پژوهشگاه حمل و نقل طراحان پارسه فصلنامه مهندسی حمل و نقل 2008-6598 10 2 2018 12 22 The Raster Based Simulation of Pedestrian Injury Crashes using Artificial Neural Network in GIS (Case Study: Mashhad City) مدل سازی شبکه مبنای تصادفات جرحی عابر پیاده به کمک شبکه عصبی در محیط GIS (مطالعه ی موردی: شهر مشهد) 245 266 50928 FA غلامرضا شیران استادیار، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران مریم حسن پور دانش آموخته کارشناسی ارشد، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران روزبه شاد استادیار، دانشکده مهندسی، دانشگاه فردوسی، مشهد، ایران ابوالفضل محمدزاده مقدم استادیار، دانشکده مهندسی، دانشگاه فردوسی، مشهد، ایران Journal Article 2016 12 27 This paper evaluates different MLPs (multi-layer perceptron neural networks) whilst considering 23 pedestrian injury accident parameters (in four categories) for time period of 3 years (1391-1393). The data belongs to the city of Mashhad in Iran. For this purpose, after preparing required raster layers in GIS, the influence of each parameter has been assessed through evaluation of different structures of MLP. It is worth noting that in the most works undertaken, the vector based modeling has been considered to determine the effect of spatial parameters; and the flexibility and the accuracy of raster-based prediction has been neglected. In the present study, authors have considered demographic characteristics and urban form factors in addition to the common variables in the simulation of pedestrian injury accidents. Furthermore, a total of 38 independent variables in four classes have been assessed. At first, the input raster data with the pixel size of 20 meters were created by employing geo_statistical processing in GIS and then MLPs algorithms have been programed using MATLAB language. A set of raster data containing 111,537 pixels has been analyzed using MLP changing the neurons, the layers, the transfer functions, the training functions and different combination of training and testing sets. Performance of 25 different neural network structures were validated by MSE and R-squared. The results indicate that a model with three-layer, 70 neurons, the RADBAS transfer function and Levenberg_Marquardt training function (= 0.95 and MSE = 0.0020) has the most efficient and optimum design for representing the relationship among the number of pedestrian injury accidents and the effective input parameters. By implementing this model to the study area of the city of, it was revealed that the residential density, the street network and the first level of social status characteristics have the highest impact on the pedestrian crashes. However, the sidewalks having   more than 10 meters width, the fourth type of road and the second level of social status have the least impacts. در این مقاله با در نظر گرفتن 23 پارامتر مؤثر بر تصادفات جرحی عابر پیاده شهر مشهد (در چهار گروه) در سال‌های 1391 تا 1393 و آماده­سازی لایه­های رستری لازم در محیط GIS، تأثیر هر یک از آن­ها در قالب ارزیابی عملکرد شبکه عصبی پرسپترون چندلایه، اولویت­بندی گردید. در اغلب تحقیقات انجام‌شده، مدل‌سازی بردار مبنا مدنظر قرار گرفته و به انعطاف‌پذیری و دقت پیش‌بینی رستر مبنای تصادفات در راستای تعیین تأثیر مکانی پارامترها توجهی نشده است. در مقاله پیش ­رو علاوه بر در نظر گرفتن متغیرهای رایج، متغیرهای فرم شهری و جمعیتی-اجتماعی نیز لحاظ شدند و 38 متغیر مستقلاز چهار حوزة مختلف به‌طور همزمان ارزیابی گردیدند. به این ترتیب که با انجام پردازش‌های مکانی-آماری، ابتدا داده‌های رستری ورودی با ابعاد 20*20 متر در یک پایگاه داده مکانی آماده‌سازی و به‌منظور پیاده­سازی مدل شبکه عصبی پرسپترون چند لایه، در محیط برنامه‌نویسی MATLAB فراخوانی شدند. در ادامه، مجموعة داده‌های رستری شامل 111537 پیکسل تحلیل شده و با تغییر تعداد نورون­ها، تعداد لایه­ها، توابع انتقال، توابع آموزش و ترکیب­های متفاوت آموزشی و آزمون، 25 طرح مختلف شبکه عصبی به کمک پارامترهای MSE و  ارزیابی گردیدند. نتایج حاکی از آن است که بهترین مدل با 0/95  و  MSE=0/0020در بیان ارتباط تعداد تصادفات جرحی عابر پیاده درون­شهری و پارامترهای مرتبط با آن بسیار کارآمد و دقیق عمل نموده است. با پیاده­سازی مدل مذکور در محدوده مطالعاتی شهر مشهد، مشخص گردید که پارامترهای تراکم خالص مسکونی در نواحی شهرداری،‌ بافت ارگانیک ­شهری و طبقة اول منزلت اجتماعی به ترتیب دارای بیشترین تأثیر و پارامترهای عرض پیاده­روی بالای 10 متر، معابر شریانی درجه دو اصلی و طبقه سوم منزلت اجتماعی به ترتیب دارای کمترین تأثیر در تصادفات عابر پیاده هستند. https://jte.sinaweb.net/article_50928_c02064e6a401f91134e124c48970862c.pdf