پیش بینی شدت تصادفات جاده ای توسط روش های یادگیری ماشین – مطالعه موردی استان زنجان

سهم کثیری از تصادفات در جهان مربوط به کشورهای با درآمد متوسط و پایین است. در این میان، آمارهای مجروحین وفوتی های تصادفات ایران روندی صعودی بخود گرفته است که نشان دهندهی لزوم توجه و تمرکز هرچه بیشتر بر تحلیلتصادفات ترافیکی و یافتن علل موثر بر شدت تصادفات برای ارتقاء ایمنی راه ها و کاهش پیامدهای ناشی از آن میباشد.مطالعه ی حاضر به بررسی عوامل موثر بر شدت تصادفات برون شهری استان زنجان با دو مدل ماشین بردار پشتیبان و درختتصمیم پرداخته است. بدین منظور از ۲۵ هزار داده های تصادفات استان طی ۹ سال اخیر استفاده شده است. پس از فرآیندپاکسازی داده ها، مدل ها در محیط برنامه نویسی پایتون توسعه داده شدند و نتایج تحلیل ها نشان داد در مدل ماشین بردارپشتیبان، نحوه تصادف، نوع وسیله و کیلومتر وقوع تصادف، و در مدل درخت تصمیم نحوه تصادف، نوع وسیله مقصر و کیلومتروقوع تصادف به ترتیب سه متغیر دارای اهمیت برای پیشبینی شدت این تصادفات هستند. همچنین بطور کلی درخت تصمیمقدرت پیش بینی بیشتری دارد و دقت این مدل در جراحات شدیدتر بیشتر از ماشین بردار پشتیبان می باشد.