یک چشم انداره تجزیه و تحلیل تصادف ترافیک با استفاده از تکنیک های داده کاوی

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک چشم انداره تجزیه و تحلیل تصادف ترافیک با استفاده از تکنیک های داده کاوی

عنوان لاتین

A Perspective Analysis of Traffic Accident using Data Mining Techniques

داده کاوی گرفتن الگوهای پنهان از پایگاه داده بزرگ است. این است که معمولا در یک بازاریابی، نظارت، تشخیص تقلب و کشف علمی مورد استفاده قرار می گیرد. در داده کاوی، یادگیری ماشین عمدتا به عنوان پژوهشی است که به طور خودکار یاد می گیرد الگوهای پیچیده و تصمیم گیری هوشمند را بر اساس داده های متمرکز شده تشخیص دهد. امروزه تصادفات از علل عمده مرگ و میر و صدمات در این جهان است. الگوهای جاده در توسعه سیاست کنترل ایمنی ترافیک مفید می باشد. در این مقاله به برخی از مدل های طبقه بندی برای پیش بینی شدت آسیب که در تصادفات رخ داده است می پردازیم. من طبقه بندی نیوی بیزی ، طبقه بندی AdaBoostM1 متا، طبقه بندی قانون PART، تصمیم گیری J48 طبقه بندی درخت و طبقه بندی جنگل تصادفی درخت برای طبقه بندی نوع و شدت آسیب تصادفات مختلف مقایسه کرده ام. نتیجه نهایی نشان می دهد که جنگل تصادفی بهتر از چهار الگوریتم دیگر است.

Data Mining is taking out of hidden patterns from huge database. It is commonly used in a marketing, surveillance, fraud detection and scientific discovery. In data mining, machine learning is mainly focused as research which is automatically learnt to recognize complex patterns and make intelligent decisions based on data. Nowadays traffic accidents are the major causes of death and injuries in this world. Roadway patterns are useful in the development of traffic safety control policy. This paper deals with the some of classification models to predict the severity of injury that occurred during traffic accidents. I have compared Naive Bayes Bayesian classifier, AdaBoostM1 Meta classifier, PART Rule classifier, J48 Decision Tree classifier and Random Forest Tree classifier for classifying the type of injury severity of various traffic accidents. The final result shows that the Random Forest outperforms than other four algorithms