خوشه بندی اطلاعات پلیس به هدف پیشگیری از حوادث ترافیکی

از مهم ترین مولفه های تأثیرگذار در پیشگیری از حوادث ترافیکی، رعایت قوانین و مقررات ترافیکی می-باشد. سهم نقض قوانین ترافیکی در میزان مرگ و میر در کشورهای جهان نیز موید این موضوع می باشد. لذا به روز کردن و بهبود مستمر قوانین ترافیکی نکته اساسی برای نهادینه شدن و اجرای آن می باشد. تا فرصتهای ارزشمندی را برای کاهش تخلف ایجاد نماید. ساماندهی داده های حوادث ترافیکی و نقض قوانین راهنمایی و رانندگی یکی از عملکردهای مهم پلیس می-باشد، که زمینه را برای استفاده از ابزارهای پیشرفته تجزیه و تحلیل فراهم نموده است، تا بتوان سیاست های کنترل حوادث ترافیکی را تغییر داده و با تقویت برنامه های پیشگیرانه، نرخ مرگ و میر را در جامعه کاهش داد. تحقیق حاضر با ترکیب تحقیق پیمایشی و استفاده از نظریه های مطرح در پیشگیری از جرائم و حوادث ترافیکی و تکنیک های توصیفی کشف دانش در پایگاه داده، به تحلیل عوامل موثر در وقوع حوادث ترافیکی می پردازد. سپس با مدل پیشنهادی پیشگیری از حوادث ترافیکی، که مبتنی بر مشخصات دموگرافیک، رفتار رانندگی، ایمنی وسیله نقلیه و عوامل محیطی می باشد، اطلاعات حوادث ترافیکی و نقض قوانین و مقررات رانندگی را خوشه بندی می نماید. نتایج نشان می دهد که "عدم رعایت فاصله مناسب با وسیله نقلیه" از مهمترین تخلفات می باشد. همچنین از عوامل میانی حوادث، عوامل انسانی مانند خستگی و خواب آلودگی با احتمال 80 درصد و مصرف مشروبات الکلی و بی توجهی به مقررات با احتمال76 درصد در حوادث خسارتی درون شهری، نقش مهمی را داشته اند. در حوادث برون شهری "سبقت غیر مجاز"، "تخطی از سرعت مطمئنه" و "عیب و نقص فنی موثر وسیله نقلیه" از بیشترین تخلفات بوده است که با الگوریتم های پیش بینی استخراج شده است. اعتبار خوشه های بدست آمده با محاسبه شاخص سیلوئت و قواعد استخراج شده نیز، با آزمودن آن بر روی داده-های آزمون، به کمک شاخص های خطای کلی مورد سنجش قرار گرفت، تا با بهبود شناسایی تخلفات حادثه ساز و عوامل میانی حوادث، طرحهای ترافیکی، عملیاتی و اجرایی موثری را به منظور بهبود عملکرد پلیس در زمینه پیشگیری از حوادث ترافیکی تدوین نمود.