بررسي مدل اولويت‌بندي ايمن‌سازي معابر پياده شهري با محوريت شبكه‌هاي عصبي مصنوعي (ANN)

The Study of a Prioritization Model to Increase the Safety of Pedestrian Walkways Using Artificial Neural Networks

تصادفات پديده‌اي چند¬علتي است كه نمي¬توان آن را با درنظر¬گرفتن عواملي محدود به‌طور كامل كنترل و مديريت كرد. يكي از مهم‌ترين عوامل مؤثر در اولويت¬بندي معابر پر¬خطر شهري (تصادف‌خيز) براي عابران پياده، عوامل محيطي وقوع تصادف است كه تاكنون در روش‌هاي موجود به‌طور جامع در¬نظر گرفته نشده است. اولويت¬بندي اين معابر را نمي¬توان بدون در¬نظر¬گرفتن و استفاده از آمار و اطلاعات وضع موجود، از تركيب¬هاي¬ خطي و مدل¬هاي ساده رياضي مورد بررسي قرار داد زيرا تصميم‌گيري دربارة انتخاب معابر پرخطر را دچار مشكل مي¬كند. در اين تحقيق با ارائه روش مشاهده¬اي با استفاده از شبكه¬هاي عصبي مصنوعي، مدلي جديد به منظور اولويت‌بندي معابر پر¬خطر شهري با محوريت عابران¬پياده ارائه مي¬شود. در اين روش، معابر شهري مذكور با درنظرگرفتن هم‌زمان پارامترهاي هندسي، ترافيكي و كنترلي با استفاده از يك مدل ارائه‌شده با شبكه‌هاي عصبي مصنوعي و آمار و اطلاعات تصادفات عابران‌پياده به عنوان مدل پيش¬بيني و به دنبال آن، استفاده از داده¬هاي تصادفات و خطرپذيري معابر به عنوان مدل اولويت¬بندي ارائه شده است. از عوامل مؤثر در توليد اين مدل مي¬توان به طول معابر، عرض معابر، عرض پياده¬روها، پارك حاشيه¬اي معابر، عرض ميانه معبر، محدوديت سرعت معبر، روشنايي معابر، كيفيت رويه¬ آسفالت معابر، ميزان تفكيك سواره¬رو و پياده¬رو، كاربري اطراف معابر، ميزان حضور پليس در معابر، ميزان تناسب سرعت با كاربري در معابر، تناسب گذرگاه¬هاي عرضي و شيب معابر اشاره كرد. استفاده از مدل ارائه‌شده با عوامل ذكرشده در اين تحقيق، دقت و كارايي فرآيند اولويت¬بندي معابر پرخطر شهري براي عابران¬پياده، با استفاده از آمار و اطلاعات تصادفات به مقدار قابل توجهي افزايش مي¬دهد

Accidents are multi-causal phenomena and could not be controlled without taking all the causes into account. Among the most important factors affecting the classification of the pedestrian-hazardous (accident- causing) walkways are accidentsʹ environmental factors- which have not yet been considered comprehensively using existing methods. Statistics and data about the current situation are complex and non-linear. Thus, the classification of these passageways cannot be done correctly using simple mathematical models and linear combinations. In this research, an observational classification method using artificial neural networks is presented, and a new model for pedestrian-oriented classification of hazardous urban walkways has been proposed. In this model, artificial neural networks and statistics data on pedestrian accidents and walkway risk level are used, while control, traffic, and geometric parameters are considered simultaneously. The factors involved in this model include length and width of the roadways, width of the walkways, parking on the sides of the roadways, medianʹs width, roadwayʹs speed limit, roadwayʹs lights, quality of upper asphalt layer, segregation of roadways and walkways, presence of police, proportionality of velocity and land use, and proportionality of pedestrian pathways and gradient of roadway; Being observational, this model could significantly increase the accuracy and efficiency of the process of classifying pedestrian-hazardous urban passageways. Keywords: Safety, Urban walkways, High crash urban passage, Prioritization, Artificial neural networks