این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Journal of Artificial Intelligence and Data Mining، جلد ۱۲، شماره ۴، صفحات ۵۲۱-۵۳۴
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Application of Machine Learning and Metaheuristic Optimizer Algorithm for Crash Severity Prediction in the Urban Road Network
چکیده انگلیسی مقاله This paper predicts the severity of crashes based on the analysis of multiple variables and using machine learning methods. For this purpose, data related to the years 2012 to 2024 of Tempe city in the state of Arizona USA was used. Features were selected using the metaheuristic method. Then, by using decision tree and artificial neural network, the classification of the severity of crashes was carried out. Based on the metrics, decision tree with an overall accuracy of 54% was the optimal. Finally, using the permutation feature importance method, the optimal model was interpreted. The results show that the characteristics of the year with 0.22 and the spatial characteristics with 0.11 and the collision manner with 0.1 have a higher importance in predicting the severity of crashes on urban roads.
کلیدواژه‌های انگلیسی مقاله crash severity,spatiotemporal analysis,Machine learning,metaheuristic algorithm
نویسندگان مقاله Morteza Mohammadi Zanjireh |
Computer Engineering Department, Imam Khomeini International University, Qazvin, Iran

Farzad Morady |
Civil Engineering Department, Imam Khomeini International University, Qazvin, Iran

نشانی اینترنتی https://jad.shahroodut.ac.ir/article_3345_99bd75235fae9ec03a89411c5b39f5a6.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات