فهرست نشریات علمی دسترسی آزاد ایران

به علت خسارات اجتماعی و  اقتصادی وارده توسط تصادفات، مطالعات ایمنی ترافیک در دهه‌های گذشته به‌شدت مورد توجه قرار گرفته‌اند. یکی از ابعاد مطالعات ایمنی ترافیکی، مدل‌سازی شدت تصادفات است که در آن رابطه بین شدت تصادفات و  یک دسته متغیر توضیح مورد بررسی قرار می‌گیرد. علاوه بر مدل‌های آماری مختلفی که به این منظور مورداستفاده قرار گرفته‌اند، مدل‌های یادگیری ماشین نیز در سال‌های اخیر مورد توجه بوده‌اند. شبکه‌های عصبی یکی از این دسته الگوریتم‌های یادگیری ماشین است که در برخی از مطالعات مدل‌سازی شدت تصادفات استفاده شده. اما ازآنجا که روش‌های یادگیری ماشین قابلیت مدل‌سازی مواردی مانند ناهمگونی مشاهده نشده را ندارند و به علت برخی مشکلات دیگر مانند توزیع غیرخطی داده‌ها، استفاده از داده‌های تصادفات به فرم اصلی‌شان همراه با کاستی‌هایی است. در نتیجه پژوهش حاضر با استفاده از الگوریتم نزدیک‌ترین همسایگی، یک ساختار پنهان گراف بر روی داده‌ها ایجاد می‌کند و سپس با استفاده از شبکه عصبی گراف پیچشی به مدل‌سازی شدت تصادفات می‌پردازد. سپس مدل پیشنهادی با چهار مدل یادگیری ماشین از جمله شبکه عصبی پرسپترون چندلایه مقایسه می‌شود نتایج نشان می‌دهد که مدل پیشنهادی در تمام شاخص‌ها از سایر مدل‌ها عملکرد بهتری داشته که می‌توان نتیجه گرفت ساختار پنهان گراف بر روی داده‌های تصادفات توانسته به استخراج روابط معنی‌دارتر از داده‌ها کمک کند.