نهج الذكاء الاصطناعي لتقدير حوادث المرور: تطوير النموذج وتطبيقه

تقترح هذه الدراسة نموذج شبكة عصبية اصطناعية (ANN) ونموذج خوارزمية وراثية (GA) لتقدير عدد الحوادث (A) والوفيات (F) والإصابات (I) في أنقرة، تركيا، من خلال الاستفادة من البيانات المجمعة بين عامي 1986 و2005. تم اختيار عدد المركبات (N) والوفيات والإصابات والحوادث والسكان (P) كمعلمات للنموذج. في نموذج ANN، تم استخدام دوال السيغمويد والخطية كدوال تنشيط مع خوارزمية التغذية الأمامية والتراجع. في نهج GA، تم تطوير شكلين من نماذج الخوارزمية الوراثية تشمل نموذج خطي ونموذج أسّي من التعبيرات الرياضية. أظهرت نتائج نموذج GA أن النموذج الأسّي كان مناسبًا لتقدير عدد الحوادث والوفيات بينما كان الشكل الخطي الأكثر ملاءمة لتوقع عدد الإصابات. تم اختيار النموذج الأكثر توافقًا مع أدنى متوسط خطأ مطلق (MAE) بين القيم المرصودة والمقدرة للتقديرات المستقبلية. أشارت مقارنة نتائج النموذج إلى أن أداء نموذج ANN كان أفضل من أداء نموذج GA. للتحقق من أداء نموذج ANN للتقديرات المستقبلية، تم استخدام فترة خمس عشرة سنة من 2006 إلى 2020 مع سيناريوهين محتملين. في السيناريو الأول، يُفترض أن معدلات النمو السنوي للسكان وعدد المركبات تكون 2.0% و7.5% على التوالي. في السيناريو الثاني، يُفترض أن متوسط عدد المركبات لكل فرد يصل إلى 0.60، مما يمثل زيادة بنحو ضعفين ونصف في خمس عشرة سنة. تكشف النتائج المستمدة من كلا السيناريوهين ملاءمة الأساليب الحالية لتطبيقات السلامة على الطرق.