تهيه نقشه فراگستر پهنه بندي خطر تصادفات جاده اي (مطالعه موردي: محور تبريز- مرند)

Developing Ubiquitous Road Accident Hazard Map (Case Study: Tabriz- Marand Road)

تهيه نقشه­ پهنه ­بندي تصادفات جاده­اي با هدف شناسايي مناطق پر خطر، گام بسيار مؤثري جهت كاهش تلفات جاني و مالي ناشي از آن مي­ باشد. به دليل ماهيت پوياي بسياري از عوامل مؤثر در شناسايي اين مناطق، تهيه نقشه پهنه ­بندي به صورت سنتي، كارآمد به نظر نمي ­رسد. در حيطه مدلسازي فراگستر در بستر سيستم اطلاعات مكاني مي ­توان در هر مكان، هر زمان، براي هر كاربر و تحت هر شرايطي نقشه ­ي مجزايي توليد نمود كه تطابق بيشتري با شرايط فردي و محيطي متغير وي داشته باشد. در اين تحقيق در يك چارچوب تركيبي از روش هاي داده ­كاوي برپايه 22 زمينه محيطي و فردي موثر در وقوع تصادف، احتمال خطر تصادف براي هر كاربر محاسبه شد. بدين ترتيب كه با اخذ داده ­هاي تصادف ثبت شده در سال 1397 در محور تبريز مرند، پيش­ پردازش ­هاي مورد نياز بر پايه آماره T2 و روش PCA انجام شد. سپس با GRNN و به كمك داده ­هاي جمع ­آوري شده، شبكه بهينه آموزش داده شد و بر پايه داده­ هاي آزمون مورد ارزيابي قرار گرفت. همچنين 8 سناريو مختلف براي محور مذكور طراحي شد و در 3008 نقطه از اين محور ميزان خطر تصادف براي هر سناريو پيش ­بيني شد. نتايج ارزيابي حاكي از دقت كل 99.37 درصد و صحت 90.74 درصدي براي مدل ارائه شده در اين تحقيق مي ­باشد. مطابق نتايج به دست آمده از سناريوهاي مختلف، محدوده 5 كيلومتري گمرك و 3 كيلومتري شهرستان صوفيان داراي بيشينه خطر در اين محور مي­باشد كه ثبت 50 تصادف در اين محدوده در بازه زماني مذكور مي ­تواند مؤيد صحت آن مي ­باشد.

Modeling a road accident hazard zoning map to identify high-risk areas is a very effective step to reduce the resulting casualties. Due to the dynamic nature of many of the factors affecting the identification of these areas, traditional zoning mapping does not seem to be effective. In the field of ubiquitous modeling in the framework of the GIS, it is possible to produce a separate map at any time, any place, for any user and under any circumstances that is more compatible with his or her changing individual and environmental conditions. In this study, in a hybrid model of data mining methods based on 22 environmental and individual contexts the probability of accident risk was calculated for each user. Thus, by obtaining the accident data recorded in Tabriz Marand road in 2019, the required pre-processing was done based on T2 statistic and PCA method. Then, based on GRNN and the collected data, the optimal network was trained and then evaluated with test data. In addition, eight different scenarios were designed for this case study and at 3008 points of this road, the risk of accident was predicted for each scenario. The results showed more than 90 % accuracy for the proposed model of this study. According to the results of different scenarios, the 5 km area around customs and 3 km around Sufian city have the highest risk in this road, which can be verified by 50 accidents happened in this area during the mentioned period.