این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مطالعات پژوهشی راهور، جلد ۱۳۹۳، شماره ۱۱، صفحات ۱۰۵-۱۳۸
عنوان فارسی پیش بینی تصادفات رانندگی با استفاده از مدل رگرسیون چند سطحی و پارامترهای زمانی
چکیده فارسی مقاله در این تحقیق پیش بینی زمانی-مکانی تصادفات رانندگی بزرگراه کرج- قزوین با استفاده از مدل های رگرسیون لجستیک چند سطحی و پارامتر های صرفا زمانی انجام شده است. دقت مدل‌سازی با پارامتر های زمانی با استفاده از پارامتر های بهینگی مدل در مقابل دقت مدل با پارامتر های محیطی تست شده‌ است که نشان می‌دهد مدل های زمانی دقت بیشتری نسبت به مدل های محیطی داشته است. با توجه به ضریب AUC مشخص شده است که دقت مدل با پارامتر محیطی برازش ضعیف دارد در حالی که مدل زمانی در سطح برازش مناسب قرار گرفته است. برای ایجاد مدل زمانی-مکانی از مدل رگرسیون لجستیک چند سطحی استفاده شده است. پارامتر های بهینگی مدل نشان می‌دهند مدل های رگرسیون لجستیک چند سطحی به مراتب دقت بیشتری نسبت به مدل های رگرسیون لجستیک معمولی دارند. ‌شاخص AUC نشان می دهد که مدل های رگرسیون لجستیک چند سطحی دارای دقت خوب در پیش بینی تصادفات هستند. در نهایت صحت مدل در پیش بینی 200 نمونه تصادف که در مدل-سازی استفاده نشده بودند مورد بررسی قرار گرفت. نتایج نشان می‌دهند که مدل رگرسیون لجستیک چند سطحی توانسته است 25 درصد تصادفات رانندگی را در 6 اولویت اول از 105 اولویت پیش بینی کند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Accidents Prediction Using Multilevel Regression Model and Time Parameters
چکیده انگلیسی مقاله Car accidents are one of the main causes of death in the world, so a lot of researches on traffic modeling have been done to predict and reduce traffic accidents. In different researches, different types of models and various factors that affect the accident have been studied. Main goal of this study is developing an accident model with only time parameters and using that for accident predictions. To aim this purpose logistic regression and multilevel logistic regression have been used. Goodness of fitness of logistic regression model with time parameters and logistic regression with environment parameters are compared. Chi Square and AUC value showed better model fitting with time parameters. According to AUC value for logistic regression models, time model is fitted in suitable level whether environment model is in weak level of fitting. Then multilevel logistic regression model is developed to setup a spatio-temporal model. Goodness of fitness value for multilevel logistic regression model is compared with logistic regression model. Log-likelihood, AIC and AUC show better fitting in multilevel logistic regression rather than logistic regression models. AUC for multilevel model is more than 0.8 that is showing these models have good fitting. Finally validity of model in road accidents prediction has been investigated. For this purpose, 200 accidents that weren’t used in modeling have been considered. Using developed model, a probability for every road segment calculated and then road segments ordered by their probabilities. Results showed that 25% of test accidents real places are predicted in 6 first priorities of 105 segments.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهدی احمدی |


عباس علیمحمدی |


نشانی اینترنتی http://talar.jrl.police.ir/article_11597_27df2eb18b0c6a041275f0d335b96d7a.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1203/article-1203-1643220.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات