دوره 22، شماره 3 - ( 9-1404 )                   جلد 22 شماره 3 صفحات 34-19 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ahrari V, Afshari R. Analysis of the traffic structure of the roads of Chahar Mahal and Bakhtiari province using data-mining approaches. JSDP 2025; 22 (3) : 2
URL: http://jsdp.rcisp.ac.ir/article-1-1435-fa.html
احراری وحیده، افشاری رباب. تحلیل ساختار ترافیکی جاده‌های استان چهارمحال‌وبختیاری با استفاده از رویکردهای داده‌کاوی. پردازش علائم و داده‌ها. 1404; 22 (3) :19-34

URL: http://jsdp.rcisp.ac.ir/article-1-1435-fa.html

تحلیل ساختار ترافیکی جاده‌های استان چهارمحال‌وبختیاری با استفاده از رویکردهای داده‌کاوی
وحیده احراری* ، رباب افشاری
استادیار گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه شهرکرد، شهرکرد، ایران
چکیده:   (41 مشاهده)
مدیریت ترافیک جاده‌ای یکی از چالش‌های اساسی در نظام حمل‌ونقل است که تأثیر مستقیمی بر ایمنی عمومی، بهره‌وری اقتصادی و پایداری محیط‌زیست دارد. استان چهارمحال‌وبختیاری به‌دلیل موقعیت جغرافیایی راهبردی خود، نقش مهمی در اتصال مناطق مختلف کشور ایفا می‌کند؛ ازاین‌رو، تحلیل دقیق ساختار ترافیکی جاده‌های این استان گامی ضروری برای ارتقای کیفیت برنامه‌ریزی‌ها و تصمیم‌گیری‌های مبتنی بر داده در حوزه حمل‌ونقل محسوب می‌شود. در این پژوهش، داده‌های ترددشمار جاده‌ای استان در شهریورماه ۱۴۰۲ مورد استفاده قرار گرفته‌اند. این داده‌ها شامل متغیرهای کلیدی نظیر میانگین تردد وسایل نقلیه در پنج طبقه مختلف، میزان تخلفات سرعت غیرمجاز، فاصله غیرمجاز، سبقت غیرمجاز و سرعت متوسط در محورهای جاده‌ای هستند. تحلیل داده‌ها بر پایه سه الگوریتم یادگیری بدون نظارت شامل خوشه‌بندی k - میانگین، خوشه‌بندی سلسله‌مراتبی و رمزگذار خودکار انجام شده‌است. به‌منظور ارزیابی دقت و عملکرد این الگوریتم‌ها در خوشه‌بندی محورها، از سه شاخص معتبر سیلوئت، دیویس-بولدین و کالینسکی-هاراباسز بهره گرفته شده‌است. یافته‌ها نشان می‌دهند که مدل‌های رمزگذار خودکار و خوشه‌بندی سلسله‌مراتبی در مقایسه با روش سنتی
  k -میانگین، دسته‌بندی دقیق‌تری از جاده‌ها ارائه داده و ساختار ترافیکی پنهان را بهتر آشکار می‌سازند؛ بر اساس نتایج، جاده‌های استان به دو خوشه متمایز تقسیم شده‌اند: خوشه نخست شامل محورهایی با بالاترین نرخ تردد و بیشترین میزان تخلفات سرعت و فاصله غیرمجاز است که نشانه‌ای از رفتارهای پرخطر رانندگی و ریسک بالای تصادف محسوب می‌شود؛ درحالی‌ که خوشه دوم محورهایی با الگوهای ترافیکی ایمن‌تر را در برمی‌گیرد. نوآوری اصلی این پژوهش در ترکیب هم‌زمان چند الگوریتم پیشرفته خوشه‌بندی و استفاده از شاخص‌های متنوع ارزیابی عملکرد است که موجب افزایش دقت تحلیل و استحکام نتایج شده‌است؛ افزون‌بر این، تلفیق متغیرهای فنی و رفتاری ترافیکی در یک چهارچوب داده‌محور، امکان استخراج بینش‌های عمیق‌تری از الگوهای ترافیکی را فراهم ساخته است. چهارچوب ارائه‌شده، قابلیت تعمیم به سایر مناطق کشور را دارد و می‌تواند به‌عنوان الگویی نوین در هوشمندسازی مدیریت شبکه‌های جاده‌ای به‌کار گرفته شود. پژوهش حاضر با فراهم‌سازی ابزارهای تحلیلی دقیق و عملیاتی، می‌تواند به ارتقای آگاهی تصمیم‌گیرندگان، بهینه‌سازی تخصیص منابع، طراحی استراتژی‌های ایمنی و درنهایت کاهش نرخ تصادفات منجر شود. به‌منظور تکمیل و توسعه این مسیر پژوهشی، پیشنهاد می‌شود مطالعات آتی به تحلیل‌های زمانی (فصلی)، ادغام متغیرهای انسانی، محیطی و توسعه مدل‌های پیش‌بینی ترکیبی در حوزه حمل‌ونقل بپردازند.
شماره‌ی مقاله: 2
واژه‌های کلیدی: یادگیری بدون نظارت، خوشه‌بندی، تحلیل ساختار ترافیکی، رمزگذار خودکار، سرعت غیرمجاز، فاصله غیرمجاز، استان چهارمحال‌وبختیاری.
متن کامل [PDF 1297 kb]   (22 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1403/5/9 | پذیرش: 1404/4/30 | انتشار: 1404/9/28 | انتشار الکترونیک: 1404/9/28
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.