بهبود سری زمانی سوانح ترافیکی زمانمند با کمک شبکه‌های عصبی مصنوعی، مبتنی بر سیستم اطلاعات مکانی مطالعه موردی آزادراه کرج – قزوین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه تخصصی سنجش‌ازدور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط‌زیست،دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

2 عضو هیئت‌علمی دانشکده مهندسی عمران، آب و محیط‌زیست، دانشگاه شهید بهشتی، تهران، ایران

3 عضو هیئت‌علمی گروه تخصصی سنجش‌ازدور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران

4 عضو هیئت‌علمی گروه تخصصی سنجش‌ازدور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط‌زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات

چکیده

این مطالعه مدل‌سازی بهینه، داده‌های سوانح ترافیکی زمانمند را در مقیاس‌ روزانه برای محور کرج ـ قزوین به‌عنوان یکی از محورهای حادثه‌خیز ایران در طی سال‌های 1388 تا 1392 با دو روش سری زمانی و شبکه عصبی مصنوعی برمبنای سیستم اطلاعات مکانی بررسی می‌نماید. الگوهای زمانی مخاطرات جاده‌ای، با در نظر گرفتن مؤلفه‌هایرَوَند و دوره‌ای، نوع و مرتبه مدل، توابع خودهمبستگی و خودهمبستگی جزئی، داده‌های سوانح ترافیکی زمانمند (حجم نمونه 1097 حادثه) به‌دست‌آمده است. درروش پیشنهادی اول میزان وابستگی حوزه زمان و مرتبه مدل زمانی محاسبه‌شده است و درروش دوم معماری‌های مختلف از شبکه ‌عصبی ‌مصنوعی پرسپترون چندلایه جهت تعیین بهینه‌ترین عملکرد تشخیصی پیاده‌سازی گردید. برای ارزیابی شبکه نیز شاخص‌های مشخصه، ضریب تبیین و صحت مورداستفاده قرار گرفت و برای محاسبات دو مدل در سناریوهای مختلف از نرم‌افزار ARCGIS و مطلب استفاده‌شده است. بر اساس نتایج مدل شبکه عصبی مصنوعی با مقدار ضریب تبیین  و خطای جذر میانگین مربعات 10.71 می‌تواند نرخ رخداد حوادث روزانه را تااندازه‌ای بهتر از روش سری زمانی و خودهمبستگی جزئی با مقدار ضریب تبیین  و خطای جذر میانگین مربعات 14.31 برآورد کرد. لازم به ذکر است، ارائه مدل داده‌های سوانح ترافیکی با مدل شبکه عصبی مصنوعی و خودهمبستگی جزئی در مقیاس‌ روزانه، تاکنون در تحقیقات و مطالعاتِ مشابه‏ مشاهده نشده است.

کلیدواژه‌ها

عنوان مقاله [English]

Optimal Time Series of Temporal Traffic Accidents using Artificial Neural Network, based on Spatial Information System (Case Study: Karaj - Qazvin Freeway)

نویسندگان [English]

  • Reza Sanayei 1
  • Alireza Vafaeinejad 2
  • Jalal Karami 3
  • Hossein Aghamohammadi Zanjirabad 4
1 Ph.D candidate, Department of Remote Sensing and Geographic Information System, Faculty of Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran, Iran,
3 Department of Remote Sensing and Geographic Information System,Faculty of Humanities, Remote Sensing, Tarbiat Modares University, Tehran, Iran
4 Department of Remote Sensing and Geographic Information System, Faculty of Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

The present study attempts to optimally model the daily temporal traffic accidents on Karaj-Qazvin freeway, as one of Iran's accident-prone roads between 2009-2013, using two methods of Time Series and Artificial Neural Network, based on spatial information system. Temporal patterns of road hazards are obtained from temporal traffic accident data (sample size equals to 1097) by taking into account trend and periodic components, model type and order, Autocorrelation and Partial Autocorrelation Functions. In the former method, the dependence of time domain and the order of temporal model were calculated and in the latter method, different architectures of Multilayer perceptron (MLP) (a Feedforward Artificial Neural Network) were implemented to determine the most optimum diagnostic performance. Characteristic indices, coefficient of determination and accuracy were used to evaluate the network and ARCGIS and MATLAB software were used to calculate the two models in different scenarios. The results indicate that the Artificial Neural Network model, with coefficient of determination and root mean square error 10.71, can estimate the rate of daily accidents somewhat better than the Time Series method and Partial Autocorrelation with coefficient of determination and root mean square error 14.31. It should be noted that the modeling of daily traffic accident data using Artificial Neural Network model and Partial Autocorrelation, has not yet been presented in similar studies and research.

