پديد آورندگان :
حسن پور، شهاب دانشگاه آيت الله العظمي بروجردي , امامي، رضا دانشگاه آزاد اسلامي واحد الكترونيك تهران , حدادي، فرهاد دانشگاه صنعتي شاهرود - گروه مهندسي عمران
كليدواژه :
مبادي ورودي شهرها , تصادفات جاده اي , مدل شبكه عصبي , مدل رگرسيون پواسون , روش استراتژيك ايمني
چكيده فارسي :
زمينه و هدف: با توجه به اين‌كه تصادفات مبادي ورودي شهرها در راه‌هاي چندخطه برونشهري سهم قابل ملاحظه اي در تصادفات جاده اي دارند، به‌عنوان چالش دهه اخير، كاهش اين نوع تصادفات و ارائه راه‌كارهاي متناسب براي افزايش ايمني اين نوع جاده ها ضروري است؛ بنابراين اهداف پژوهش حاضر عبارت‌انداز: شناسايي و اولويت بندي عوامل مؤثر در تصادفات ورودي جاده هاي چندخطه برونشهري و سپس ارائه مدل استراتژيكي كنترلي مبتني بر عوامل مؤثر اولويت بندي‌شده در تصادفات اين نوع راه‌ها با درجه عملكردي مختلف است.
روش: ابتدا به تعداد تصادفات و متغيرهاي مرتبط در محورهاي مورد مطالعه در محدوده شهرها در استآن هاي تهران، اصفهان و يزد پرداخته ميشود و سپس اولويت بندي متغيرها با استفاده از مدل شبكه عصبي پرسپترون مبتني بر ريشه دوم ميانگين مربعات خطا و تحليل حساسيت و مدل رگرسيون پواسون منطبق بر ضريب اهميت و مقدار آماري t صورت مي‌گيرد. درنهايت مقايسه عملكردي مدل هاي پيشنهادي در اثرگذاري عوامل مؤثر براي استراتژي هاي پيشنهادي به دست مي آيد.
يافته ها: نتايج حاصل از پژوهش حاضر نشان داد كه برترين مدل، شبكه عصبي پيش‌خور با تابع آموزشي لِوِنبرگ- ماركوادت داراي 7 متغير ورودي و 5 نورون پنهان داراي مقدار ريشه ميانگين مربعات خطاي 1/020 است كه بهترتيب متغيرهاي شيب طولي، سرعت عملكردي، تغيير تعداد خطوط راه، درصد خودروهاي سنگين، درجه عملكردي راه، دوربين كنترل سرعت و عرض راه مهمترين عوامل مژثر بر تعداد تصادفات در راه ها با درجه عملكردي مختلف است. درحاليكه، براساس مدل رگرسيون پواسون 6 متغير مؤثر بهترتيب شامل: سرعت عملكردي، شيب طولي، عرض راه، تغيير تعداد خطوط راه، درجه عملكردي و درصد خودروهاي سنگين هستند. هم‌چنين نتايج اثرگذاري متغيرها و عوامل اثرگذار براساس دو مدل پيشنهادي نشان داد كه شيب طولي مسير در مدل شبكه عصبي و رگرسيون پواسون توانسته به ترتيب 40 درصد و 45 درصد براي راه‌هاي اصلي درجه يك نسبت به بقيه متغيرهاي مؤثر تعداد تصادفات را كاهش دهد.
نتيجه گيري: مقايسه عملكردي دو مدل پيشنهادي شبكه عصبي و رگرسيون پواسون نيز در اثرگذاري عوامل مؤثر براي استراتژي هاي پيشنهادي نشان داد كه مدل رگرسيون پواسون با خطاي پيش بيني كمتر، قابليت زيادي در شناسايي و اثربخشي استراتژي هاي ايمني نسبت به مدل شبكه عصبي دارد.
چكيده لاتين :
Due to the fact that accidents at cities entrance roads have a significant role in road accidents. Accordingly, this issue has been one of the challenges of the last decade to reduce accidents and provide appropriate strategies for increasing the road safety. Thus, the objectives of the present study are first to identify and prioritize the factors affecting the accidents of cities entrance roads in 26 different types of roads in Tehran, Isfahan and Yazd provinces using artificial neural network - multilayer perceptron (ANN-MLP) and Poisson Regression (PR) models. Then, the study presents a road safety strategy model for controlling accidents regarding effective factors prioritized with various degrees of road performance. The results of the present study showed that the best model is the feed-neural network with Levenberg-Marquadt training function with 7 input variables, and 5 hidden neurons which the root mean square error (RMSE) of this model is 1.020 which includes longitudinal slope, operating speed, change the number of lanes, the percentage of heavy vehicles, degree of road performance, speed control camera, and road width. However, PR model indicated that operating speed, longitudinal slope, road width, change the number of lanes, degree of road performance, and the percentage of heavy vehicles. Further, the results of the proposed strategies to reduce the accident based on ANN-MLP, and PR models showed that longitudinal slope among all variables decreased number of accidents by 40%, and 45% for arterial roads class I, respectively.
