تصادفات ترافیکی و اثرات آن به عنوان یک مشکل اصلی در سطح جهان شناخته شده است. پدیده تصادف اغلب منجر به هزینه های گزافی همانند صدمات جانی( به شکلمرگ، جراحت و نظیر آن)، توقف فعالیتها ( مانند از دست رفتن موقعیت کاری)، و خسارات اقتصادی می شود. در ایران به علت ضعف زیر ساختهای حمل و نقل ریلی، هوایی و دریایی، تقریبآ90 درصد جابجایی ها از طریق جاده ها صورت می گیرد که در نتیجه آن تصادفات جاده ای افزایش خواهند یافت. لذا بحث ایمنی جاده ای و پیش بینی محل رخداد تصادفات از اهمیت بالایی برخوردار است. از علل اصلی وقوع تصادفات، رفتارهای رانندگان در حین هدایت وسیله نقلیه می باشد که متآثر از شرایط ترافیکی اطراف و پارامترهای محیطی موثر است. در این راستا مدل سازی پارامتر های اساسی وقوع تصادف و پیش بینی نحوه ی تآثیر متقابل آن ها در احتمال وقوع، نقش قابل ملاحظه ای در کنترل و مدیریت وقوع تصادف خواهد داشت، لذا در این مقاله با هدف ارزیابی عملکرد هریک از عوامل در محیط GIS از شبکه بیزین (Bayesian Network) استفاده شده و عملکرد آن با روش های دیگر نظیر یادگیری ماشین و شبکه عصبی مقایسه می شود. از مشکلات اصلی یادگیری ماشین نقطه ضعف آن در تعمیم داده ها به محدوده های مطالعاتی مختلف می باشد، همچنین شبکه عصبی به دلیل لزوم تضمین کیفیت ورودی و خروجی ها عملکرد مناسبی در این مساله ارائه نمی دهد. لذا شبکه بیزین به منظور یادگیری روابط بین پارامتر ها و پیش بینی اثر گذاری هریک از متغیر ها پیشنهاد شده و نحوه تلفیق آن با محیط GIS ارزیابی می گردد. نتایج نهایی منجر به ارائه مدلی جامع و مکانمند به منظور پیش بینی محل وقوع تصادفات به همراه اعتبار سنجی نتایج خواهد بود.

کلمات کلیدی