Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Publikacje
Pomoc (F2)
[23665] Artykuł:

Analiza typologiczna wypadków drogowych z wykorzystaniem sztucznej sieci neuronowej Kohonena

(Typological analysis of road crashes using the Kohonen artificial neural network)
Czasopismo: Drogownictwo   Zeszyt: 10, Strony: 333-339
ISSN:  0012-6357
Opublikowano: 2012
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Procent
udziału
Liczba
punktów
Marzena Nowakowska orcid logoWZiMKKatedra Informatyki i Matematyki Stosowanej**1005.00  

Grupa MNiSW:  Publikacja w recenzowanym czasopiśmie wymienionym w wykazie ministra MNiSzW (część B)
Punkty MNiSW: 5


Web of Science LogoYADDA/CEON    
Słowa kluczowe:

wypadki drogowe  cechy drogi  cechy zagrożenia  grupowanie pojęciowe  mapy Kohonena  profilowanie wypadków drogowych 


Keywords:

traffic accidents  road characteristics  threat features  conceptual grouping  Kohonen maps  road accident profiling 



Streszczenie:

W artykule zaprezentowano wyodrębnienie wzorców wypadków drogowych na podstawie cech drogi i jej otoczenia w miejscu zdarzenia oraz cech zagrożenia wyrażonych przez zachowanie sprawcy, rodzaj zdarzenia oraz status wypadku. Analizowane dane poddano wielowymiarowej segmentacji wykorzystując metodę silnie skorelowaną z techniką komputerową jaką jest sztuczna sieć neuronowa bez nauczyciela - mapa Kohonena w wersji uczenia sekwencyjnego. Analiza typologiczna wypadków z udziałem jednego pojazdu wskazuje na istnienie wyraźnie wyodrębnionych wzorców wypadkowych. Najważniejszym atrybutem mającym znaczenie w procesie wyodrębniania tych wzorców jest status wypadku (cecha zagrożenia).




Abstract:

The objective of the paper is the identification of accident patterns. The patterns are defined on the basis of both road characteristics in the accident location and traffic safety threat features that describe the roadway hazard, i.e. driver's behaviour, accident type, and accident severity. The analysed data were subject to multivariate segmentation by means of a method that is strongly connected with computer techniques, This is unsupervised artificial neural network - the Kohonen map in the version of sequential learning. The single-vehicle road accident typology analysis made it possible to identify distinct accident patterns. The analysis indicates that accident severity plays the most important role in the road accident profiling tasks.



