مدل سازی شبکه مبنای تصادفات جرحی عابر پیاده به کمک شبکه عصبی در محیط GIS (مطالعه ی موردی: شهر مشهد)

در این مقاله با در نظر گرفتن 23 پارامتر مؤثر بر تصادفات جرحی عابر پیاده شهر مشهد (در چهار گروه) در سال‌های 1391 تا 1393 و آماده­سازی لایه­های رستری لازم در محیط GIS، تأثیر هر یک از آن­ها در قالب ارزیابی عملکرد شبکه عصبی پرسپترون چندلایه، اولویت­بندی گردید. در اغلب تحقیقات انجام‌شده، مدل‌سازی بردار مبنا مدنظر قرار گرفته و به انعطاف‌پذیری و دقت پیش‌بینی رستر مبنای تصادفات در راستای تعیین تأثیر مکانی پارامترها توجهی نشده است. در مقاله پیش ­رو علاوه بر در نظر گرفتن متغیرهای رایج، متغیرهای فرم شهری و جمعیتی-اجتماعی نیز لحاظ شدند و 38 متغیر مستقلاز چهار حوزة مختلف به‌طور همزمان ارزیابی گردیدند. به این ترتیب که با انجام پردازش‌های مکانی-آماری، ابتدا داده‌های رستری ورودی با ابعاد 20*20 متر در یک پایگاه داده مکانی آماده‌سازی و به‌منظور پیاده­سازی مدل شبکه عصبی پرسپترون چند لایه، در محیط برنامه‌نویسی MATLAB فراخوانی شدند. در ادامه، مجموعة داده‌های رستری شامل 111537 پیکسل تحلیل شده و با تغییر تعداد نورون­ها، تعداد لایه­ها، توابع انتقال، توابع آموزش و ترکیب­های متفاوت آموزشی و آزمون، 25 طرح مختلف شبکه عصبی به کمک پارامترهای MSE و  ارزیابی گردیدند. نتایج حاکی از آن است که بهترین مدل با 0/95  و  MSE=0/0020در بیان ارتباط تعداد تصادفات جرحی عابر پیاده درون­شهری و پارامترهای مرتبط با آن بسیار کارآمد و دقیق عمل نموده است. با پیاده­سازی مدل مذکور در محدوده مطالعاتی شهر مشهد، مشخص گردید که پارامترهای تراکم خالص مسکونی در نواحی شهرداری،‌ بافت ارگانیک ­شهری و طبقة اول منزلت اجتماعی به ترتیب دارای بیشترین تأثیر و پارامترهای عرض پیاده­روی بالای 10 متر، معابر شریانی درجه دو اصلی و طبقه سوم منزلت اجتماعی به ترتیب دارای کمترین تأثیر در تصادفات عابر پیاده هستند.