METODOLOJİ
DPS Veritabanı Analizi
Nicel kaza sıklığı analizine yalnızca birkaçı dahil edilmiş olsa da, kaza oranını etkileyen parametreler olarak çeşitli değişkenler tanımlanmıştır. Bu belgede dört parametre kategorisi ele alınacaktır: araç konfigürasyonu, operasyonel yönler, çevresel yönler ve yol koşulları. Kaza oranının değerlendirilmesi için dikkate alınan parametreler, Şekil 1’de bu dört kategori ile gösterilmektedir.
Herhangi bir eyaletteki otomobil kazası istatistiklerinin birincil kaynağı, soruşturma görevlisi tarafından sunulan raporlardır. Teksas’ta bu form Texas Peace Offer’s Accident Report veya “ST-3” olarak bilinir. Bu formda toplanan bilgiler arasında olaya karışan kişilerin kimlikleri, araç bilgileri, kazanın yeri ve yol koşulları yer alır.
Bildirilen kaza dosyalarının toplanmasına genellikle DPS kaza veri tabanı denir. Tablo 1, US 290 karayolu için DPS kaza veritabanı kayıtlarının bir parçasının bir örneğidir. Her değişken için verilerin sayısal değerler olmadığı gösterilmiştir; parametreler, dilsel değişkenlerle ilişkilendirilebilecek sayısal sınıflar olarak ifade edilir. Örneğin, “yüzey koşulu” (SURF-CON) değişkeninin dört dilsel değeri vardır: 1=kuru, 2=ıslak, 3=çamurlu ve 4=karlı/buzlu.
DPS veri tabanındaki bilgilerin tümü kaza sıklığı değerlendirmesi için yararlı değildir ve DPS veri tabanında bulunan tüm parametreler de (Şekil 1’de listelenmiştir) değildir. DPS veri tabanında mevcut olan ve olmayan parametreler Şekil 2’de gösterilmiştir.
DPS veritabanında bazı vazgeçilmez değişkenler bulunmadığından, aşağıdaki iki adımda kaza oranını değerlendirmemiz gerekir: 1) DPS veritabanına tüm bu parametreleri dahil ederek temel kaza oranını elde etmek; 2) veri tabanında mevcut olmayan parametreleri dahil ederek temel kaza oranını değiştirin.
TSK bulanık modeli ile temel kaza numarası analizi
Şekil 2’de gösterildiği gibi, veri tabanında temel kaza değerlendirmesine dahil edilecek on bir parametre mevcuttur. “Yol sınıfının” tüm yollar için aynı olduğunu belirtmekte fayda var, bu nedenle belirli yolların kaza verileri kullanılırken etkisi artık dikkate alınmayacaktır.
Diğer on parametre, temel kaza oranını elde etmek için modelimizin girdi verileri olarak hizmet edecektir: “Yolun bir kısmı” ( XI ), “Yüzey durumu” ( XS , “Hizalama”(xj), “Nüfus grubu” (xq), “Hava Durumu” (xs), “Monthofyear” (xg), “Haftanın Günü” (xd, “Günün Zamanı” (&), “Araç Tipi” (xg) ve “Kamyon Gövde Tipi” (XIO).
Belirli koşullar altında kaç kaza (y) meydana geldiğini numaralandırmak için Microsoft Veritabanı, Microsoft Excel veya diğer araçlara ihtiyaç vardır. Numaralandırma sonuçları aşağıdaki gibi kurallarla ifade edilir:
- fx1isA11,x2isA12,…,XIOisAI10, thenyisCI,
- xI, A21 ise, x2, A22’dir, …,x10, A210’dur, o zaman y, C2’dir,
- x1 Arl ise, x2 Ar2’dir, …,XIO Arlo’dur, o zaman y C’dir.
Bu format, TSK model kurulumu için ihtiyaç duyulan şeydir; kaza durumunu tanımlayan dokuz girdi değişkeni ve öncül koşul altında meydana gelen kazaların sayısını gösteren bir çıktı.
Veritabanı ihtiyaç analizi nedir
Veri tabanı ihtiyaç analizi Staj Defteri
Veritabanı tasarımı Aşamaları
Veri tabanında Sorgu yapmak
Veritabanı tasarımı nedir
Veritabanı ihtiyaç analizi örnekleri
Veri Tabanı ihtiyaç Analizi Megep
Veri Tabanı Tasarımı
TSK modeli için girdi verilerini elde ettikten sonra ANFISEDIT, model tanımlamasını bitirmemize yardımcı olabilir. ANFIS, girdi özelliklerini girdi üyelik fonksiyonlarına, girdi üyelik fonksiyonunu kurallara, kuralları bir dizi çıktı özelliklerine, çıktı özelliklerini çıktı üyelik fonksiyonlarına ve çıktı üyelik fonksiyonunu tek değerli bir çıktıya veya bunlarla ilişkili bir karara eşleyen bir modeldir. çıktı[10]. Her bir girdi verisi için üyelik fonksiyonunun tipi ve sayısı “veri eğitim verisi” sürecinde değiştirilebilir.
