فهرست نشریات علمی دسترسی آزاد ایران

این مقاله به بررسی کارایی الگوریتم‌های یادگیری ماشین در طبقه‌بندی شدت تصادفات عابر پیاده باتوجه‌به عوامل مختلفی مانند وضعیت آب‌وهوا، دوره‌های زمانی و نوع تصادف پرداخته است. در ابتدا، تکنیک‌های مختلفی برای انتخاب ویژگی مورد بررسی و ارزیابی قرار گرفته‌ و با استفاده از داده‌های واقعی شهر قم، بهینه‌سازی ترکیب ویژگی‌ها برای بهبود دقت طبقه‌بندی انجام شده است. سپس، کارایی الگوریتم‌های k نزدیک‌ترین همسایه، درخت تصمیم و جنگل تصادفی با استفاده از چندین معیار ، بررسی و مقایسه شده است. نتایج نشان داده‌اند که درخت تصمیم بهترین کارایی را در طبقه‌بندی شدت تصادفات دارد. ضمن اینکه برای این مدل، انجام انتخاب ویژگی توصیه نمی شد. دقت طبقه بندی هر مدل یادگیری به ابعاد داده ها و ویژگی های انتخاب شده بستگی دارد بنابراین، پیشنهاد می‌شود که تأثیر عوامل دیگری مانند شرایط ترافیک و ویژگی‌های جاده به همراه وضعیت آب‌وهوایی بررسی شود تا بهبود کارایی الگوریتم‌های طبقه‌بندی در این زمینه انجام شود