۷۷۰

accidents prediction model at urban roundabouts with neural network(case study: Ardabil)

كارشناسي ارشد

عمران

تهران شمال

۱۳۹۷

۹۷/۶/۱۸

۱۸

۱۰۱ص.

فائزي،فرزين

۸۸-۹۱ص.

linear regression model , artificial neural network model , urban roundabout

با توجه به اينكه 10 درصد كل تصادفات در منطقه مورد مطالعه مربوط به تصادفات در ميادين و همچنين 5 درصد تصادفات در تقاطعات فرماندهي شده رخ ميدهد اين آمار نشانگر آن است كه هرچقدر كنترل در تقاطع و ميادين بيشتر باشد احتمال وقوع تصادف به حداقل ميرسد. بنابرين بررسي علل تصادفات ضروري به نظر ميرسد. هدف: هدف از اين پژوهش يافتن فاكتورهاي موثر در تصادفات در ميادين شهري و اصلاح آن و تقليل تعداد تصادفات ميباشد. همچنين اولويتبندي ميادين جهت اصلاح ميباشد. روش تحقيق: در اين پژوهش ابتدا پارامترهايي كه در تعداد تصادفات موثر به نظر ميرسد (تعداد چهل پارامتر) جمع آوري شده است. بدليل اينكه استفاده از همه اين پارامترها در مدل سازي رياضي دقت پيشبيني را كاهش ميدهد بنابراين بايستي تعدادي از آنها كه تاثير ناچيز يا منفي دارند حذف شوند. عوامل موثر ياد شده در سه گروه دسته بندي شدند. گروه اول مربوط به هندسه ميدان، گروه دوم مربوط به مشخصات ترافيكي ميدان و گروه سوم مربوط به مشخصات تصادف. براي تعيين عوامل موثر و پالايش از روش طيف ليكرت استفاده شده است. ابتدا جامعه آماري از افرادي كه مستقيم با تصادفات سروكار دارند انتخاب گرديد و سپس حدود 100 نفر به عنوان نمونه آماري جهت نظرسنجي انتخاب شد. در مرحله بعد با توجه به امتياز بدست آمده و ميانگين و توان افتراقي تعداد 19 متغير مستقل حذف و 21 متغير انتخاب گرديد تحليل نتايج مدلسازي به دو روش و مقايسه آنها پرداخت شده است. روش اول استفاده از مدل آماري رگرسيون خطي با نرم افزار ميني تب14 و روش دوم استفاده از مدل شبكه عصبي مصنوعي با نرم افزار متلب مي باشد. مهمترين نتايج: نتايج بدست آمده نشان مي دهد حجم ترافيك ميدان، تعداد معابر منتهي به ميدان، وجود يك مكان توليد و جذب سفر، وجود سرعت گير نرسيده به ميدان و وجود ايستگاه تاكسي و اتوبوس بيشترين تاثير را در پيش بيني تعداد تصادفات دارد.

49050