Journal of Health Administration

fa پیش بینی حوادث ترافیکی بر اساس وضعیت آب‌وهوا در استان گیلان با استفاده از شبکه عصبی مصنوعی Prediction of traffic accidents based on weather conditions in Gilan province using artificial neural network مدیریت اطلاعات سلامت Health Information Management پژوهشي Research مقدمه: حوادث ترافیکی یکی از دلایل اصلی مرگومیر در سراسر جهان از جمله ایران محسوب می شود. عوامل متعددی در بروز حوادث ترافیکی نقش دارند که با استفاده از مدلهای مختلف میتوان این عوامل را شناسایی و بروز حوادث ترافیکی را پیشبینی کرد. هدف این مطالعه پیشبینی حوادث ترافیکی بر اساس وضعیت آب‌وهوا با استفاده از شبکه عصبی مصنوعی می‌باشد. روش ها: پژوهش حاضر به روش کمی بین سالهای 1393 تا 1396 انجام شد که دادههای ترافیکی طی با استفاده از شبکه پرسپترون چندلایه بررسی شد. متغیرهای ورودی شبکه شامل حداقل دما، میانگین دما، متوسط بارش، حداکثر سرعت باد، یخبندان، فشار هوا، غلظت مه و متغیر خروجی نیز تعداد تصادفات در محیط موردمطالعه بود. یافته ها: شبکه طراحی‌شده، با هفت نورون در لایه ورودی، چهار نورون در لایه میانی و یک نورون در لایه خروجی با تابع بهینهسازی لونبرگ-مارکواردت و تابع انتقال تانژانت سیگموئید در لایه میانی و تابع انتقال خطی در لایه خروجی به‌عنوان شبکه بهینه انتخاب شد. یافتهها نشان داد که شبکه طراحی‌شده با ضریب همبستگی (R= 0.90) و میانگین مربع خطا (MSE= 0.01) توانایی بالایی در پیشبینی حوادث ترافیکی دارد. نتیجه‌گیری: با توجه به اهمیت پیشبینی حوادث ترافیکی و نقش آن جهت ارتقای سلامت افراد جامعه، نتایج حاصل از این مطالعه میتواند جهت گسترش اقدامات پیشگیرانه مؤثرتر برای سیاست‌گذاران و محققان قابل‌استفاده باشد. با توجه به نتایج بدست آمده شبکه عصبی کارایی خوبی برای پیش‌بینی کوتاه‌مدت جریان ترافیک از خود نشان داده است. Introduction: Road traffic accidents are one of the leading causes of death worldwide, including Iran. There are several factors involved in the occurrence of them; using different models, these factors can be identified and the occurrence of road traffic accidents can be predicted. The purpose of this study was to predict road traffic accidents based on weather conditions using artificial neural network model. Methods: In the present study, traffic data during the years 2014 to 2017, were examined using a multilayer perceptron network. Network input variables included minimum temperature, average temperature, average rainfall, maximum wind speed, glaciation, air pressure, fog concentration and output variable was the number of accidents. Results: The designed network with seven neurons in the input layer, four neurons in the middle layer, and one neuron in the output layer with Lunberg-Marquardt optimization function and sigmoid tangent transfer function in the middle layer and linear transmission function in the output layer was selected as the optimal network. The results showed that the designed network with the correlation coefficient of 0.90 and mean square error of 0.01 has a high ability to predict road traffic accidents. Conclusion: The results showed that the artificial neural network has a good performance for predicting road traffic accidents. Given the importance of predicting road traffic accidents and its role in promoting the health of people in such accidents, the results of this study can be used to expand more effective preventive measures for policy makers and researchers. پیش بینی, حوادث ترافیکی, شبکه عصبی مصنوعی, سلامت در بلایا, مدیریت سلامت Forecasting, Traffic Accidents, Artificial Neural Network, Disaster Health, Health Management 67 78 http://jha.iums.ac.ir/browse.php?a_code=A-10-3548-2&slc_lang=fa&sid=1 Shandiz Moslehi شاندیز مصلحی moslehi.sh@iums.ac.ir 11200319475328460026946 0000000330990626 No Assistant Professor, Department of Health in Disasters and Emergencies, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran. استادیار، گروه سلامت در بلایا و فوریت ها، دانشکده مدیریت و اطلاع‌رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران Arsalan Gholami ارسلان غلامی gholamihe@gmail.com 11200319475328460026947 0000000291635057 No M.Sc, Health Management and Economics Research Center,Health Management Research Institute, Iran University of Medical Sciences, Tehran, Iran. کارشناس ارشد، مرکز تحقیقات علوم مدیریت و اقتصاد سلامت، پژوهشکده مدیریت سلامت، دانشگاه علوم پزشکی ایران، تهران Zahra Haghdoust زهرا حق دوست Haghdoust.z@tak.iums.ac.ir 11200319475328460026948 0000000207403422 Yes Ph.D Student, Department of Health in Disasters and Emergencies, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran. دانشجوی دکتری، گروه سلامت در بلایا و فوریت ها، دانشکده مدیریت و اطلاع‌رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران Hosein Abed حسین عابد haghdoostzahra@yahoo.com 11200319475328460026949 0000000278718253 No M.Sc,Meteorological Research Center, General Meteorological Department of Gilan Province, Gilan, Iran. کارشناس ارشد، مرکز تحقیقات هواشناسی، اداره کل هواشناسی استان گیلان، گیلان Saman Mohammadpour سامان محمدپور samanmohammadpour90@gmail.com 11200319475328460026950 0000000260429154 No Ph.D Student, Department of Health Information Management and Technology, School of Paramedical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran. دانشجوی دکتری،گروه مدیریت و فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران Mohammad Ashkan Moslehi محمداشکان مصلحی ashkanmoslehi@gmail.com 11200319475328460026951 000000020019586X No Assistant Professor, Department of Pediatrics, School of Medicine, Shiraz University of Medical Sciences, Shiraz, Iran. استادیار، گروه کودکان، دانشکده پزشکی، دانشگاه علوم پزشکی شیراز، شیراز