ابراهیم مرواری

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 شود در 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 ت أیید نمود.

در این پژوهش کارایی مدل های فازی در مدل سازی تصادفات بزرگراه های درون شهری مورد ارزیابی قرار می گیرد و به عنوان مطالعه موردی از داده های تصادفات بزرگراههای شهری مشهد استفاده می شود. برای مدل سازی بر پایه منطق فازی، متغیرهای مربوط به جریان ترافیک و طرح هندسی راه به عنوان متغیرهای ورودی بکار می رود. مدل سازی فازی شامل چهار مرحله فازی سازی متغیرهای ورودی و خروجی، تولید قوانین، ترکیب و جمع کردن نمودارها و فازی زدایی می باشد. برای فازی سازی متغیرها در نمودار پراکندگی از مفهوم چندک های آماری، برای اختصاص واژه های زبانی مانند کم، متوسط یا زیاد بهره گرفته می شود. بر پایه منطق فازی در این مقاله دو مدل برای پیش بینی شمار تصادفات مالی و جانی در بزرگراه های درون شهری ارائه شده است. با مقایسه شمار برآورد شده تصادفات توسط مدل ها با شمار مشاهده شده، از روی مقدار ضریب همبستگیR^2 می توان کارایی و دقت مدل ها را ارزیابی نمود. برای تولید قوانین در مدل سازی فازی، از نتایج پژوهش های گذشته برای شناسایی عوامل مؤثر بر رخداد تصادفات مالی و جانی در بزرگراه های درون شهری استفاده شده است. با ثابت شدن کارایی مدل های منطق فازی ساخته شده در پیش بینی شمار تصادفات می توان نتایج آن پژوهش ها را باز تأیید نمود.