تحلیل عوامل اثرگذار بر تخلفات رانندگی مبتنی بر شبکه عصبی مصنوعی

هدف این مقاله ارائه مدلی مبتنی بر شبکه های عصبی با دقت بالا برای ساخت مدل پیش بینی تخلفات براساس عامل هایی از قبیل خودرو ،عامل انسانی ،عوامل محیطی می باشد. با توجه به اینکه در اکثر مطالعات به نقش جاده و وسیله نقلیه بیش از موارد دیگر نگریسته شده است،در این تحقیق با استفاده از عوامل مختلفی اقدام به طراحی مدل گردیده است. رویکرد این تحقیق بصورت ترکیبی (کمی ،کیفی) می باشد و از نظر هدف کاربردی و با روش توصیفی و به شیوه پیمایشی با استفاده از شبکه عصبی مدل چند لایه (mlp ) استفاده شده است کارآیی شبکه عصبی مصنوعی چند لایه با موفقیت به تشریح عوامل اثر گذار بر تخلفات رانندگی پرداخته به طوری که مدل بهینه انتخاب شده و مدل سه لایه را با دقت بالای 0.90483 به عنوان الگو پیش بینی نموده است.و یافته های این تحقیق حاکی از آن است که عوامل انسانی شامل جنسیت ،سن ،مدرک تحصیلی ،شغل ، بیشترین سهم در بروز تخلفات رانندگی را داشته و مدل سه لایه نتایج بهتری را به همراه داشته و با داده های واقعی انطباق بیشتری دارد.

Analysis of Factors Affecting Driving Violations Based on Artificial Neural Network

The purpose of this paper is to present a model based on neural networks with high accuracy to build a model for predicting violations based on factors such as a vehicle, human factors, environmental factors. Considering that in most studies, the role of the road and the vehicle have been considered more than in other cases, in this research, a model has been designed using various factors. The approach of this research is combined (quantitative, qualitative) and in terms of applied purpose and descriptive survey method, using multilayer model neural network (MLP) has been used. The effect of the transition on traffic violations has been studied so that the optimal model is selected and the threelayer model with high accuracy of 0.90483 is predicted as a model. The findings of this study indicate that human factors including gender, age, education, Occupation has the highest share of traffic violations and the threelayer model has better results and is more consistent with real data.