پیش‌بینی و بررسی عوامل تصادفات جاده‌ای با استفاده از الگوریتم ماشین بردار پشتیبان

Abstract

شدت جراحت یکی از مهم‌ترین معیارهای سنجش هزینه‌ تصادفات است. شناسایی و اثرسنجی پارامترهای مؤثر بر شدت جراحت تصادفات می­تواند به عنوان ابزاری جهت افزایش ایمنی در اختیار سیاست­گذاران قرار گیرد. محققین زیادی در بخش ایمنی، سعی داشته‌اند با تحلیل تصادفات با رویکردها و مدل‌های مختلف، به بررسی این مهم بپردازند. هدف از این تحقیق بررسی عملکرد الگوریتم ماشین بردار پشتیبان در پیش­بینی شدت تصادفات جاده­های بین شهری ایران و تعیین عوامل تأثیرگذار بر شدت جراحت تصادفات است. مدل ماشین بردار پشتیبان تکنیک مدل­سازی نسبتاً جدیدی در حل مسائل طبقه­بندی و رگرسیون است که عملکردی دقیق و قابل قبول نشان می­دهد. در این مطالعه با استفاده از داده‌های تصادفات جاده‌ای پلیس راهور برای هفت استان اصفهان، خوزستان، خراسان جنوبی، قم، قزوین، کرمان و مازندران، با به کارگیری الگوریتم ماشین بردار پشتیبان به پیش‌بینی شدت تصادفات در دو سطح جرحی یا فوتی پرداخته شد. نتایج نشان داد حضور وسیله نقلیه سنگین و خودروی سواری مهم­ترین عامل در تخمین شدت تصادفات مـوتورسیکلت­ها است و احتمال آسیب­دیدگی را افزایش می­دهد. در تصادفات مربوط به خودروی سواری عوامل خستگی و خواب­آلودگی، حضور عابر پیاده، انحراف به چپ خودروی سواری بر شدت تصادفات خودروی سواری تأثیر مستقیم دارد. همچنین در تصادفات مربوط به کامیون­ها، نتایج بیان می­کنند انحراف به چپ کامیون، سن بالای راننده و افزایش سرعت خودرو، از مهم­ترین عوامل افزایش سطح جراحت در این نوع تصادفات است. زمانی که تصادف کامیون به شکل واژگونی اتفاق بیافتد می­توان انتظار سطح جراحت کم­تری داشت.