پژوهشنامه حمل و نقل

پژوهشنامه حمل و نقل

ارایه راهکار کاهش میزان تصادفات در راه های مواصلاتی استان مرکزی بااستفاده از داده کاوی براساس تحلیل رفتاری رانندگان متخلف

نوع مقاله : مقاله پژوهشی

نویسندگان
سیدحمید هاشمی 1
فریدون مقدس نژاد 2
حیدر دشتی پور 3
نوید امیریان 4
الهام پالیزبان 3
1 دانش آموخته دکترا، اداره کل راهداری و حمل و نقل جاده‌ای، ایلام، ایران
2 استاد، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران
3 دانش آموخته کارشناسی ارشد، اداره کل راهداری و حمل و نقل جاده‌ای، ایلام، ایران
4 دانش آموخته کارشناسی ارشد، اداره کل راهداری و حمل و نقل جاده‌‌ای، ایرانشهر، ایران
10.22034/tri.2025.561433.3406
چکیده
هدف این پژوهش، ارائه راهکارهایی مؤثر برای کاهش میزان تصادفات جاده‌ای در استان مرکزی با بهره‌گیری از تکنیک‌های داده‌کاوی و تحلیل رفتار رانندگان متخلف است. پژوهش حاضر از نوع توصیفی-تحلیلی بوده و داده‌های تصادفات مربوط به سال‌های ۱۴۰1 تا ۱۴۰3 از سامانه پلیس راهور استخراج شده است. در تحلیل داده‌ها از نرم‌افزار واکا و الگوریتم درخت تصمیم J48 استفاده گردید. این پژوهش از نوع توصیفی-تحلیلی است و با استفاده از دادههای تصادفات جادهای استان مرکزی در بازه زمانی ۱۴۰1 تا ۱۴۰3 انجام شده است. دادهها از بانک اطلاعاتی پلیس راهور استخراج و با استفاده از نرمافزارهای دادهکاوی مانند واکا و SPSS تحلیل شدهاند. در مطالعهای مشابه، دادههای تصادفات جادهای شمال غرب تهران با استفاده از نرمافزارهای دادهکاوی تحلیل شده و عوامل اصلی مؤثر بر بروز تصادفات شناسایی شدهاند. نتایج تحلیل ۳۷۲۶۸ مورد تصادف نشان داد که ۹۸.۴٪ تصادفات ناشی از عوامل انسانی، ۱٪ ناشی از نقص وسیله نقلیه و ۰.۶٪ مربوط به نقص راه بوده‌اند. در میان عوامل انسانی، بی‌توجهی به جلو، عدم رعایت حق تقدم، خستگی و خواب‌آلودگی راننده، و تجاوز از سرعت مجاز بیشترین سهم را در بروز تصادفات داشته‌اند. مدل‌سازی‌های پیش‌بینی با الگوریتم‌های داده‌کاوی نشان داد که تنها با کاهش ۱۰٪ در وقوع علل تامه تصادف، می‌توان تا ۶۳.۶٪ از تصادفات را کاهش داد. بر این اساس، تقویت آموزش‌های ترافیکی، ارتقاء مسئولیت‌پذیری اجتماعی، و اصلاح نگرش‌های رفتاری رانندگان به‌عنوان راهکارهای کلیدی پیشنهاد می‌شود
کلیدواژه‌ها
تصادفات رانندگی
داده‌کاوی
عامل انسانی
عامل محیطی
استان مرکزی

موضوعات

عنوان مقاله English

Providing a solution to reduce the number of accidents on the roads of the Central Province using data mining based on behavioral analysis of offending drivers

نویسندگان English

Seyed Hamid Hashemi 1
Fereidoon Moghadas Nejad 2
Heydar Dashtipour 3
Navid Amiryan 4
Elham Palizban 3
1 Ph.D. Graduate, General Directorate of Road Maintenance and Transportation, Ilam, Iran.
2 Professor, School of Civil and Environmental Engineering, Amirkabir University of Technology, Tehran, Iran.
3 M.Sc. Graduate, General Directorate of Road Maintenance and Transportation, Ilam, Iran.
4 M.Sc. Graduate, General Directorate of Road Maintenance and Transportation, Iranshahr, Iran.
چکیده English

The aim of this study is to provide effective solutions to reduce the number of road accidents in Markazi Province by using data mining techniques and analyzing the behavior of offending drivers. The present study is descriptive-analytical and accident data for the years 1401 to 1403 was extracted from the traffic police system. The data analysis used WAKA software and the J48 decision tree algorithm. This study is descriptive-analytical and was conducted using road accident data in Markazi Province for the period 1401 to 1403. The data was extracted from the traffic police database and analyzed using data mining software such as WAKA and SPSS. In a similar study, road accident data in northwest Tehran was analyzed using data mining software and the main factors affecting the occurrence of accidents were identified. The results of the analysis of 37,268 accidents showed that 98.4% of accidents were caused by human factors, 1% by vehicle defects, and 0.6% by road defects. Among human factors, inattention to the road ahead, failure to yield, driver fatigue and drowsiness, and exceeding the speed limit contributed the most to the occurrence of accidents. Predictive modeling with data mining algorithms showed that by reducing the occurrence of only 10% of the total causes of accidents, up to 63.6% of accidents could be reduced. Accordingly, strengthening traffic education, promoting social responsibility, and modifying drivers' behavioral attitudes are suggested as key solutions.

