ارزیابی کارایی مدل های شبکه عصبی در مدل سازی تصادفات بزرگراه های درون شهری

در این مقاله به پژوهشی که برای ارزیابی کارایی مدل های شبکه عصبی در مدل سازی تصادفات بزرگراه های درون شهری انجام شده است پرداخته می شود. به عنوان مطالعه موردی از داده های تصادفات بزرگراه های شهری مشهد و از متغیرهای مربوط به جریان ترافیک و طرح هندسی راه به عنوان متغیرهای ورودی مدل ها برای مدل سازی با شبکه های عصبی استفاده می شود. مدل سازی با شبکه های عصبی شامل سه مرحله تعیین معماری شبکه عصبی، تعیین توابع انتقال، آموزش و خطا و ساخت مدل های شبکه عصبی می شوددر این پژوهش، دو مدل شبکه عصبی برای برآورد شمار تصادفات مالی و جانی در بزرگراه های درون شهری ارائه شده است. برای ارزیابی کارایی و دقت مدل ها، به مقایسه شمار برآورد شده تصادفات توسط مدل ها با شمار مشاهده شده پرداخته و از مقدار rاستفاده شده است. براین پایه، مدل های ارائه شده برای برآورد شمار تصادفات مالی و جانی مناسب است. از این رو می توان کارایی مدل های شبکه عصبی را در مدل سازی تصادفات مالی و جانی در بزرگراه های درون شهری تایید نمود.

evaluation of the effectiveness of neural network models in the modeling of intra-city highway accidents

this paper discusses research evaluating the efficiency of neural network models in modeling inner-city highway accidents. as a case study, accident data from urban highways in mashhad and variables related to traffic flow and road geometry are used as input variables for neural network modeling. neural network modeling involves three steps: determining the neural network architecture, determining the transfer functions, training and errors, and creating neural network models.in this research, two neural network models were presented to estimate the number of financial and fatal accidents on inner-city highways. to evaluate the efficiency and accuracy of the models, the number of accidents estimated by the models was compared with the observed number and the value of r was used. on this basis, the presented models are suitable for estimating the number of financial and fatal accidents.