ايجاد مدل‌هاي آماري جهت شناسايي عوامل موثر بر شدت تصادفات در نقاط حادثه‌خيز يك محور خطرساز در حد واصل استان‌هاي گيلان و مازندران بوده تا به كمك شناسايي اين عوامل به ارايه راهكار فني جهت اصلاح و بهسازي نقاط پرداخته و در نهايت به اولويت‌بندي نقاط حادثه‌خيز جهت اصلاح منتهي گردد. لذا در اين پژوهش با گردآوري اطلاعات تصادفات 7 نقطه‌ي حادثه‌خيز و پرتصادف از محور برون‌شهري رشت-چابكسر در سال‌هاي 1394 تا 1398 و به كمك تحليل فراواني و مدل‌سازي با استفاده از مدل رگرسيون لوجستيك (الگوي فعلي) و مدل شبكه عصبي MLP (الگوي آتي) به شناسايي عوامل موثر در تصادفات نقاط و همچنين كل محور مطالعاتي پرداخته‌ شد. سپس با كمك عوامل شناسايي شده از تحليل‌هاي ذكر شده و بررسي اشتراكات آن‌ها به ارايه راهكار بهسازي نقاط جهت اصلاح پرداخته شد. در نهايت با استفاده از اطلاعات تصادفات و اطلاعات ترافيكي مربوط به ترددشماري نقاط حادثه‌خيز به اولويت‌بندي آن‌ها به كمك مدل تصميم‌گيري تاپسيس جهت اصلاح و بهسازي پرداخته شد. نتايج نشان داد از بين سه روش مورد بررسي در مدل لوجيت، روش داخل شدن با توجه به دو معيار خوبي برازش 0/762 و درصد صحيح 88/3 بهترين روش جهت ساخت مدل تصادفات محور مطالعاتي بوده است. استفاده از نتايج تحليل فراواني سبب بهبود در شناسايي عوامل موثر در نقاط حادثه‌خيز بوده و بكارگيري همزمان آن با مدل رگرسيون لوجستيك و شبكه عصبي موجب هم‌پوشاني مناسب در دستيابي به اين عوامل مي‌باشد. همچنين مدل تصميم‌گيري تاپسيس بر خلاف روش‌هايي نظير تحليل سلسله مراتبي از سرعت به نسبت بالاتر و دقت مطلوبي جهت اولويت‌بندي نقاط حادثه‌خيز به كمك عوامل تاثيرگذار برخوردار بوده و نتايج مدل حاكي از آن است كه در اولويت‌بندي نقاط مورد بررسي محور مطالعاتي 4نقطه از 7نقطه بررسي شده در خروجي مدل مطابقت كامل با ميانگين رتبه‌ي محاسبه ‌شده نقاط داشته و در 3 مورد ديگر نيز اختلاف اولويت‌بندي موجود ناچيز بوده و به علت تفاوت در ميزان ترافيك اين نقاط با شاخص حادثه‌خيزي آن‌ها مي‌باشد.

1400/07/25

Prioritization of accident hotspots (suburban roads) by using decision-making methods and neural network in order to improve and correct accident hotspots

9/4/2022 12:00:00 AM

Traffic accidents are among the most important factors of mortality and severe injuries in Johnny and Financial, and threatened the heavy social, cultural and economic effects of those human societies. Therefore, identifying factors affecting accidents, which leads to a decrease in frequency and severity of accidents, is essential. The purpose of this study was to create statistical models for identifying the factors affecting the severity of accidents in the incidental points of a risk axis in the field of provinces of Gilan and Mazandaran provinces to help identify these factors for the technical solution to improve and improve the points and finally prioritize Incidental points lead to modification. Therefore, in this research, by collecting data accidents, 7 incidental and precious points from the exogenous axis of Rasht-Chaboksar in 1394 to 1398 and using frequency analysis and modeling using logistic regression model (current pattern) and MLP neural network model (upcoming pattern) To identify the effective factors in accidents of points as well as the entire axis of study. Then, with the help of the identified factors of the analyzes, and their subscriptions were reviewed by the implementation of the points for reform. Finally, using traffic accidents and traffic information related to the doubt of accidental points, they prioritized them with the help of the Topsis decision model for modification and improvement. The results showed that among the three methods studied in the logit model, the method of entering in accordance with the two good fitting criteria was 0/762 and the correct percentage of 88.3% was the best method for making accidents in the studies axis. Using frequency analysis results in improving the identification of effective factors in incident points and its simultaneous use with logistic regression model and neural network leads to overlapping in achieving these factors. Also, the Topsis Decision Model, unlike methods such as hierarchical analysis, has a higher rate and desirable accuracy to prioritize the accidental points with the help of influential factors, and the results of the model indicate that prioritizing the points of the studied axis of 4 points from 7 points of review In the output of the model, the complete match is calculated with the calculated average of the points, and in three other, the difference in prioritization is negligible and due to the difference in traffic levels of these points with their incident index.

شبكه عصبي (MLP) , رگرسيون لوجستيك , راهكار بهسازي , اولويت‌بندي , مدل تصميم‌گيري تاپسيس , ايمني , تصادفات

Neural Network (MLP) , Logistic regression , Improvement solution , prioritization , Topsis decision making model , safety , accidents