مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

179
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

13
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

استفاده از روش های یادگیری ماشین در پیش بینی شدت تصادفات جاده ای (مطالعه موردی: استان زنجان)

صفحات

 صفحه شروع 107 | صفحه پایان 118

چکیده

 بیشترین سهم تصادفات در جهان مربوط به کشورهای با درآمد متوسط و پایین است. از طرفی, آمار مجروحین و فوتی ها در تصادفات ترافیکی ایران رو به افزایش است؛ که بیانگر لزوم توجه و تمرکز بیش از پیش بر تحلیل تصادفات ترافیکی و یافتن علل موثر بر شدت تصادفات به منظور ارتقاء ایمنی راه های کشور و کاهش پیامدهای ناشی از آن می باشد. در مطالعه ی حاضر سعی شده است مهم ترین عوامل موثر بر شدت تصادفات برون شهری استان زنجان با دو مدل ماشین بردار پشتیبان و درخت تصمیم شناسایی شوند. بدین منظور از 25 هزار داده های تصادفات استان طی 9 سال اخیر استفاده شده است. پس از فرآیند پاکسازی داده ها, مدل ها در محیط برنامه نویسی پایتون توسعه داده شدند. نتایج تحلیل ها نشان داد در مدل ماشین بردار پشتیبان, نحوه تصادف, نوع وسیله و کیلومتر وقوع تصادف, و در مدل درخت تصمیم نحوه تصادف, نوع وسیله مقصر و کیلومتر وقوع تصادف به ترتیب سه متغیر دارای اهمیت برای پیش بینی شدت این تصادفات هستند. هم چنین بطور کلی درخت تصمیم قدرت پیش بینی بیش تری دارد و دقت این مدل در جراحات شدیدتر بیش تر از ماشین بردار پشتیبان می باشد.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button