کاهش متغیرهای ورودی در فرآیند مدل سازی تصادفات آزادراهها با استفاده از روش تجزیه و تحلیل مؤلفه های اصلی

هدف اصلی در این مقاله استفاده از روش تجزیه و تحلیل مؤلفه های اصلی برای شناسایی متغیرهای تأثیرگذاردر فرآیند مدل سازی تصادفات در آزادراههای برون شهری است. با توجه به توانایی مدل شبکه های عصبیدر پیش بینی تصادفات رانندگی، مدل تعداد تصادفات آزادراههای برون شهری کشور با استفاده از مدلهای شبکه های عصبی توسعه داده شده و متغیر های مربوط به جریان تراف کی، سهمیه بندی بنزین و متغیرهایمحیطی نیز به عنوان متغیر های مستقل در نظر گرفته شده اند. در فرآیند تع یین متغیرهای مستقل جهت ورود به مدل روش تجزیه و تحلیل مولفههای اصلی و تجزیه و تحلیل عامل اصلی با بکارگیری معیارهای KMO وبارتلت، مورد استفاده قرار گرفته است. ضمن بررسی کارآیی مدل شبکه عصبی مصنوعی در برابر مدل رگرسیون لگاریتم طبیعی در مدل سازیتصادفات آزادراههای برون شهری، دقت مدلهای ساخته شده در تصادفات آزادراهها شامل مدلهای شبکه عصبی مصنوعی و رگرسیون لگاریتم طبیعی نیز قبل و بعد از حذف متغیر های با اهمیت کمتر مورد بررسی قرار گرفته و نتایج نشان دهنده آن است که حذف متغیرهای کم اهمیت از طریق آنالیز مؤلفه های اصلی در فرآیند مدل سازی دقت مدلهای ساخته شده را با تغییرات اساسی رو برو نکرده و ثابت شده است که میانگین حجم تردد روزانه و متوسط سرعت وسایل نقلیه بیشترین نقش را در تصادفات آزادراهها ایفا میک‌نند

کلیدواژه ها:

مدل پی شبینی تصادفات ، تجزیه و تحلیل مؤلف ههای اصلی ، شبکه عصبی مصنوعی ، رگرسیون لگاریتم طبیعی ، آزادراه