شناسایی پارامترهای مؤثر بر شدت تصادفات بزرگراهی در شهر تهران

Abstract

اکتشاف و تجزیه‌وتحلیل پارامترهای مهمی که باعث وقوع تصادفات در بزرگراه‌ها می‌شوند، می‌تواند به بهبود ترافیک کمک کنند. این مقاله به یک مسئلۀ بهینه‌سازی چندپارامتری در راستای شناسایی پارامترهای مؤثر بر شدت تصادفات بزرگراهی در شهر تهران اشاره دارد و از یک مدل ترکیبی شبکۀ عصبی و الگوریتم ژنتیک برای انجام تجزیه‌وتحلیل استفاده می‌کند. روش این پژوهش، توصیفی- مقطعی است. جامعۀ آماری این پژوهش را داده‌های تصادفات در بزرگراه‌های شهر تهران در طول سال‌های 1394 تا 1396 تشکیل می‌دهند. در این پژوهش سعی شده است با استفاده از مدل ترکیبی شبکۀ عصبی و الگوریتم ژنتیک، پارامترهای مؤثر بر شدت تصادفات در شهر تهران شناسایی و اولویت‌بندی گردند. به این منظور در مدل ترکیبی، میزان شدت تصادف به‌عنوان متغیر وابسته و 4 دستۀ کلی از متغیرها یعنی آب‌وهوا، جاده، وسیلۀ نقلیه و راننده به‌عنوان متغیر مستقل در نظر گرفته شده است. سپس با استفاده از روش هوش مصنوعی و پیش‌پردازش داده‌ها، ساختار بهینۀ مدل شبکۀ عصبی تعیین و در نهایت، نتیجۀ مدل شبکۀ عصبی به‌عنوان ورودی الگوریتم ژنتیک در نظر گرفته شد. یافته‌ها علاوه بر تعیین پارامترهای اصلی مؤثر بر شدت تصادفات (رفتار راننده، چگونگی حرکت وسیلۀ نقلیه، نوع وسیلۀ نقلیه و وضعیت ایمنی سطح سواره‌رو بزرگراه‌ها) نشان می‌دهد که الگویتم ترکیبی، عملکرد خوبی در شناسایی پارامترهای مؤثر بر شدت تصادفات دارد و می‌تواند یک بینش جدید را در راستای طراحی الگو در جهت درک بهتر و پیشگیری از حوادث مرتبط با آسیب‌های تصادفات در آینده فراهم سازد.