عنوان : ( پیشبینی چگالی شدت تصادفات با استفاده از شبکه عصبی در محیط GIS (نمونه موردی: بخش مونتگومری، ایالت مریلند آمریکا) )
نویسندگان: دانیال ناظری عباس آباد , روزبه شاد ,بر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست
چکیده
براساس گزارشات موجود، تعداد کشتهشدگان تصادفات جادهای در سال 2016 به 35/1 میلیون نفر رسیده است و سالانه بیش از 38000 نفر در تصادفات جادههای ایالات متحده آمریکا جان میدهند. در این مقاله با در نظر گرفتن 20 پارامتر موثر بر شدت وقوع تصادفات براساس آمار و اطلاعات بخش مونتگومری واقع در ایالت مریلند آمریکا در سالهای 2015 تا 2019 و آمادهسازی لایههای رستری مورد نیاز در محیط GIS، سعی بر آن است که به پیشبینی چگالی شدت تصادفات جادهای در کمانهای شهری به کمک شبکه عصبی پرسپترون چندلایه پرداخته شود. از اینرو، ابتدا 20 متغیر مستقل در قالب چهار گروه اصلی شامل پارامترهای مرتبط با راننده، پارامترهای مرتبط با شرایط آب و هوایی و زمانی، پارامترهای مرتبط با وسیله نقلیه و پارامترهای محیطی به صورت یک پایگاه داده مکانی آمادهسازی شد. سپس با انجام پردازشهای مکانی-آماری مورد نیاز، لایههای رستری تهیه شده در محیط MATLAB فراخوانی گردیدند و توسط شبکه عصبی پرسپترون چند لایه چگالی شدت تصادفات پیشبینی شده است. نتایج نشان داد که مدل شبکه عصبی پرسپترون سه لایه با لایه پنهانی که شامل 20 نورون و تابع آموزش Levenberg-Marquardt (با 99/0 = R2 و 00033/0 = MSE) عملکرد دقیق و مناسبی در جهت پیشبینی چگالی شدت تصادفات داشته است
کلمات کلیدی
, سیستم اطلاعات مکانی, پرسپترون چندلایه, شدت تصادفات, تابع چگالی تصادفات, لایه رستری@inproceedings{paperid:1086597,
author = {ناظری عباس آباد, دانیال and شاد, روزبه},
title = {پیشبینی چگالی شدت تصادفات با استفاده از شبکه عصبی در محیط GIS (نمونه موردی: بخش مونتگومری، ایالت مریلند آمریکا)},
booktitle = {دوازدهمین کنگره بین المللی مهندسی عمران},
year = {2021},
location = {مشهد, ايران},
keywords = {سیستم اطلاعات مکانی، پرسپترون چندلایه، شدت تصادفات، تابع چگالی تصادفات، لایه رستری},
}
%0 Conference Proceedings
%T پیشبینی چگالی شدت تصادفات با استفاده از شبکه عصبی در محیط GIS (نمونه موردی: بخش مونتگومری، ایالت مریلند آمریکا)
%A ناظری عباس آباد, دانیال
%A شاد, روزبه
%J دوازدهمین کنگره بین المللی مهندسی عمران
%D 2021