B   I   B   L   I   O   G   R   A   F   I   A
1. G. Bebyn, Metoda szacowania liczby zdarzeń drogowych na sieci dróg miejskich. Rozprawa doktorska na Wydziale Budownictwa i Inżynierii Lądowej Akademii Techniczno-Rolniczej w Bydgoszczy, Bydgoszcz 2004
2. G. Bebyn, J. Chmielewski, T. Szczuraszek, Method for risk assessment on newly-designed and reconstructed elements of municipal road network. Archives of Transport, 3, 2005
3. M. Budzyński, W. Kustra, Analiza zagrożeń na jednorodnych odcinkach dróg. Drogownictwo, 4, 2012
4. D. Delen, R. Sharda, M. Bessonov, Identifying significant predictors of injury severity in traffic accidents using a series of artificial neural networks. Accident Analysis and Prevention, 38, 2006
5. S. Gaca, Regression models of accidents and accident rates. Archives of Transport, 3, 2002
6. S. Gaca, Regresyjne modele predykcji wypadków na odcinkach dróg i ulic. XLVIII Konferencja Naukowa Komitetu Inżynierii Lądowej i Wodnej PAN i Komitetu Nauki PZITB "Krynica 2002", tom 4, Opole - Krynica, 15-20 września, 2002
7. S. Gaca, Badania prędkości pojazdów i jej wpływu na bezpieczeństwo ruchu drogowego. Zeszyty Naukowe Politechniki Krakowskiej, nr 75, Inżynieria Lądowa, Kraków 2002
8. S. Gaca, Zagrożenia bezpieczeństwa ruchu drogowego i możliwości ich eliminacji na przejściach drogowych przez miejscowości, Drogownictwo, 12, 2005
9. P. Guidici, Applied Data Mining. Statistical Methods for Business and Industry. John Wiley & Sons Ltd., Chichester 2003
10. K. Jamroz, Rozwój społeczno-gospodarczy głównym uwarunkowaniem bezpieczeństwa ruchu drogowego. Transport Miejski i Regionalny, 4, 2012
11. M. Kantardzic, Data Mining. Concepts, Models, Methods, and Algorithms. IEEE Press and WILEY-INTERSCIENCE, JohnWiley & Sons Inc., 2003
12. M. Kieć, Wpływ dostępności do dróg na warunki i bezpieczeństwo ruchu. Rozprawa doktorska na Wydziale Inżynierii Lądowej Politechniki Krakowskiej, Kraków 2009
13. M. Kieć, Badania czynników wpływających na bezpieczeństwo ruchu na przejściach dróg tranzytowych przez miejscowości, Drogownictwo, 4, 2012
14. B.A. Kierus-Gogacz, Badania wpływu otoczenia drogi na bezpieczeństwo ruchu drogowego. VII Międzynarodowe Seminarium Bezpieczeństwa Ruchu Drogowego GAMBIT 2008, Gdańsk, 23-25 kwietnia, 2008
15. T. Kohonen , How many kinds of Kohonen network exists? And what is k-means?. SAS FAQ pages, USA, ftp://ftp.sas.com/pub/neural/FAQ.html#A_Kohonen, dostęp: 2010-07-07
16. T. Kohonen, The Self-Organizing Map (SOM). Finland, http://www.cis.hut.fi/somtoolbox/theory/somalgorithm.shtml, dostęp: 2010-07-07
17. J. Korbicz, A. Obuchowicz, D. Uciński, Sztuczne Sieci Neuronowe. Podstawy i Zastosowania. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994
18. M. Krzyśko, W. Wołyński, T. Górecki, M. Skorzybut, Systemy uczące się, rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości. Wydawnictwa Naukowo-Techniczne, Warszawa 2008
19. D.T. Larose, Odkrywanie wiedzy z danych. Wydawnictwo Naukowe PWN, Warszawa 2006
20. H. Major, M. Nowakowska, Cause-effect relationships of road incidents using decision tree method, ARCHIVES OF CIVIL ENGINEERING, LII, 3, Warszawa 2006
21. M. Nowakowska, Identyfying similarities and dissimilarities among road accident patterns. "Transportation and Traffic Theory in the 21st Century". 15-th International Symposium on Transportation and Traffic Theory. Edited by Michael A P Taylor, Pergamon (Elsevier Science), Amsterdam, Lausanne, New York, Oxford, Shannon, Singapore, Tokyo, 2002
22. M. Nowakowska, Związki przyczynowo-skutkowe wypadków drogowych. Drogownictwo, 3, 2008
23. M. Nowakowska, Wypadki drogowe: mity czy rzeczywistość. VI Międzynarodowe Seminarium Bezpieczeństwa Ruchu Drogowego GAMBIT 2008: "Badania bezpieczeństwa transportu - czas na integrację", wydawca: Fundacja Rozwoju Inżynierii Lądowej, Gdańsk, 23-25 kwietnia 2008
24. M. Nowakowska, Metody identyfikacji czynników drogi wpływających na ciężkość wypadku drogowego. Logistyka, 6, Listopad-Grudzień 2009, referat na płycie CD załączonej do czasopisma
25. M. Nowakowska, Finding threat patterns in the interaction between road transportation and pedestrian traffic using market basket analysis. Monografie Zespołu Systemów Eksploatacji PROBLEMS OF MAINTENANCE OF SUSTAINABLE TECHNOLOGICAL SYSTEMS, Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne, Tom II, Warszawa 2010
26. M. Nowakowska, Klasyfikator statystyczny do modelowania ciężkości wypadku między pojazdami na drogach zamiejskich. Drogi - lądowe, powietrzne, wodne, 4, 2010
27. M. Nowakowska, Logistic models in the crash severity classification on the basis of chosen road characteristics. Transportation Research Record, Journal of the Transportation Research Board, no. 2148, Highway Safety Data, Analysis, and Evaluation 2010, Volume 2, Washington D.C., 2010
28. M. Nowakowska, Random forests in the evaluation of threat for pedestrian accidents in towns. 24th ICTCT Workshop on Traffic safety management: tackling the problems in urban areas and at other hot spots", Warszawa, 27-28 October, 2011. Pen Drive proceedings and Internet publication
29. M. Nowakowska, Road traffic accident patterns: a conceptual grouping approach to evaluate crash clusters. Archives of Transport, Vol. 24, Iss. 1, Warsaw 2012
30. S. Osowski, Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
31. T. Szczuraszek, M. Obłuj, M. Stanek, Badania wpływu wybranych cech drogi i ruchu na liczbę zdarzeń drogowych w polskich miastach, Transport Miejski i Regionalny, 3, 2007