استفاده از الگوریتم‌های داده‌کاوی برای تحلیل سودمندی دوربین‌های راهنمایی و رانندگی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ‌ارشد، مرکز آموزش‌های الکترونیکی، دانشگاه صنعتی شاهرود، شاهرود، ایران

2 استادیار، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شاهرود، شاهرود، ایران

3 دانش آموخته کارشناسی ارشد، دانشگده مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران

چکیده

مجمع عمومی سازمان ملل متحد، دهه 2011 تا 2020 میلادی را به عنوان دهه کاهش تلفات جاده‌ای معرفی کرد. این سازمان در طی قطعنامه های مختلفی از تمام کشورها خواسته است نسبت به کاهش تصادفات جاده‌ای توجه خاصی نمایند. عامل سرعت نقش کلیدی در کاهش ریسک تصادفات جاده‌ای دارد. یکی از عوامل بازدارنگی سرعت غیرمجاز خودروها، دوربین‌های ثبت تخلف پلیس راهور ناجا می‌باشد. در سال‌های اخیر استفاده از این دوربین‌ها به منظور کاهش تخلفات و تصافادت جاده‌های برون‌شهری و بزرگراه‌ها گسترش زیادی داشته است. هدف از این پژوهش تحلیل سودمندی دوربین‌های ثبت تخلف راهنمایی و رانندگی بزرگراه‌ تهران کرج می‌باشد. این امر با بهره‌گیری از تکنیک‌های داده‌کاوی از قبیل مدلسازی با سری‌زمانی و رگرسیون صورت می‌پذیرد.
در ابتدا با استفاده از تحلیل توصیفی، سیر تخلفات بزرگراه تهران کرج را به همراه حجم تردد و تعداد دوربین‌های فعال در آن‌ مورد بررسی قرار می‌دهیم. در مرحله تحلیل استنباطی، با مدلسازی سری‌ زمانی و مدل غیرخطی توانی رگرسیون، تخلفات بزرگراه تهران کرج را مورد تجزیه و تحلیل قرار می‌دهیم. در بررسی نتایج ارزیابی، مدل‌های برازش شده با سری‌زمانی از خطای پیش‌‌بینی کمتری نسبت به مدل‌های رگرسیونی برخوردار بودند. در پیش‌بینی صورت گرفته برای برخی ماه‌های سال 93، میزان تخلفات بزرگراه تهران کرج به میزان 32% نسبت به تخلفات ماه‌های نظیر خود در سال 92 کاهش داشته است، این امر به همراه تحلیل‌های دیگر نشان دهنده سودمندی دوربین‌ها در بازه مورد بررسی می‌باشد. از نتایج تحلیل و کاوش داده‌های دوربین‌های ثبت تخلف می‌توان برای بهبود مدیریت و برنامه‌ریزی شهری با هدف کاهش تخلفات و تصادفات استفاده نمود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Using Data Mining Algorithms to Analyse Benefits of Traffic Enforcement Cameras

نویسندگان [English]

  • Bibi Haniye Daghighnezhad 1
  • Hoda Mashayekhi 2
  • Zahra Nourollah 3
1 MSc. Student, Center for Electronic Educations, Shahrood University of Technology, Shahrood, Iran
2 Assistant Professor, School of Computer Engineering, Shahrood University of Technology, Shahrood, Iran
3 MSc. Grad., Department of Industrial Engineering, Tarbiat Modares University, Tehran, Iran
چکیده [English]

The United Nations Generel Assembly introduced the decade 2011 to 2020 as a decade of reducing the traffic fatalities. This organization, in different resolutions, has urged all the countries to pay their especial attention to reduce the road accidents. The speed factor plays a key role in reducing the risk of the road accident; and one of the deterrence factors for unauthorized speed of cars is the traffic enforcement camera of the traffic police NAJA. In recent years a major increase in use of such devices for reducing violocations and accidents in suburban and urban highways is observed. The aim of this study is to analyse the effectiveness of traffic enforcement cameras of the taraffic police in the Tehran-Karaj highway. This is performed using data mining techniques such as modeling with through time series and regression.
First, using descriptive analysis, we study the process of violations along with the number of active cameras in the highway. In the inferential analysis step, we analyse the violations by modeling time series and non-liner power regression. In applying assessment data, the models fitted by time series had less prediction errors then their equivalent regression models. In the prediction of year 1393, the violation rate has reduced by 32% in Tehran-Karaj highway, compared to the violations in the same period of 1392. This observation along with other analysis results shows the effectiveness of cameras in the period of study. The results of analysis and mining of traffic enforcement camera data can be used in improving urban management and planning with the goal of reducing violations and accident.

