پژوهشگاه حمل و نقل طراحان پارسه فصلنامه مهندسی حمل و نقل 2008-6598 17 2 2025 07 27 Identifying Blackspot Sections of Accident Using Clustering Algorithms شناسایی مقاطع پرتصادف با استفاده از الگوریتم‌های خوشه‌بندی 5289 5310 225988 10.22119/jte.2025.495110.2724 FA منا دلشاد کارشناس ارشد، دانشکده سنجش از دور و سیستم اطلاعات جغرافیایی(GIS)، دانشگاه خوارزمی، تهران، ایران هانی رضاییان استادیار، دانشکده سنجش از دور و سیستم اطلاعات جغرافیایی(GIS)، دانشگاه خوارزمی، تهران، ایران جواد سدیدی دانشیار، دانشکده سنجش از دور و سیستم اطلاعات جغرافیایی(GIS)، دانشگاه خوارزمی، تهران، ایران اکبر دانش دکتری تخصصی مهندسی عمران گرایش راه و ترابری، دانشگاه تهران، تهران، ایران Journal Article 2024 12 22 <span>Identifying road accident hotspots enables better understanding of accident patterns for road safety experts to improve roads safety. This study as an applied research, analyzes road accidents to identify blackspots using clustering algorithms: Kernel Density Estimation (KDE), Local Moran's I, and K-Means. The Iranian Ministry of Roads and Urban Development's definition of blackspots was used as the reference for algorithms comparison and results validation. The study examined road accident data on the Mashhad-Bojnord road from 2019-2022. After extracting blackspots using the mentioned algorithms in raster format, their overlap with the reference blackspots was calculated. The KDE algorithm showed the highest match with the blackspots, with 82.55% and 70.96% overlap in forward and return directions, respectively. Analysis of blackspots and accidents distributions near settlements revealed that the highest accident density occurs in the first 30 kilometers of Mashhad city, between Farooj and Shirvan cities, 14 kilometers after Shirvan city exit in the forward direction, and the first 8 kilometers of Bojnord city.</span> <span lang="AR-SA">شناسایی مقاطع پرتصادف جاده ­ای، امکان درک بهتر الگوهای تصادف برای کارشناسان ایمنی راه فراهم می­ آورد تا ایمنی راه­ ها را بهبود دهند، </span><span lang="FA">این پژوهش کاربردی، با هدف بررسی امکان </span><span lang="AR-SA">شناسایی مقاطع پرتصادف با استفاده از الگوریتم‌های خوشه‌بندی مکانی شامل </span><span lang="FA">تخمین تراکم هسته (</span><span dir="LTR">KDE</span><span lang="FA">)، خودهمبستگی موران محلی (</span><span dir="LTR">Moran-I</span><span lang="FA">) و </span><span dir="LTR">K-Means</span><span> </span><span lang="AR-SA">انجام شده است. </span><span lang="FA">در این راستا، دستورالعمل تجربی ارائه شده برای مقاطع پرتصادف از سوی وزارت راه و شهرسازی، بعنوان مرجع مقایسه الگوریتم­ ها و صحت‌سنجی نتایج درنظرگرفته شده است. </span><span lang="FA">نمونه مطالعاتی تحقیق، داده‌های تصادفات </span><span lang="AR-SA">جاده­ای</span><span lang="AR-SA"> </span><span lang="AR-SA">محور مشهد-بجنورد</span><span lang="FA"> در بازه زمانی 1401-1398 است. آماده­ سازی داده­های با یکپارچه­ سازی محور و استخراج کیلومتراژبرای تصادفات انجام می­ شود. پس از استخراج مقاطع با استفاده از الگوریتم ­های عنوان شده در فرمت رستری، میزان همپوشانی آن­ها با مقاطع پرتصادف مرجع محاسبه شده است. بدین ترتیب الگوریتم </span><span dir="LTR">KDE</span><span lang="FA"> با </span><span lang="AR-SA">55/82% </span><span lang="FA">و </span><span lang="AR-SA">96/70% انطباق در مسیر رفت و برگشت </span><span lang="FA">بیشترین انطباق را با مقاطع پرتصادف مرجع دارد. ضمنا در بررسی نحوه توزیع تراکم مقاطع پرتصادف با مناطق سکونتگاه­ هایی مشخص شد که<span>  </span>در مسیر رفت و برگشت در 30 کیلومتر ابتدایی شهر مشهد و در حدفاصل دو شهر فاروج و شیروان، 14 کیلومتر بعد از خروجی شهر شیروان در مسیر رفت و 8 کیلومتر ابتدایی شهر بجنورد بیشترین تراکم تصادفات را دارند،</span> https://jte.sinaweb.net/article_225988_9e5e2d49fb3bdd37ad2b4d29e580a4b1.pdf