کشف الگوهای پنهان تصادفات جاده ای با استفاده از تکنیک های داده کاوی

الگوریتم های داده کاوی در بسیاری از مسائل دسته بندی استفاده شده است . این تحقیق از انواع این الگوریتم ها برای دسته بندی شدت تصادفات جاده ای (جرحی و خسارتی ) استفاده می کند . الگوریتم های دسته بندی انفرادی مورد استفاده در این مطالعه شبکه عصبی مصنوعی ، سیستم استنباط عصبی - فازی هستند . الگوریتم های دسته بندی اشاره شده در بالا دارای مزایا و معایب مربوط به خودشان هستند و مناسب بودنشان تحت تاثیر مشخصه ها و فیلدهای مساله است . در سالهای اخیر تحقیقات زیادی بروی مدلهای ترکیبی ، به منظور دستیابی به نتایج بهتر رخ داده است . در این مطالعه از ایده ی ترکیبی خوشه بندی – دسته بندی با دو رویکرد خوشه بندی افرازی با الگوریتم کاربردی k-means و نقشه های خود سازمان (som ) برای بهبود صحت دسته بندی ، دسته بند های انفرادی استفاده شده است . مطالعه ی موردی ما بروی شدت تصادفات جاده ای در ایران ، نشان می دهد که خوشه بندی بر اساس طبقه بندی (دسته بندی ) نتیجه ی بهتری را می دهد . از دیگر اهداف مهم تحقیق ، شناسایی مشخصه های تاثیر گذار و کشف قوانین پنهان تصادفات جاده ای ایران است تا از این طریق بتوان راهکارهایی را به منظور کنترل و کاهش خسارتهای مادی و معنوی ناشی از تصادفات ارائه کرد . از اینرو از الگوریتم کارت برای شناسایی متغیر های تاثیر گذار و کشف الگوهای پنهان تصادفات در ایران استفاده گردیده است .