مدل سازی شبکه مبنای تصادفات جرحی عابر پیاده به کمک شبکه عصبی در محیط GIS (مطالعه ی موردی: شهر مشهد)

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 535

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JTE-10-2_004

تاریخ نمایه سازی: 21 خرداد 1398

چکیده مقاله:

در این مقاله با در نظر گرفتن 23 پارامتر موثر بر تصادفات جرحی عابر پیاده شهر مشهد (در چهار گروه) در سال های 1391 تا 1393 و آماده­سازی لایه­های رستری لازم در محیط GIS، تاثیر هر یک از آن­ها در قالب ارزیابی عملکرد شبکه عصبی پرسپترون چندلایه، اولویت­بندی گردید. در اغلب تحقیقات انجام شده، مدل سازی بردار مبنا مدنظر قرار گرفته و به انعطاف پذیری و دقت پیش بینی رستر مبنای تصادفات در راستای تعیین تاثیر مکانی پارامترها توجهی نشده است. در مقاله پیش ­رو علاوه بر در نظر گرفتن متغیرهای رایج، متغیرهای فرم شهری و جمعیتی-اجتماعی نیز لحاظ شدند و 38 متغیر مستقلاز چهار حوزه مختلف به طور همزمان ارزیابی گردیدند. به این ترتیب که با انجام پردازش های مکانی-آماری، ابتدا داده های رستری ورودی با ابعاد 20*20 متر در یک پایگاه داده مکانی آماده سازی و به منظور پیاده­سازی مدل شبکه عصبی پرسپترون چند لایه، در محیط برنامه نویسی MATLAB فراخوانی شدند. در ادامه، مجموعه داده های رستری شامل 111537 پیکسل تحلیل شده و با تغییر تعداد نورون­ها، تعداد لایه­ها، توابع انتقال، توابع آموزش و ترکیب­های متفاوت آموزشی و آزمون، 25 طرح مختلف شبکه عصبی به کمک پارامترهای MSE و  ارزیابی گردیدند. نتایج حاکی از آن است که بهترین مدل با 0/95  و  MSE=0/0020در بیان ارتباط تعداد تصادفات جرحی عابر پیاده درون­شهری و پارامترهای مرتبط با آن بسیار کارآمد و دقیق عمل نموده است. با پیاده­سازی مدل مذکور در محدوده مطالعاتی شهر مشهد، مشخص گردید که پارامترهای تراکم خالص مسکونی در نواحی شهرداری، بافت ارگانیک ­شهری و طبقه اول منزلت اجتماعی به ترتیب دارای بیشترین تاثیر و پارامترهای عرض پیاده­روی بالای 10 متر، معابر شریانی درجه دو اصلی و طبقه سوم منزلت اجتماعی به ترتیب دارای کمترین تاثیر در تصادفات عابر پیاده هستند.

کلیدواژه ها:

تابع چگالی تصادفات ، تصادفات جرحی عابر پیاده ، سیستم اطلاعات مکانی ، مدل پرسپترون چند لایه