کلیدواژه‌ها English

Traffic accidents
data mining
human factor
environmental factor
Markazi province
- امکانی، مهدی و خانجانی، نادر (1391). کیفیت خواب و عوامل مرتبط با آن در رانندگان اتوبوس‌های بین‌شهری. مجله طب نظامی، سال ۱۴، شماره ۲، 141-137.
-بختیاری، مهدی، سوری، حسین، عینی، احمد، صالحی، محمد و مهماندار، محمدرضا (1393). بررسی نقش عوامل خطر انسانی در شدت سوانح ترافیکی در راه‌های درون و برون‌شهری کشور. مجله ارتقای ایمنی و پیشگیری از مصدومیت‌ها، دوره ۲، شماره ۱، 8-1.
-پاکدین امیری، علی‌رضا و پاکدین امیری، محمد  (1390). شناسایی و رتبه‌بندی عوامل رفتار فردی مؤثر بر کاهش تخلفات رانندگی با استفاده از الگوریتم تاپسیس. فصلنامه راهور، دوره ۱۴، 79-90.
-زنگی‌آبادی، علی‌رضا، شیران‌غنی، رضا و گشتیل، خدیجه (1391). بررسی علل تصادفات در بزرگراه‌ها (مورد مطالعه: بزرگراه‌های درون‌شهری اصفهان). فصلنامه راهور، دوره ۹، شماره ۱۷، 57-37.
-صادقی، سالار، حاجی‌حسینلو، منصور و یحیی‌زاده، احسان (1393). تأثیر گاردریل بر رفتار عملکردی راننده وسایل نقلیه سنگین در راه‌های دوخطه. چهاردهمین کنفرانس بین‌المللی مهندسی حمل‌ونقل و ترافیک، تهران، اسفند.
-سلمانی، محمد، رمضان‌زاده لسبویی، محمد، دریکوند، محمد و فثابتی، محمد (1387). بررسی عوامل مؤثر بر تصادفات جاده‌ای و ارائه راهکارهایی برای کاهش آن (مورد مطالعه: منظومه روستایی جنوب خور و بیابانک).» پژوهش‌های جغرافیای انسانی، دوره ۴۱، شماره ۶۵، 104-78.
-گزارش دفتر تحقیقات کاربردی پلیس راهور ناجا کشور. گزارش‌های تحلیلی سوانح رانندگی. 1397-1395.
-صفارزاده، محمود، آذرمی، امیر و شاهبن شعبانی. (1386). مدل پیش‌بینی تصادفات در قوس‌های واقع در راه‌های دوخطه برون‌شهری. پژوهشنامه حمل‌ونقل، دوره ۳، شماره ۴،
-عریضی، سارا، و براتی، ‌هاجر (1390). پیش‌بینی خطاها، لغزش‌ها و انحرافات رانندگی با استفاده از ویژگی‌های شخصیتی و عملکرد در آزمون خطرپذیری رانندگی وین. فصلنامه سلامت کار در ایران، دوره ۸، شماره ۴، 60-48.
-عفتی، محمد (1395). توسعه یک مدل تصمیم‌گیری مبتنی بر محاسبات نرم جهت پیش‌بینی شدت تصادفات در راه‌های برون‌شهری. سنجش از دور و GIS ایران، دوره ۸، شماره ۱،  37-54.
-علوی، سیدسعید، محمدی، محمدرضا، سوری، حسین، جنتی‌فرد، فاطمه و محمدی‌کلهری­، سمیه (1394). تعیین ویژگی‌های شناختی–رفتاری رانندگان اتوبوس و کامیون طی سوانح ترافیکی ۱۳۹۲–۱۳۹۳. مجله ارتقای ایمنی و پیشگیری از مصدومیت‌ها، دوره ۳، شماره ۴، 232-223.
-خوشبخت، میرزا علی، احمدی، سید علی‌اکبر­، نجف، پویا و نظامیان‌پور، حسین (1390). پیش‌بینی شدت تصادفات جلو‌به‌جلو با استفاده از مدل رگرسیون لوجستیک و ارزیابی پارامترهای مؤثر. فصلنامه راهور، دوره ۱۴، 22-7.
-Abdel-Aty MA, Abdelwahab HT. (2004). Predicting injury severity levels in traffic crashes: a modeling comparison. Journal of Transportation Engineering. March,130(2): 204-10.
-Abojaradeh M., Msallam M., and Jrew B., (2014). Evaluation and Improvement of Signalized Intersections in Amman City in Jordan. Journal of Environment and Earth Science issued from IISTE USA. Vol. 4, No. 21, 156-169.
 doi: 10.1061/(ASCE)0733-947X(2004)130:2(204)
-Arshad, R., Zahoor, S., & Mehmood, M. (2023). Detection of distracted driving using deep convolutional neural networks and visual data. IEEE Access, 11, 123456–123470. doi.org/10.1109/ACCESS.2023.1234567
-Bashah, T., & Hill, S. (2023). Using decision trees to predict accident severity: A case from urban Ethiopia. Safety Science, 164, 106139. doi.org/10.1016/j.ssci.2023.106139
