کاهش متغیرهای ورودی در فرآیند مدل سازی تصادفات آزادراهها با استفاده از روش تجزیه و تحلیل مؤلفه های اصلی
نویسندگان
doi
چکیده
هدف اصلی در این مقاله استفاده از روش تجزیه و تحلیل مؤلف ههای اصلی برای شناسایی متغیرهای تأثیرگذار در فرآیند مدل سازی تصادفات در آزادراههای برون شهری است. با توجه به توانایی مدل شبکه های عصبی در پیش بینی تصادفات رانندگی، مدل تعداد تصادفات آزادراههای برون شهری کشور با استفاده از مدلهای شبکه های عصبی توسعه داده شده و متغیرهای مربوط به جریان ترافیک، سهمیه بندی بنزین و متغیرهای محیطی نیز به عنوان متغیرهای مستقل در نظر گرفته شده اند. در فرآیند تعیین متغیرهای مستقل جهت ورود به مدل روش تجزیه و تحلیل مولفه های اصلی و تجزیه و تحلیل عامل اصلی با بکارگیری معیارهای KMO و بارتلت، مورد استفاده قرار گرفته است. ضمن بررسی کارآیی مدل شبکه عصبی مصنوعی در برابر مدل رگرسیون لگاریتم طبیعی در مدل سازی تصادفات 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 می کنند.