نویسندگان

غلامرضا شیران

استادیار، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

مریم حسن پور

دانش آموخته کارشناسی ارشد، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

روزبه شاد

استادیار، دانشکده مهندسی، دانشگاه فردوسی، مشهد، ایران

ابوالفضل محمدزاده مقدم

استادیار، دانشکده مهندسی، دانشگاه فردوسی، مشهد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • بهزادفر، مصطفی (1394) محیط های پاسخده ، دانشگاه علم و ...
  • داگلاس، مونتگمری و الیزابت، پک (1382) مقدمه ای بر تحلیل ...
  • سازمان پزشکی قانونی کشور (1394) مقایسه آمار متوفیات و مصدومین ...
  • سازمان حمل ونقل و ترافیک شهرداری مشهد (1393) تصادفات جرحی ...
  • فرید، یدالله (1394) جغرافیا و شهرشناسی ، انتشارات دانشگاه تبریز، ...
  • معاونت مطالعات و برنامه ریزی، سازمان حمل ونقل و ترافیک ...
  • منهاج،  محمد باقر (1392) مبانی شبکه های عصبی (جلد اول) ...
  • یوسفی، علی (1389) تاملی بر مرزبندی اجتماعی فضای شهری مشهد: ...
  • Abdel-Aty, M. A. and Abdelwahab, H. T. (2004) Predicting injury ...
  • Abdel-Aty, M. A. and Radwan, A. E. (2000) Modeling traffic ...
  • Aidoo, E. N. Amoh-Gyimah, R., and Ackaah, W. (2013) The ...
  • Akgüngör, A. P. and Doğan, E. (2009) An application of ...
  • Anderson, T. K. (2009) Kernel density estimation and K-means clustering ...
  • Braddock, M., Lapidus, G., Cromley, E., Cromley, R., Burke, G. ...
  • Broujerdian, A. M., Dehqani, S. P. and Fetanat, M. (2016) ...
  • Chang, L.-Y. (2005) Analysis of freeway accident frequencies: negative binomial ...
  • Chen, X., Fang, Z., Li, G. and Tao, B. (1989) ...
  • Chin, H. C. and Quddus, M. A. (2003) Applying the ...
  • Chiou, Y.-C. (2006) An artificial neural network-based expert system for ...
  • Cottrill, C. D. and Thakuriah, P. V. (2010) Evaluating pedestrian ...
  • Delen, D., Sharda, R. and Bessonov, M. (2006) Identifying significant ...
  • Dumbaugh, E. and Rae, R. (2009) Safe urban form: revisiting ...
  • Erdogan, S., Yilmaz, I., Baybura, T. and Gullu, M. (2008) ...
  • FHWA (2006) Draft 2005 New Orleans Metropolitan Bicycle and Pedestrian ...
  • Fish, K. E. and Blodgett, J. G. (2003) A visual ...
  • Fotheringham, A. S., Brunsdon, C. and Charlton, M. (2000) Quantitative ...
  • Frost, J. (2013) Multiple regression analysis: Use adjusted R-squared and ...
  • Hashimoto, T. (2005) Spatial analysis of pedestrian accidents , Graduate ...
  • Hornik, K., Stinchcombe, M. and White, H. (1989) Multilayer feedforward ...
  • Hosseinpour, M., Yahaya, A. S., Ghadiri, S. M. and Prasetijo, ...
  • Huang, H., Zeng, Q., Pei, X., Wong, S. C. and ...
  • Liu, X. and Yang, J. (2002) Development of child pedestrian ...
  • Loo, B. P., Yao, S. and Wu, J. (2011) Spatial ...
  • Mahmoudabadi, A. (2010) Comparison of weighted and simple linear regression ...
  • Marzban, C. and Witt, A. (2001) A Bayesian neural network ...
  • Miaou, S. P. (1994) The relationship between truck accidents and ...
  • Miaou, S. P., Lu, A. and Lum, H. (1996) Pitfalls ...
  • Miaou, S.-P. and Lum, H. (1993) Modeling vehicle accidents and ...
  • Moghaddam, F. R., Afandizadeh, S. and Ziyadi, M. (2011) Prediction ...
  • Nie, J., Li, G. and Yang, J. (2015) A study ...
  • O Sullivan, D. and Wong, D. W. (2007) A surface‐based ...
  • Oh, J., Washington, S. P. and Nam, D. (2006) Accident ...
  • Polat, K. and Durduran, S. S. (2011) Subtractive clustering attribute ...
  • Prato, C. G., Gitelman, V. and Bekhor, S. (2012) Mapping ...
  • Pulugurtha, S. S., Krishnakumar, V. K. and Nambisan, S. S. ...
  • Ramli, M. Z. (2011) Development of accident prediction model by ...
  • Santosh, T., Srivastava, A., Rao, V. S., Ghosh, A., and ...
  • Siddiqui, C., Abdel-Aty, M., and Huang, H. (2012) Aggregate nonparametric ...
  • Song, J. J., Ghosh, M., Miaou, S., and Mallick, B. ...
  • Vogt, A., and Bared, J. (1998) Accident models for two-lane ...
  • Wang, Y., and Kockelman, K. M. (2013) A Poisson-lognormal conditional-autoregressive ...
  • WHO. (2013) World Health Organization, global status report on road ...
  • WHO. (2015) World Health Organization, Global status report on road ...
  • Xie, Y., Lord, D., and Zhang, Y. (2007) Predicting motor ...
  • Xie, Z., and Yan, J. (2008) Kernel density estimation of ...
  • Yu, H., Liu, P., Chen, J., and Wang, H. (2014) ...
  • نمایش کامل مراجع