کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

بررسی مقایسه‌ای الگوریتم‌های شبکه عصبی کانولوشن و ماشین بردار پشتیبان در پیش‌بینی شدت تصادفات آزادراه‌های برون‌شهری

نویسندگان :

میثم عفتی¹ امیرمحمد رمضانپور²

1- دانشگاه گیلان 2- دانشگاه گیلان

کلمات کلیدی :

شبکه عصبی کانولوشن (CNN)، ماشین بردار پشتیبان (SVM)، پیش‌بینی شدت تصادفات، آزادراه‌های برون‌شهری

چکیده :

در مقایسه با تکنیک‌های معمولی یادگیری ماشین که در پردازش داده‌های طبیعی به شکل خام محدود بودند، یادگیری عمیق به مدل‌های محاسباتی حوزه حمل‌ونقل و ايمني اجازه می‌دهد تا داده‌ها را با سطوح مختلف انتزاع تلفيق نمايند. پیش‌بینی دقیق و به‌موقع شدت تصادفات رانندگی در آزادراه‌های برون‌شهري برای کاهش زمان پاسخگویی به واحدهای امدادرسان اضطراری به‌منظور افزايش ایمنی و کاهش ترافيك عبوري از راه‌هاي برون‌شهری حائز اهميت است. هدف از این مقاله توسعه مدلي مبتني بر شبکه عصبی کانولوشن (CNN) جهت پیش‌بینی شدت تصادفات آزادراه‌ها و مقایسه عملکرد آن در فرآيند پيش‌بيني با الگوریتم ماشین بردار پشتیبان (SVM) است. داده‌های تصادفات شش‌ساله آزادراه برون‌شهری لوشان-قزوین بمنظور آزمون مدل‌ها به کار گرفته‌شده است. نتایج نشان داد مدل شبکه عصبی کانولوشن با 0/96 فراخوانی نسبت به مدل ماشین بردار پشتیبان با 0/21 فراخوانی عملکرد بهتری در پيش‌بيني شدت تصادفات منجر به فوت دارد. برابر نتايج اين تحقيق تحليل شدت تصادف رانندگی با استفاده از مدل‌های مبتنی بر هوش مصنوعي من‌جمله شبکه عصبی کانولوشن مي‌تواند تأثیر بسزايي در تصميم‌گيري به‌منظور ارائه راهكارها ايمني در راستاي کاهش شدت تصادفات در راه‌هاي برون‌شهري داشته باشد.