توسعه مدل هیبریدی برای پیش بینی و تحلیل مکانی-زمانی تصادفات رانندگی در شرایط اقلیمی مرطوب(شهر رشت)

توسعه مدل هیبریدی برای پیش بینی و تحلیل مکانی-زمانی تصادفات رانندگی در شرایط اقلیمی مرطوب(شهر رشت)

علی خرم سلیماندارابی1 علیرضا عزیزی کلاچاهی2

1) کارشناس ارشد عمران گرایش راه و ترابری -
2) کارشناس ارشد عمران گرایش برنامه ریزی حمل و نقل -

کد IOI مقاله : AACA-ABEGHD
محل انتشار : دهمین کنفرانس بین المللی پژوهش در علوم و مهندسی و هفتمین کنگره بین المللی عمران، معماری و شهرسازی آسیا(10icrsie.com)
چکیده :
    تصادفات رانندگی یکی از مهم‌ترین چالش‌های ایمنی ترافیک شهری به‌ویژه در شهرهای دارای اقلیم مرطوب محسوب می‌شود. شرایطی نظیر بارندگی مداوم، رطوبت بالای هوا و لغزندگی سطح معابر، الگوهای مکانی و زمانی تصادفات را به‌طور معناداری تحت تأثیر قرار می‌دهد. هدف این پژوهش، توسعه یک مدل هیبریدی یادگیری ماشین به‌منظور پیش‌بینی و تحلیل مکانی–زمانی تصادفات رانندگی در شرایط اقلیمی مرطوب با تمرکز بر شهر رشت است. در این مطالعه، از داده‌های واقعی تصادفات رانندگی ثبت‌شده در سال ۱۴۰۳ به‌همراه داده‌های بارندگی به‌عنوان متغیرهای کمکی استفاده شده است. پس از یکپارچه‌سازی و پیش‌پردازش داده‌ها، تحلیل‌های مکانی–زمانی به‌منظور شناسایی نقاط پرتصادف و الگوهای زمانی انجام شد. سپس، یک مدل هیبریدی متشکل از الگوریتم‌ Random Forest و XGBoost توسعه داده شد و عملکرد آن با مدل‌های پایه مقایسه گردید. نتایج نشان می‌دهد که تلفیق داده‌های اقلیمی با اطلاعات مکانی و زمانی، موجب بهبود دقت پیش‌بینی تصادفات و شناسایی دقیق‌تر نواحی پرخطر در شرایط بارندگی می‌شود. یافته‌های این پژوهش می‌تواند به‌عنوان ابزاری مؤثر برای مدیریت ایمنی ترافیک، اولویت‌بندی اقدامات اصلاحی و کاهش تصادفات در شهرهای با اقلیم مرطوب مورد استفاده قرار گیرد.

کلمات کلیدی : تصادفات رانندگی اقلیم مرطوب توسعه هیبریدی تحلیل مکانی زمانی شهر رشت