مدل سازی شبکه مبنای تصادفات جرحی عابر پیاده به کمک شبکه عصبی در محیط gis (مطالعه ی موردی: شهر مشهد)

در این مقاله با در نظر گرفتن 23 پارامتر موثر بر تصادفات جرحی عابر پیاده شهر مشهد (در چهار گروه) در سال‌های 1391 تا 1393 و آماده سازی لایه های رستری لازم در محیط gis، تاثیر هر یک از آن ها در قالب ارزیابی عملکرد شبکه عصبی پرسپترون چندلایه، اولویت بندی گردید. در اغلب تحقیقات انجام‌شده، مدل‌سازی بردار مبنا مدنظر قرار گرفته و به انعطاف‌پذیری و دقت پیش‌بینی رستر مبنای تصادفات در راستای تعیین تاثیر مکانی پارامترها توجهی نشده است. در مقاله پیش رو علاوه بر در نظر گرفتن متغیرهای رایج، متغیرهای فرم شهری و جمعیتیاجتماعی نیز لحاظ شدند و 38 متغیر مستقلاز چهار حوزه مختلف به‌طور همزمان ارزیابی گردیدند. به این ترتیب که با انجام پردازش‌های مکانیآماری، ابتدا داده‌های رستری ورودی با ابعاد 20*20 متر در یک پایگاه داده مکانی آماده‌سازی و به‌منظور پیاده سازی مدل شبکه عصبی پرسپترون چند لایه، در محیط برنامه‌نویسی matlab فراخوانی شدند. در ادامه، مجموعه داده‌های رستری شامل 111537 پیکسل تحلیل شده و با تغییر تعداد نورون ها، تعداد لایه ها، توابع انتقال، توابع آموزش و ترکیب های 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 درون شهری و پارامترهای مرتبط با آن بسیار کارآمد و دقیق عمل نموده است. با پیاده سازی مدل مذکور در محدوده مطالعاتی شهر مشهد، مشخص گردید که پارامترهای تراکم خالص مسکونی در نواحی شهرداری،‌ بافت ارگانیک شهری و طبقه اول منزلت اجتماعی به ترتیب دارای بیشترین تاثیر و پارامترهای عرض پیاده روی بالای 10 متر، معابر شریانی درجه دو اصلی و طبقه سوم منزلت اجتماعی به ترتیب دارای کمترین تاثیر در تصادفات عابر پیاده هستند.