پژوهشنامه حمل و نقل

پژوهشنامه حمل و نقل

تخمین پارامترهای موثر بر تصادفات رانندگی با استفاده از مدل های فضای حالت

نوع مقاله : مقاله پژوهشی

نویسندگان
شهریار افندی زاده 1
حمید بیگدلی راد 2
1 استاد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
2 دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
10.22034/tri.2023.415139.3186
چکیده
در این پژوهش از روش فضای حالت به منظور مدلسازی تصادفات رانندگی استفاده شده است. این مدل که هم دارای بخش جعبه سیاه بوده و هم از طریق کسب دانش اولیه، به تخمین پارامترها پرداخته شده است. این مطالعه به شناسایی یک سیستم فضای حالت تک ورودی تک خروجی می پردازد. فضای حالت سیستم تعریف شده و الگوریتم تخمین پارامترها نوشته شده و سپس همگرایی آن و همچنین تخمین بردار حالت بررسی می شود. مدلسازی در فضای حالت به منظور برآوردن قیدهای سخت تر بر عملکرد سیستم های کنترل، افزایش پیچیدگی و سهولت دسترسی به کامپیوترها بکار گرفته شد. مدلسازی ساده سیستم پیچیده غیرخطی تصادفات رانندگی از دستاوردهای این روش و این مطالعه بود. از جمله مزایای این روش آن است که می توان یک دانش اولیه از سیستم را به مدل معرفی نمود تا سرعت همگرایی و دسترسی به نتایج مطلوب را افزایش داد. خروجی میزان خطا نشان می دهد که در ابتدا کمی خطا افزایش یافت اما با افزایش داده ها خطا روند کاهشی گرفته و به سمت صفر میل می کند. مدل های پیشین توسط محقیقن مختلف عموما به روش های شناسایی جعبه سیاه پرداخته اند که به علت نداشتن دانش اولیه در این موارد، هم زمان پردازش داده ها طولانی شود و هم اینکه دقت مناسب حاصل نشود. روش ارائه شده می تواند در مدت زمان کمتر، با دقت بالاتری احتمال تصادفات رانندگی را پیش بینی نماید تا کاربرد مدل برای تصمیم‌گیران حوزه ایمنی رانندگی، جذاب‌تر باشد.
کلیدواژه‌ها
"
مدل جعبه سیاه"
مدل فضای حالت"
پارامترهای خطای انسانی"
، "
کاهش تصادفات رانندگی"
موضوعات

عنوان مقاله English

Estimation of parameters affecting traffic accidents using state space models

نویسندگان English

Shahriar Afandizadeh 1
Hamid Bigdeli Rad 2
1 Professor, School of Civil Engineering, Iran University of Science and Technology, Tehran, Iran.
2 Ph.D., Student, School of Civil Engineering, Iran University of Science and Technology, Tehran, Iran.
چکیده English

In this research, the state space method has been used to model traffic accidents. This model, which has both a black box section and through the acquisition of basic knowledge, parameters have been estimated. This study deals with the identification of a single input single output state space system. Modeling in state space was used in order to meet stricter restrictions on the performance of control systems, increasing complexity and ease of access to computers. The simple modeling of the complex nonlinear system of traffic accidents was one of the achievements of this method and this study. One of the advantages of this method is that it is possible to introduce a basic knowledge of the system to the model in order to increase the speed of convergence and access to the desired results. The output of the error rate shows that the error increased a little at first, but with the increase of the data, the error starts to decrease and tends to zero. Previous models by various researchers have generally dealt with black box identification methods, which, due to the lack of basic knowledge in these cases, will prolong the data processing time and not achieve proper accuracy. The presented method can predict the probability of traffic accidents with higher accuracy in a shorter period of time, so that the application of the model is more attractive for decision makers in the field of driving safety.

