استفاده از تکنیک داده کاوی در خوشه بندی و شناسایی الگوهای تصادفات جاده ای

Abstract

خوشه بندی داده های تصادفات جاده ای با استفاده ار الگوریتمهای داده کاوی منجر به استنتاج مجموعه قوانینی می شود که می تواند توسط پلیس راهنمایی و رانندگی و سازمانهایی نظیر راه و ترابری، حمل و نقل ، پایانه ها و مهندسین بزرگراه برای بهبود ایمنی راهها مورد استفاده قرار گیرد. در این تحقیق برای پیاده سازی تکنیک داده کاوی از مدل استاندارد CRISP- DM استفاده شده است. داده های مورد بررسی مربوط به14960 تصادف در محور کرج - چالوس طی سالهای 93-90 می باشد. برای خوشه بندی متغیرهای تصادف از الگوریتم K-means, Kohonen و Two Step استفاده شده است.به منظور اطمینان از میزان همبستگی متغیرهای جاده ای با شدت تصادفات از مدل همبستگیApriori و برای تحلیل شدت تصادفات در راههای برون شهری از مدل درخت دسته بندی و رگرسیون (C&R tree) استفاده شده است. نتایج حاصل از مدل خوشه بندی نشان می دهد که متغیرهای جاده ای موثردر بروز تصادفات به ترتیب اهمیت شامل هندسه محل، جهت حرکت راه، خط کشی جاده ، وجودمانع دید، وجود نقص راه، نوع شانه راه، شرایط سطح راه، تعمیرات محل و نوع رویه راه می باشند. نتایج حاصل از به کارگیری مدل همبستگی ضمن تایید نتایج خوشه بندی نشان می دهد که در 95% موارد تصادفات در این محور طی 3 سال گذشته منجر به نوع تصادف خسارتی شده است. نتایج به دست آمده از الگوریتم درخت دسته بندی و رگرسیون ضمن دسته بندی متغیرها نشان می دهد که هر متغیر چند درصد منجر به نوع تصادف جرحی، فوتی و خسارتی می شود که مهمترین عامل مانع دید و کم اهمیت ترین نوع رویه راه می باشد.