تصادفات یکپدیده چندعلتی است و نمیتوان با درنظرگرفتن عواملیخاصآنرا به طور کامل کنترل و دردست گرفت. یکی از مهمترین عوامل موثر در
اولویتبندی معابر پرخطر(تصادفخیز) شهری برای عابرانپیاده، عوامل محیطی وقوع تصادف است که تاکنون در روشهای موجود به طور جامع درنظر گرفته نشده است.
اولویتبندی این معابر را نمیتوان بدون درنظرگرفتن و استفاده از آمار و اطلاعات وضع موجود، از ترکیبهای خطی و مدلهای ساده ریاضی مورد بررسی قرار داد و تصمیم گیری درباره انتخاب معابر پرخطر را دچار مشکل میکند. در این تحقیق با ارائهی روش مشاهدهای با استفاده از شبکههای عصبی مصنوعی، مدلی جدید به منظور اولویت بندی
معابر پرخطر شهری با محوریت عابرانپیاده ارائه میشود. در این روش، معابر شهری مذکور با در نظر گرفتن همزمان پارامترهای هندسی، ترافیکی و کنترلی با استفاده از یکمدل ارائه شده با شبکه های عصبی مصنوعی و آمار و اطلاعات تصادفات عابرینپیاده به عنوان مدل
پیشبینی و به دنبال آن استفاده از دادههای تصادفات و خطرپذیری معابر به عنوان مدل اولویت- بندی ارائه شده است. از عوامل موثر در تولید این مدل میتوان به طول معابر، عرضمعابر، عرضپیادهروها، پارک حاشیهای معابر، عرضمیانه معبر، محدودیت سرعت معبر، روشنایی معابر، کیفیت رویهی آسفالتمعابر، میزان تفکیکسوارهرو و پیادهرو، کاربری اطراف معابر، میزان حضور پلیسدر معابر، میزان تناسب سرعت با کاربری در معابر، تناسب گذرگاههای عرضی و شیبمعابر اشاره کرد. استفاده از مدل ارائه شده با فاکتورهای ذکر شده در این تحقیق، دقت و کارایی فرآیند
اولویتبندی معابر پرخطر شهری برای عابرانپیاده،با استفاده از آمار و اطلاعات تصادفات به مقدار قابل توجهی افزایش میدهد و در ادامه این مدل توسط روشتحلیل سلسله مراتبی مورد اعتبارسنجی قرار گرفت.