مدل سازی تصادفات جاده ای با استفاده از روش فازی

با افزایش حمل و نقل جاده ای در ایران ،آسیب های ناشی از تصادفات نیز به طور چشمگیری افزایش یافته است که در صورت پیش بینی دقیق با استفاده از تکنیک های مناسب می توان درصد عوامل واقعی وتاثیرگذار آنرا در جهت بهبود شرایط حادثه مشخص نمود.در این تحقیق با استفاده از منطق فازی در نرم افزار متلب ابتدا تحلیل دقیقی روی داده انجام شده و سپس نتایج آن بدست آمده است. مدل ارایه شده شامل سه قسمت ورودی،موتور استنتاج در روش فازی و خروجی می باشد. در مرحله اول شش متغییر بعنوان ورودی در نظر گرفته شدند که عبارتند از شیب طولی، سرعت، شانه راه، تقاطع فرعی، شعاع قوس ، فاصله دید قایم . این عوامل با توجه به بیشترین تاثیرگذاری بر تصادفات جاده ای در نظر گرفته شده اند.مرحله بعد نقاط حادثه خیز به عنوان خروجی در نظر گرفته شد و در مرحله سوم برای موتور استنتاجی قوانینی بصورت توصیفی نوشته شد در آخر نتایج حاصل با آمار واقعی مقایسه می شوند. این شیوه قابلیت پیش بینی تصادفات در سالیانه آتی و تعیین بهترین روش اصلاح مولفه ها به منظور حداقلی نمودن تصادفات در جاده را دارا می باشد. روش انتخابی به صورت موردی در محور بیرجند قاین پیاده سازی و ارزیابی می گردد. . نتایج بر آن است که چارچوب استنتاجی پیشنهادی قادر به کشف الگوهای تصادف و پیش بینی شدت تصادف خودرو ها در جاده و در نتیجه انتخاب بهترین گزینه و مورد اولویت قرارگرفتن به منظور اصلاح ، ترمیم و نگهداری راه خواهد بود.

Prediction of road accidents using Fuzzy Method

With the increase in road transport in Iran, accidental damage has also increased dramatically. If accurate predictions are made using appropriate techniques, the percentage of actual and effective factors to improve the conditions of the accident can be determined. This research has been done using fuzzy logic in MATLAB software, and a detailed analysis of the data has been done and then the results have been obtained. The proposed model consists of three inputs, an inference engine in the fuzzy method and the output. In the first stage, six variables were considered as inputs: longitudinal slope, velocity, shoulder path, subterranean intersection, arc radius, gap gap. These factors are considered with the greatest impact on road accidents. The next stage of the accidental points was considered as the output, and in the third step, for the inference engine, the rules were written descriptively. Finally, the results are compared with the actual statistics. To be This approach will enable prediction of accidents in the coming year and determine the best method for modifying the components to minimize road accidents. The selected method is implemented and evaluated case by case in Birjand axis. . The results suggest that the proposed inference framework will be able to detect accident patterns and predict the severity of road accidents, thereby choosing the best option and priority for repair, repair and maintenance.