کلیدواژه‌ها [English]

  • Artificial Neural Network
  • Geographic Information Systems
  • Partial Correlation Coefficient
  • Time Series Analysis
  • Traffic Collision

مراجع

-              ابراهیمی، اصغر، احرام پوش، محمدحسن، هاشمی، حسن و دهواری، محبوبه (1395) "پیش‌بینی میزان تولید پسماند شهری با استفاده از روش سری زمانی (فن ARMA) و مدل‌سازی پویایی سیستم (نرم‌افزار Vensim)"، فصلنامه سلامت و محیط‌زیست، جلد نهم، شماره اول، ص، 57-68.‎
-              بابایی حصار، سحر و قضا وی، رضا (1394) "مقایسه مدل‌های سری زمانی و شبکه عصبی با نتایج سناریوهای انتشار در پیش‌بینی بارندگی"،  آب‌وخاک، جلد بیست و نهم، شماره چهارم، ص، 943-953.
-              بروجردیان، امین میرزا و ابراهیمی، مسعود (1396) " بررسی تأثیر شرایط جوی و بارندگی بر سرعت جریان آزاد و ظرفیت تردد در آزادراه‌ها مطالعه موردی آزادراه تهران قم"، فصلنامه علمی پژوهشی مهندسی حمل‌ونقل، جلد هشتم، شماره چهارم، ص، 485-501.
-              عینی، الهه،  سوری، حمید، گنجعلی، مجتبی و باغفلکی، تابان (1396) "محاسبه هزینه فوت و جرح ناشی از سوانح ترافیکی در ایران با استفاده از تحلیل بیزی به روش تمایل به پرداخت"، فصلنامه علمی پژوهشی مهندسی حمل‌ونقل، جلد هشتم، شماره چهارم، ص، 657-669.
-              فلاحتی، فاطمه، براتی، محمدجواد و جزایری، سید عباس (1394) "آشکارسازی تغییرات دما با استفاده ازسری‌های زمانی در راستای مدیریت ریسک مخاطرات محیطی (مطالعه موردی: شهر اراک)"، فصلنامه دانش پیشگیری و مدیریت بحران، جلد پنجم، شماره چهارم، ص، 280-285.
-              موسوی، سید نعمت اله و کاو سی، کلاشمی (1395) "کاربرد روش‌های شبکه عصبی و مدل‌های سری زمانی در پیش‌بینی مصرف آب شرب، مطالعه موردی شهر رشت"، ماهنامه علمی پژوهشی آب و فاضلاب، جلد بیست و هفتم، شماره چهارم، ص،93-98.
-              نوبخت ارسی، فریدون،  صفری، عبدالرضا و شریفی، محمدعلی (1395) "آنالیز سری زمانی موقعیت ایستگاه دائمی GPS با استفاده از اتورگرسیو میانگین متحرک"، فصلنامه علمی پژوهشی اطلاعات جغرافیایی «سپهر»، جلد بیست و پنجم، شماره نو دوهفتم، ص، 13-5.
-              وفایی نژاد، علی‌رضا، آل شیخ، علی‌اصغر، هلالی، حسین و همراه، مجید (1389) "مناسب‌ترین تکنولوژی تعیین موقعیت جهت سیستم‌های حمل‌و‌نقل هوشمند در ایران و طراحی یک GIS مکانمند-زمانمند بر اساس آن"، برنامه‌ریزی و آمایش فضا، جلد چهاردهم، شماره سه، ص، 116-97.
-              منهاج، محمدباقر (1388) "مبانی شبکه‌های عصبی هوش محاسباتی"، تهران، انتشارات امیرکبیر.
-               Aghakhani, M., Nasrabadi, T., Vafaeinejad, A.R. (2018) "Assessment of the effects of land use scenarios on watershed surface runoff using hydrological modelling", Applied Ecology and Environmental Research, Vol. 16, No. 3, pp. 2369-2389.
-               Alemany, A.M.R. and Guillén, M. (2013) "Impact of road traffic injuries on disability rates and long-term care costs in Spain", Accident Analysis & Prevention, Vol. 60, pp. 95-102.
-               Bahadorimonfared, S.H.A., Mehrabi, Y., Delpisheh A., Esmaili, A. and Salehi, M. (2013) "Trends of Fatal Road Traffic Injuries in Iran", PloS one, Vol. 8, No. 5, pp. e65198.
-               Bolouri, S., Vafaeinejad, A.R., Alesheikh, A.A. and Aghamohammadi, H. (2018) "The Ordered Capacitated Multi-Objective Location-Allocation Problem for Fire Stations Using Spatial Optimization", ISPRS International Journal of Geo-Information, Vol. 7, No. 2, pp. 44-64.
-               Brsharma, S.B. (2006) "Road traffic injuries: a major global public health crisis", Public health, vol. 122, No. 12, pp. 1399-406.
-               Chatfield, C. (2016) "The analysis of time series an introduction", USA: CHAPMAN and Hall/CRC press.
-               Cortes, C., Gonzalvo, X., Kuznetsov, V., Mohri, M., and Yang, S. (2016) "Adanet: Adaptive structural learning of artificial neural networks", International Conference on Machine Learning, New York: 19-24 June 2016.
-               Frunza, M.C. (2016) "Solving Modern Crime in Financial Markets", USA: Academic Press.
