تجزیه و تحلیل و برآورد اقتصادی و اجتماعی نرخ تصادفات برون شهری با استفاده از شبکه های عصبی مصنوعی و ارائه راهکار جهت کاهش نرخ تصادفات

روابط پیچیده ای میان فاکتورهای موثر در تصادف و هزینه ناشی از وقوع تصادف قابل فرض است. این فاکتورها شامل مشخصات فردی و رفتاری هر فرد، پارامترهای محیط و شرایط راه در زمان وقوع تصادف و خصوصیات فنی خودرو می شود. شبیه سازی تاثیر این فاکتورها بر روی هزینه تصادف کار مشکلی است. در این پژوهش استفاده از روش شبکه های عصبی مصنوعی به دلیل انعطاف پذیر بودن آن، برای یادگیری و پیش بینی اطلاعات مدنظر قرار می گیرد. شبکه ها با معماری های مختلفی سازمان دهی شده و به منظور انتخاب بهترین همپوشانی، نتایج حاصل با یکدیگر مقایسه شده اند. در نهایت بهترین معماری ممکن برای ارایه بهتر نتایج حاصل از پردازش اطلاعات و پیش بینی هزینه تصادفات انتخاب می گردد. پیش بینی نتایج حاصل از ورودی هایی که در آموزش شبکه عصبی مصنوعی از آن استفاده نشده است، اطلاعاتی در خصوص فاکتورهای موثر در تصادف به دست می دهد. این پیش بینی ها بسیار رضایت بخش بوده و لذا شبکه های عصبی مصنوعی، سیستم های پردازش قابل اطمینانی برای مدل سازی و شبیه سازی در ارزیابی تصادفات ترافیکی محسوب می شوند.