مدل پیش بینی زمان واقعی تصادف مبتنی بر داده های ترافیکی در شبکه حمل و نقل برون شهری

با توجه به توسعه شبکه های جاده ای برون شهری کشور، سیستم ایمنی موجود، نیاز به توسعه دارد. بنابراین، یک سیستم تشخیص زمان واقعی تصادف الازم است تا ضمن شناسایی به موقع تصادف، به پیش بینی وقوع تصادف و صادر کردن هشدار لازم جهت کاهش شدت و با جلوگیری از وقوع آن بیر دارد. به همین منظور در این پژوهش از رویکرد هوش مصنوعی درخت تصمیم استفاده شد. پایگاه داده ای در این پژوهش شامل داده ی تصادفات استان خراسان رضوی از ابتدای سال ۱۳۹۸ تا پایان مهر ماه سال ۱۲۰۰ داده ی پارامترهای ترافیکی استخراج شده از ترددشمارهای بر خط استان داده های هواشناسی و داده ی متغیرهای مربوط به زمان وقوع تصادف است. در مسئله شناسایی و پیش بینی وقوع تصادف، متغیر واسته، وقوع یا عدم وقوع تصادف است. لذا لازم است تا موارد عدم تصادف طی فرآیند نمونه گیری منفی به پایگاه داده ای افزوده شوند. به همین جهت، از دو روش مختلف زمانی و مکانی زمانی برای اضافه کردن موارد عدم تصادف و به نسبت نمونه گیری منفی ۳۰۱ و ۵ استفاده شد. نتایج مدل سازی نشان داد که از میان مدل های پرداخت شده مدل به روش اول نمونه گیری منفی و نسبت ۱ از شاخصهای عملکردی بالاتری در مقایسه با سایر مدل ها بر خوردار است