خوشه بندی و پیش بینی تصاد ف های جاد ه ای

چکیدهبا توجه به توسعه شهرنشینی و استفاده بیشتر از فناوری و زندگی ماشینی، در سراسرجهان سالانه حوادث رانندگی موجب مرگ 1.2 میلیون نفر و آسی بدیدگی بیش از50 میلیون نفر می شود. به این ترتیب، یکی از مباحث مهم حوزه راهنمایی و رانندگی،پی شبینی این تصاد فهای جاد های و ارایه راهکار برای کاهش آنها است. مدل خوش هبندییکی از پرکاربردترین مد لهای موجود در بحث پی شبینی و شناسایی الگوها و قوانینموجود است که در این پژوهش از آن استفاده شده است. برای این منظور داد ههایمربوط به تصاد فهای جاد های استان فارس در نظر گرفته شده و پس از پی شپردازش،با استفاده از الگوریتم شبکه عصبی خودسازما نده به خوش هبندی داد هها پرداخته میشود. پس از آن تصاد فها در سه کلاس کم، متوسط و زیاد کلاس هبندی م یشوندو سپس به کمک درخت تصمیم، الگوی تصاد فهای جاد های استخراج می شود.نتایج این مطالعه نشان می دهد که با به کارگیری الگوریتم شبکه عصبی خودسازما نده،داد ههای مربوط به تصاد فهای جاد های استان فارس برای سا لهای 1389 تا 1392 به 11بخش یا خوشه اصلی تفکیک شدند. پس از آن تصاد فها در سه کلاس کم، متوسط و زیادکلاس هبندی شده و سپس به کمک درخت تصمیم، الگوی تصاد فهای جاد های استخراجشد.