کلیدواژه‌ها English

"
Black Box Model"
State Space Model"
, "
Human Error Parameters"
,"
Traffic Accident Reduction"
-Abdi, A., Mosadeq, Z., & Bigdeli Rad, H. (2020). Prioritization of factors affecting suburban road safety by fuzzy hierarchical analysis. Journal of Transportation Research.
-Afandizadeh Zargari, S., Bigdeli Rad, H., & Shaker, H. (2019). Using optimization and metaheuristic method to reduce the bus headway (Case study: Qazvin Bus Routes). Quarterly Journal of Transportation Engineering, 10(4), 833-849.
-Afandizadeh, S., Aziz Jalali, D., & Bigdeli Rad, H. (2023). Optimal routing for shared autonomous vehicles feeder services in urban networks. Journal of Transportation Research.
-Afandizadeh, S., Ourmazdi Khoramshahi, S., & Bigdeli Rad, H. (2023). Evaluation of road diet strategy as one of the methods of demand management for non-motorized vehicles and pedestrians in the cities center. Road.
-Ahmed, T. T. (2019). Statistical Approaches to Crash Frequency Modelling: An overview of Poisson and Negative Binomial Models. Journal of Advances in Civil Engineering and Management, 2(3).
-Al-Hasani, G., Asaduzzaman, M., & Soliman, A. H. (2021). Geographically weighted poisson regression models with different kernels: Application to road traffic accident data. Communications in Statistics: Case Studies, Data Analysis and Applications, 7(2), 166-181.
-Ameri, A., Bigdeli Rad, H., Shaker, H., & Ameri, M. (2021). Cellular Transmission and Optimization Model Development to Determine the Distances between Variable Message Signs. Journal of Transportation Infrastructure Engineering, 7(1), 1-16.
-Bigdeli Rad V, Najafpour H, Shieh E, Bigdeli Rad H. Questionnaire Design: Relation of Physical Activity and Safety. Iust 2019 Jun 10; 29(1):113-123.
-Brunot, M., Janot, A., & Carrillo, F. (2017). State space estimation method for the identification of an industrial robot arm. IFAC-PapersOnLine, 50(1), 9815-9820.
-Dechsupa, C., Vatanawood, W., & Thongtak, A. (2019). Hierarchical verification for the BPMN design model using state space analysis. IEEE Access, 7, 16795-16815.
-Du, L., Goerlandt, F., & Kujala, P. (2020). Review and analysis of methods for assessing maritime waterway risk based on non-accident critical events detected from AIS data. Reliability Engineering & System Safety, 200, 106933.
-Hajisoleimani, M. M., Abdi, A., & Bigdeli Rad, H. (2021). Intermodal Non-Motorized Transportation Mode Choice; Case Study: Qazvin City. Space Ontology International Journal, 10(3), 31-46.
-Huang, Z., Liu, F., & Su, H. (2019). Mapping state space using landmarks for universal goal reaching. Advances in Neural Information Processing Systems, 32.
-Khattak, M. W., Pirdavani, A., De Winne, P., Brijs, T., & De Backer, H. (2021). Estimation of safety performance functions for urban intersections using various functional forms of the negative binomial regression model and a generalized Poisson regression model. Accident Analysis & Prevention, 151, 105964.
-Oudani, M. (2021). A simulated annealing algorithm for intermodal transportation on incomplete networks. Applied Sciences, 11(10), 4467.
-Rad, V. B., Najafpour, H., Ngah, I., Shieh, E., Rashvand, P., & Rad, H. B. (2015). What Are The Safety Factors Associating with Physical Activity in Urban Neighborhoods?
(A Systematic Review). J. Appl. Environ. Biol. Sci, 5(3), 259-266.
  -Santoso, G. P., & Maulina, D. (2019). Human Error in Traffic Accidents: Differences between Car Driver and Motorcyclist Experiences. Psychological Research on Urban Society, 2(2), 12.
-Vikram, V., Laybourn, I., Li, A., Nair, N., OBrien, K., Sanna, R., & Padhye, R. (2023, July). Guiding Greybox Fuzzing with Mutation Testing. In Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis, 929-941.
-Yalnız, G., Hof, B., & Budanur, N. B. (2021). Coarse graining the state space of a turbulent flow using periodic orbits. Physical Review Letters, 126(24), 244502.
-Yue, T., Wang, P., Tang, Y., Wang, E., Yu, B., Lu, K., & Zhou, X. (2020). {EcoFuzz}: Adaptive {Energy-Saving} greybox fuzzing as a variant of the adversarial {Multi-Armed} bandit. In 29th USENIX Security Symposium (USENIX Security 20),  2307-2324.
-Zhang, Y., Jing, L., Sun, C., Fang, J., & Feng, Y. (2019). Human factors related to major road traffic accidents in China. Traffic Injury Prevention, 20(8), 796-800.
-Zheng, Y., Davanian, A., Yin, H., Song, C., Zhu, H., & Sun, L. (2019). {FIRM-AFL}:{High-Throughput} greybox fuzzing of {IoT} firmware via augmented process emulation. In 28th USENIX Security Symposium (USENIX Security 19)­,
1099-1114.
پژوهشنامه حمل و نقل
دوره 23، شماره 3
پاییز 1405
صفحه 31-48