مدل سازی شبکه مبنای تصادفات جرحی عابر پیاده به کمک شبکه عصبی در محیط GIS (مطالعه ی موردی: شهر مشهد)
نویسندگان
1 استادیار، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران
2 دانش آموخته کارشناسی ارشد، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران
3 استادیار، دانشکده مهندسی، دانشگاه فردوسی، مشهد، ایران
4 استادیار، دانشکده مهندسی، دانشگاه فردوسی، مشهد، ایران
doi
چکیده
در این مقاله با در نظر گرفتن 23 پارامتر مؤثر بر تصادفات جرحی عابر پیاده شهر مشهد (در چهار گروه) در سالهای 1391 تا 1393 و آمادهسازی لایههای رستری لازم در محیط GIS، تأثیر هر یک از آنها در قالب ارزیابی عملکرد شبکه عصبی پرسپترون چندلایه، اولویتبندی گردید. در اغلب تحقیقات انجامشده، مدلسازی بردار مبنا مدنظر قرار گرفته و به انعطافپذیری و دقت پیشبینی رستر مبنای تصادفات در راستای تعیین تأثیر 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 حوزة مختلف بهطور همزمان ارزیابی گردیدند. به این ترتیب که با انجام پردازشهای مکانی-آماری، ابتدا دادههای رستری ورودی با ابعاد 20*20 متر در یک پایگاه داده مکانی آمادهسازی و بهمنظور پیادهسازی مدل شبکه عصبی پرسپترون چند لایه، در محیط برنامهنویسی MATLAB فراخوانی شدند. در ادامه، مجموعة دادههای 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 طبقة اول منزلت اجتماعی به ترتیب دارای بیشترین تأثیر و پارامترهای عرض پیادهروی بالای 10 متر، معابر شریانی درجه دو اصلی و طبقه سوم منزلت اجتماعی به ترتیب دارای کمترین تأثیر در تصادفات عابر پیاده هستند.