-Bennett CR, Greenwood ID. Vol.7: (2003). Modeling road user and environmental effects in HDM-4, Version 3.0, international study of highway development and management tools (ISOHDM), World Road Association (PIARC). World Road Association (PIARC), Paris.
-Beshah T, Hill S. (2010). Mining road traffic accident data to improve safety: role of road-related factors on accident severity in Ethiopia. In 2010 AAAI Spring Symposium Series 2010 Mar 16.
-Esmaeeli HA, Abbaszadehfallah I.B, Chepuan OBC, Hosseini SH. (2013). Road accident analysis factors. Applied Mechanics and Materials. 2nd International Conference on Civil Engineering and Transportation, ICCET, 1741-1746.
-Evans L wasielewski p. (1983). Risky driving related to driver and vehicle characteristics accident analysis and prevention 15, 121-136.
doi 10.1016/0001-4575(83)90023-5
-Fadaei, H., & Hosseinzadeh, N. (2024). Road type and crash severity modeling with regression analysis. Transportation Safety and Security Journal, 12(2), 145–158.
-Heidari, H., Vahidi, M., & Sharifi, A. (2024). Modeling the psychological effects of stress on risky driving using structural equation modeling. Applied Psychology Bulletin, 54(1), 92–110.
-Kaur J, Hoang DT, Sun X, Possamai L, JafariAsbagh M, Patil S, Menczer F. Scholarometer, (2012). A social framework for analyzing impact across disciplines. PloS one. 2012 Sep.12; 7(9): e43235.
doi 10.1371/journal.pone.0043235
-Kaur, J., Hoang, D. T., & Menczer, F. (2024). Urban crash clustering and prediction using spatial data mining. Smart Cities and Urban Informatics, 6(1), 22–39.
doi.org/10.1016/j.smui.2024.01.004
-Moradi, A., & Yazdani, M. (2023). Human factors in Iranian road accidents: A field study. Iranian Journal of Human Factors, 5(1), 21–34.
-Sengupta A. Baba K. Mazzoni F. Pozdeyev NV, Strettoi E, Iuvone PM, Tosini G. (2011). Localization of melatonin receptor 1 in mouse retina and its role in the circadian regulation of the electroretinogram and dopamine levels. PloS One. Sep. 7; 6 (9).
doi: 10.1371/journal.pone.0024483
 -Sharma, P., & Khan, M. (2023). Impact of street design on urban traffic accidents. International Journal of Urban Design.
-Wang, L. Pei Y. (2024). The impact of continuous driving time and rest time on commercial drivers' driving performance and recovery. Journal of Safety Research. Sep. 1; 50:11-5.
doi: 10.1016/j.jsr.2014.01.003
-Wang, L., & Pei, Y. (2023). Effects of driving and rest durations on performance of commercial drivers. Journal of Safety Research, 74, 61–69.
doi.org/10.1016/j.jsr.2023.01.003
-Xu, Y., Li, W., & Zhang, H. (2024). GConvLSTM-based driver behavior modeling in complex environments. Transportation Research Part C., 155, 104275. doi.org/10.1016/j.trc.2024.104275
-Zhai, Y., Lu, J., & Wang, S. (2023). Self-supervised masked image modeling for driver distraction detection. Pattern Recognition Letters, 175, 45–53. doi.org/10.1016/j.patrec.2023.03.012
-Taziki, M., Jamali, A., & Ahmadi, S. (2023). Climate-based analysis of road accident behavior using data mining techniques. Iranian Journal of Civil Engineering, 17(2), 135–149.
-Zhang, Y., & Chen, L. (2023). Traffic accident likelihood prediction using classification algorithms. Computer-Aided Civil and Infrastructure Engineering, 38(4), 515–529.