کلیدواژه‌ها [English]

  • Data mining
  • time series
  • Regression
  • traffic enforcement camera
-آرمان نیا، ع. (1387) "نقش دوربین‌های مداربسته کنترل سرعت در کاهش تصادفات راه‌های برون شهری، نمونه موردی محور اندیمشک-اهواز-بندر امام"، پایان نامه کارشناسی ارشد، دانشکده مهندسی گروه عمران، دانشگاه شهید چمران اهواز.
-پورحسن،  ف.، قاسمی،  ب.، و سمتائی،  ح.ر. (۱۳۹۳) "اثرات نصب سامانه‌های کنترل سرعت بر کاهش تصادفات بزرگراه‌های شهر تهران"، سومین کنفرانس ملی تصادفات جاده‌ای و سوانح ریلی و هوایی،  دانشگاه آزاد اسلامی واحد زنجان، زنجان ص 10-1.
-جاویدی،  ر.، و شریفی،  م.ب. (1390) "استفاده از مدلهای اتفاقی در شبیه سازی جریان رودخانه و پیش‌بینی دبی متوسط سالانه رودخانه توسط تحلیل سری‌های زمانی"، کنفرانس بین المللی منابع آب، شاهرود، ص. 7-5.
-جعفری،  الف.، وصمدیان،  م. (1391) "کاربرد داده کاوی در بررسی رفتار رانندگان متخلف در کلان شهرها"، مطالعات راهور-فصلنامه علمی-ترویجی، سال نهم، شماره 17، ص. ۱۰۹-۱۳۲.
-حاجیلو،  م. (1384) "نقش جریمه در کاهش تخلفات رانندگی درون شهری"، نخستین کنفرانس بین المللی حوادث رانندگی. تهران: دانشگاه تهران.
-حسن زاده،  ج.، نجفی،  ف.، و مرادنظر،  م. (1394) "چگونه یک مدل مناسب برای داده‌های سری‌زمانی ایجاد کنیم؟" مجله تخصصی اپیدمیولوژی ایران، سال اول، شماره 11، ص 1.
-خرمی،  م.، و بزرگ نیا،  الف. (1386) "تجزیه و تحلیل سری‌های زمانی با نرم افزارMINITAB 14 "، سال اول، شماره اول، انتشارات سخن گستر، مشهد، ص. 45، 150، 44 ،152 ، 145.
-رحیم اف ، ک.، و صادقی کلینی،  م. (1388) "تعیین عوامل موثر در شدت تصادفات آزادراهی و طراحی مدل آنها (مطالعه موردی: آزادراه تهران – کرج)"، پژوهشنامه حمل و نقل، سال هشتم، شماره 2، ص. ۱۹۹-۲۰۹.
-رحیمی،  م.، احدی،  م. ر. و عباسی،  و. (۱۳۹۳) "مطالعه تحلیلی میزان نقش بازدارندگی دوربین‌های ثبت تخلف سرعت درجاده ها در وقوع تصادفات (مطالعات موردی: آزاد راه زنجان- تبریز)"، نخستین همایش سیستم های حمل و نقل هوشمند جاده ای، سازمان راهداری و حمل و نقل جاده ای، تهران، ص 1.
-عابدی ، ح. و محسنی،  م. (۱۳۹۳) "بررسی تاثیر دوربین‌های ثبت تخلفات رانندگی در مدیریت سرعت شبکه راه های استان مرکزی"، سومین کنفرانس ملی تصادفات جاده ای وسوانح ریلی و هوایی، دانشگاه آزاد اسلامی واحد زنجان، زنجان، ص. 1.
-کاظمی،  م.، صفارزاده ، م.، موقری،  ه.و فلاح زواره ، م. (۱۳۹۵) "روش پیش بینی هزینه های متوفیات تصادفات ترافیکی در ایران"، فصلنامه مهندسی حمل و نقل، انتشار آنلاین از تاریخ 20 تیر 1395.
-کلانتری ، ن.، خاورزاده ، ر.، و قیاسی،  الف. (1392) " پیش‌بینی تعداد مسافران قطار سبک شهری مشهد به روش سری‌های زمانی فصلی "، سیزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک، معاونت و سازمان حمل و نقل و ترافیک، ص 2-1، تهران
-مدقالچی،  ع. و عباسی ، و. (1393) "بررسی اثر پذیری دوربین‌های کنترل سرعت ثابت در تغییر رفتار رانندگان در ارتکاب به تخلفات سرعت با استفاده از روش آماری سری های زمانی بر روی داده‌های دستگاههای ترددشمار آنلاین (مطالعه موردی آزادراه زنجان-تبریز)"، نخستین همایش سیستم‌های حمل و نقل هوشمند جاده‌ای، سازمان راهداری و حمل و نقل جاده‌ای، تهران، ص. 9-1.
-همت فر،  م.، حسینی،  ع. ا.، شاه ویسی،  ف. و نجفی،  ی. (1390) "روابط خطی و غیرخطی بین متغیرهای حسابداری و بازده سهام شرکت های صنعت خودرو و ساخت قطعات"، پژوهشنامه حسابداری مال و حسابرسی، سال سوم، شماره دوازدهم، ص 150-145‎.
-Antoniou, C., Papadimitriou, E. and Yannis, G. (2014) “Road safety forecasts in five European countries using structural time series models”. Traffic Injury Prevention, Vol. 15, No. 6, pp. 598-605.
