کاهش متغیرهای ورودی درفرآیند مدل‌سازی تصادفات آزادراههابا استفاده از روش تجزیه و تحلیل مولفه‌های اصلی

هدف اصلی در این مقاله استفاده از روش تجزیه و تحلیلمولفه‌های اصلی برای شناسایی متغیرهای تاثیرگذار در فرآیند مدل‌سازی تصادفات در آزادراههای برون‌شهری است. با توجه به تواناییمدل شبکه‌های عصبی در پیش‌بینی تصادفات رانندگی، مدل تعداد تصادفات آزادراههای برون‌شهری کشور با استفاده از مدلهای شبکه‌های عصبی توسعه داده شده و متغیر‌های مربوط به جریان ترافیک، سهمیه‌بندی بنزین و متغیرهای محیطی نیز به عنوان متغیر‌های مستقل در نظر گرفته شده‌اند.در فرآیندتعیین متغیرهای مستقل جهت ورود به مدل روش تجزیه و تحلیل مولفه‌های اصلی و تجزیه و تحلیلعاملاصلی با بکارگیری معیارهای kmo و بارتلت، مورد استفاده قرار گرفته است.ضمن بررسی کارآیی مدل شبکه عصبی مصنوعیدر برابر مدل رگرسیون لگاریتم طبیعی در مدل‌سازی تصادفات آزادراههای برون‌شهری،دقت مدلهای ساخته شده در تصادفات آزادراههاشامل مدلهای شبکه عصبی مصنوعی و رگرسیون لگاریتم طبیعی نیزقبل و بعد از حذف متغیر های با اهمیت کمتر مورد بررسی قرار گرفته و نتایج نشاندهنده آن است که حذف متغیرهای کم اهمیت از طریق آنالیز مولفه‌های اصلی در فرآیند مدل‌سازی 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 آزادراههاایفا می‌کنند.