|
|
استفاده از الگوریتمهای دادهکاوی برای تحلیل سودمندی دوربینهای راهنمایی و رانندگی
|
|
|
|
|
نویسنده
|
دقیق نژاد هانیه ,مشایخی هدی ,نوراله زهرا
|
منبع
|
مهندسي حمل و نقل - 1397 - دوره : 10 - شماره : 1 - صفحه:117 -135
|
چکیده
|
مجمع عمومی سازمان ملل متحد، دهه 2011 تا 2020 میلادی را به عنوان دهه کاهش تلفات جادهای معرفی کرد. این سازمان در طی قطعنامه های مختلفی از تمام کشورها خواسته است نسبت به کاهش تصادفات جادهای توجه خاصی نمایند. عامل سرعت نقش کلیدی در کاهش ریسک تصادفات جادهای دارد. یکی از عوامل بازدارنگی سرعت غیرمجاز خودروها، دوربینهای ثبت تخلف پلیس راهور ناجا میباشد. در سالهای اخیر استفاده از این دوربینها به منظور کاهش تخلفات و تصافادت جادههای برونشهری و بزرگراهها گسترش زیادی داشته است. هدف از این پژوهش تحلیل سودمندی دوربینهای ثبت تخلف راهنمایی و رانندگی بزرگراه تهران کرج میباشد. این امر با بهرهگیری از تکنیکهای دادهکاوی از قبیل مدلسازی با سریزمانی و رگرسیون صورت میپذیرد. در ابتدا با استفاده از تحلیل توصیفی، سیر تخلفات بزرگراه تهران کرج را به همراه حجم تردد و تعداد دوربینهای فعال در آن مورد بررسی قرار میدهیم. در مرحله تحلیل استنباطی، با مدلسازی سری زمانی و مدل غیرخطی توانی رگرسیون، تخلفات بزرگراه تهران کرج را مورد تجزیه و تحلیل قرار میدهیم. در بررسی نتایج ارزیابی، مدلهای برازش شده با سریزمانی از خطای پیشبینی کمتری نسبت به مدلهای رگرسیونی برخوردار بودند. در پیشبینی صورت گرفته برای برخی ماههای سال 93، میزان تخلفات بزرگراه تهران کرج به میزان 32% نسبت به تخلفات ماههای نظیر خود در سال 92 کاهش داشته است، این امر به همراه تحلیلهای دیگر نشان دهنده سودمندی دوربینها در بازه مورد بررسی میباشد. از نتایج تحلیل و کاوش دادههای دوربینهای ثبت تخلف میتوان برای بهبود مدیریت و برنامهریزی شهری با هدف کاهش تخلفات و تصادفات استفاده نمود.
|
کلیدواژه
|
دادهکاوی، سریزمانی، رگرسیون، دوربین ثبت تخلف
|
آدرس
|
دانشگاه صنعتی شاهرود, مرکز آموزشهای الکترونیکی, ایران, دانشگاه صنعتی شاهرود, دانشکده مهندسی کامپیوتر, ایران, دانشگاه تربیت مدرس, دانشکده مهندسی صنایع, ایران
|
|
|
|
|
|
|
|
|
|
|
Using Data Mining Algorithms to Analyse Benefits of Traffic Enforcement Cameras
|
|
|
Authors
|
Daghighnezhad Bibi Haniye ,Mashayekhi Hoda ,Nourollah Zahra
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|