-Bahadorimonfared, A., Soori, H., Mehrabi, Y., Delpisheh, A., Esmaili, A., Salehi  M. and Bakhtiyari M. (2013) “Trends of fatal road traffic injuries in Iran (2004–2011)”, PLoS ONE, Vol 8, No. 5: e65198, pp. 1-5.
-Brockwell P. J. and Davis R. A. (2009) “Time series: theory and methods”, Springer, pp. 44-79
-Chandran,  A., Perez-Nunes, R., Bachani, A. M., Hijar, M., Salinas-Rodriguez, A. and Hyder, A. (2014) "Early impact of a national multi-faceted road safety intervention program in Mexico: results of a time-series analysis", PloS ONE, Vol. 9, No. 1: e8748, pp. 1-3.
-Chatfield, C. (2000) “Time-series forecasting”, Chapman & Hall/CRC, pp 20
-Commandeur, J. J., Wesemann, P., Bijleveld, F., Chhoun, V. and Sann, S. (2017) “Setting road safety targets in Cambodia: A methodological demonstration using the latent risk time series model”, Journal of Advanced Transportation, Article ID 5798174, 9 pages
 -Guin, A. (2006) “Travel time prediction using a seasonal autoregressive integrated moving average time series model”, In Intelligent Transportation Systems Conference, ITSC'06- IEEE, pp. 493-498.
-Hughes, B. P., Newstead, S., Anund, A., Shu, C. C. and Falkmer, T. (2015) “A review of models relevant to road safety”, Accident Analysis & Prevention", Vol. 74, pp. 250-270.
-Keall, M. D., Povey, L. J. and  Frith, W. J. (2002) “Further results from a trial comparing a hidden speed camera programme with visible camera operation”, Accident Analysis & Prevention, Vol. 34, No. 6, pp. 773-777.
-Novoa,  A. M., Perez, K. and Santamarina-Rubio, E. (2009) “Effectiveness of speed enforcement through fixed speed cameras: a time series study”, Injury prevention, Vol. 16, No. 1, pp. 12-16.
-Oh, J., Eun, S. J., and Kim, H. S. (2016) “Effects of deregulation of the driving licence application process on road safety in Korea: an interrupted time-series analysis”, Journal of Epidemiology and Community Health, Published Online First: 26 May 201.
-Quddus, M. A. (2016) “Non-Gaussian interrupted time series regression analysis for evaluating the effect of smart motorways on road traffic accidents”, In Transportation Research Board, 95th Annual Meeting, No. 16-0157.
-Reinert, G. (2010) “Time series”, Hillary Term, p. 12.
Sebego, M., Naumann, R. B., Rudd, R. A., Voetsch, K., Dellinger, A. M. and Ndlovu, C. (2014) “The impact of alcohol and road traffic policies on crash rates in Botswana, 2004–2011: a time-series analysis”. Accident Analysis & Prevention, Vol. 70, pp. 33-39.
-Shearer, C. (2000) “The CRISP-DM model: the new blueprint for data mining”. Journal of data warehousing, Vol. 5, No. 4, pp. 13-22.
-Vanlaar, W., Robertson, R. and Marcoux, K. (2014) “An evaluation of Winnipeg's photo enforcement safety program: Results of time series analyses and an intersection camera experiment”, Accident Analysis & Prevention, Vol. 62, pp. 238-240
.-Zhao, A., Chen, R., Qi, Y., Chen, A., Chen, X., Liang, Z. and Ye, J. (2016) “Evaluating the impact of criminalizing drunk driving on road-traffic injuries in Guangzhou, China: a time-series study”, Journal of Epidemiology, Vol. 26, No. 8, pp. 433-439.