TSK modelinin tanımlanmasından sonra, bu on öncül değişken tarafından tanımlanan herhangi bir taşıma koşuluna karşılık gelen kaza sayısı (N (Xli, xzj.., Xlor)) modelden türetilebilir.
Gönderi verilerinin değerlendirilmesi ve değerlendirilmesi
Kaza sıklığı, kaza sayısını, bu kazaların meydana gelme fırsatlarının karşılık gelen maruz kalma ölçüsüne, yani araç-mil sayısına bölerek hesaplandığından, temel kaza sıklığını değerlendirmek için kat edilen mil verilerine ihtiyaç vardır. Nakliyeye maruz kalma verileri, 1993 Emtia Akış Anketi (CFS), 1997 CFS [ l l ], devlet ulaştırma enstitülerinin kayıtlarından veya diğer kaynaklardan elde edilebilir.
Bununla birlikte, yukarıda bahsedilen maruziyet verileri ne olursa olsun, şu anda bu iki veri türü ilgili faktörler tarafından ayrıştırılamadığından, sınırlamalar her zaman mevcuttur. Bu uyumsuzluk nedeniyle, pay ve payda için karşılık gelen değerleri elde etmek için varsayımlar veya düzeltmeler yapılmalıdır.
Bu çalışmada, daha iyi bir varsayım için 1997 CFS gibi ek kaynaklar yardımıyla devlet ulaştırma enstitüsünden alınan kayıt kullanılacaktır. Örnek olarak Texas Transportation Institute (TTI) tarafından kaydedilen verileri alın. US 290 için ayrıntılı trafik hacmi TTI veri kaynağında mevcuttur, daha sonra yol uzunluğu dahil edilerek araç-mil elde edilebilir.
Bu genel araç-mil, VM olarak ifade edilir, daha sonra XI’den x10’a kadar olan on faktöre karşılık gelen, PI, P2, …, Plo ile bu on değişkenin maruz kalma olasılıklarını ifade eden şekilde ayrıştırılması gerekir. Örneğin, DPS kaza veri tabanında yedi dilsel değeri olan “hava” (xs) parametresinin olasılıklarını elde etmek için l=açık, 2=yağmur, 3=kar yağışı, &sis, 5=toz esiyor , 6=duman ve 7=diğer.
Hava durumu olanakları, hava durumu ajanslarından alınabilir. Bu nedenle hava durumu parametresi, P51, PSI, …, P57 için tüm olanaklar mevcuttur. Diğer parametrelerin olasılıkları da aynı şekilde elde edilebilir. Herhangi bir koşulda maruz kalma verileri, on olasılık ile toplam araç-mil (VM) ürününün ürünü olacaktır.
Kaza sıklığı, sonunda aşağıdaki denklemle nicel olarak değerlendirilebilir:
- temel (Xli,X2je.9XlOr) =N(Xli,X2jn-9 X10r)/(M*P(Xli,X2j.*, XlOr))
Bulanık Mamdani modeli ile temel kaza numarasının modifikasyonu
Şekil 2’de gösterildiği gibi, temel kaza oranını değiştirmek için altı parametrenin dikkate alınması gerekir. y1 ve y2 değişkenleri “yol modu” değişkeni olarak kapsamlı bir şekilde analiz edilebilir. Bu değişken için tek yönlü, iki şeritli, çok şeritli bölünmemiş, çok şeritli bölünmüş ve otoyol olmak üzere beş bulanık küme dahil edilmiştir.
Trafik hacmi 0 3 ), hava durumu (xj ve/ve günün saati (xd, çünkü trafik hacmi günün belirli bir saatinde (örneğin öğlen) yüksek olma eğiliminde olduğundan) gibi DPS kaza veritabanında bulunan parametrelere dahil edilir ve aşırı şiddetli hava koşullarında düşüktür.Ancak trafik hacmi, diğer parametreleri etkilemeden kaza oranının değişmesine neden olabilir, bu nedenle burada bir değiştirici olarak dahil edilmiştir.
Değişiklik işlemi burada örnek olarak sürücü deneyimi parametresi kullanılarak gösterilmektedir. Şekil 3’te gösterildiği gibi, bu değişkeni ifade etmek için acemi, orta ve deneyimli olmak üzere üç bulanık küme kullanılmıştır. Ölçek, 0’dan 4’e kadar olup, 0, sürüş deneyimi olmayan sürücüleri ifade eder ve 40 veya daha fazla sürüş deneyimi olan 4 ifade eden sürücüleri ifade eder.
“Sürücü deneyimi değiştirici değişkeni(fs)düşük, orta ve yüksek olmak üzere üç bulanık küme içerir. Ölçek 0’dan 2’ye, yani tamamen güvenliden aşırı tehlikeliye doğru.
O zaman kuralları şu şekilde ayarlanır:
Sürücü deneyimi acemiyse, sürücü deneyimi değiştiricisi yüksektir,
Sürüş deneyimi orta düzeydeyse, sürücü deneyimi değiştiricisi orta düzeydedir,
Sürücü deneyimi deneyimliyse, sürücü deneyimi değiştiricisi düşüktür.