-               Grami, A. (2016) "In Introduction to Digital Communications", London: Academic Press.
-               Mbamalu, G.A.N. and El-Hawary, M.E. (1993) "Load and price forecasting via suboptimal autoregressive models and iteratively recursive least squares estimation", IEEE Transactions on Power Systems, Vol. 8, No. 1, pp. 343-348.
-               McCulloch, W.S. and Pitts, W. (1943) "A logical calculus of the ideas immanent in nervous activity", the bulletin of mathematical biophysics, Vol. 5, No. 4, pp.115-133.
-               Naghavi, M.A.F., Pourmalek, F., Lakeh, M., Jafari N. and Vaseghi S. (2009) "The burden of disease and injury in Iran 2003", Popul Health Metr, Vol. 7, No. 9, pp. 195-275.
-               North, G., Pyle, J. and Zhang, F. (2015) "Encyclopedia of Atmospheric Sciences", USA:  Academic Press.
-               Pollak, K., Peled, A., and Hakkert, S. (2014) "Geo-Based Statistical Models for Vulnerability Prediction of Highway Network Segments", ISPRS International Journal of Geo-Information, Vol. 3, No. 2, pp. 619-637.
-               Sadeghi, A., Ayati, E. and Alipirayesh neghab, M. (2013) "Identification and Prioritization of Hazardous Road Locations by Segmentation and Data Envelopment Analysis Approach", Traffic & Transportation, Vol. 25, No. 2, pp. 127-136.
-               Sameen, M., and Pradhan, B. (2017) "Severity Prediction of Traffic Accidents with Recurrent Neural Networks", Applied Sciences, Vol. 7, No. 6, pp. 476.
-               Singh, G., Sachdeva, S.N., and Pal, M. (2016) "5M model tree based predictive modeling of road accidents on non-urban sections of highways in india", Accident Analysis and Prevention, Vol. 96, No. 13, pp. 108-117.
-               Vafaeinejad, A.R. (2017) "Dynamic Guidance of an Autonomous Vehicle with Spatio-Temporal GIS", International Conference on Computational Science and Its Applications, Trieste, Italy: 3-6 July 2017.
-               Vafaeinejad, A.R. (2018) "Design and Implementation of a Dynamic GIS with Emphasis on Navigation Purpose in Urban Area", International Conference on Computational Science and Its Applications, Melburne, VIC, Australia: 2-5 July 2018.
-               Vahidnia, M.H., Vafaeinejad, A.R., Shafiei, M. (2019) "Heuristic game-theoretic equilibrium establishment with application to task distribution among agents in spatial networks", Journal of Spatial Science, Vol. 64, No. 1, pp. 131-152.
-               Wang. C., Quddus, M., and Ison, S. (2013) "A spatio-temporal analysis of the impact of congestion on traffic safety on major roads in the UK", Transport Science, Vol. 9, No. 2, pp. 124- 148.
-               Werbos, P. (1975) "Backpropagation through time" what it does and how to do it. Proceedings of the IEEE, Vol. 78, No. 10, pp. 1550-1560.
-               World Health Organization. (2004) "World Report on Road Traffic Injury Prevention", Switzerland: Geneva.
-               World Health Organization. (2013) "Global Status Report on Road Safety Supporting a Decade of Action", Switzerland: Geneva.
-               Yin, Y. and Shang, P. (2016) "Forecasting traffic time series with multivariate predicting method", Applied Mathematics and Computation, Vol. 291, No. 23, pp. 266-278.
-               Zeng, Q., Wen, H., Huang, H. and Abdel-Aty, M. (2017) "A Bayesian spatial random parameters Tobit model for analyzing crash rates on roadway segments", Accident Analysis and Prevention, Vol. 100, No. 5, pp. 37-43.
-               Zhang, Z. (2018) "Multivariate Time Series Analysis in Climate and Environmental Research", Cham, Switzerland:  Springer.
فصلنامه مهندسی حمل و نقل
دوره 12، شماره 3 - شماره پیاپی 48
فروردین 1400
صفحه 609-627

فایل ها

سابقه مقاله

  • تاریخ دریافت: 06 خرداد 1398
  • تاریخ بازنگری: 13 مهر 1398
  • تاریخ پذیرش: 15 مهر 1398

هم رسانی

ارجاع به این مقاله

آمار