محمود عامری - استاد، گروه راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران ، ایران
محمدجواد زارعین - دانش آموخته کارشناسی ارشد، گروه راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر و صدمات شدید جانی و مالی بوده و آثار سنگین اجتماعی ، فرهنگی و اقتصادی آن جوامع بشری را به شدت مورد تهدید قرار داده است. از این رو شناسایی عوامل موثر بر تصادفات که منجر به کاهش فراوانی و شدت تصادفات می گردد، امری ضروری به حساب می آید. هدف از پژوهش حاضر، ایجاد مدل های آماری جهت شناسایی عوامل موثر بر شدت تصادفات در نقاط حادثه خیز یک محور حادثه خیز در حد واصل استان های گیلان و مازندران بوده تا به کمک شناسایی این عوامل به ارایه راهکار فنی جهت اصلاح و بهسازی نقاط پرداخته شود. برای این منظور در این پژوهش با گردآوری اطلاعات تصادفات نقاط پرتصادف محور برون شهری رشت-چابکسر در ۴ سال و به کمک تحلیل فراوانی و مدل سازی با استفاده از مدل رگرسیون لوجستیک (الگوی فعلی) و مدل شبکه عصبی MLP (الگوی آتی) به شناسایی عوامل موثر در تصادفات کل محور مطالعاتی پرداخته شد. سپس با کمک عوامل شناسایی شده از تحلیل ها و بررسی اشتراکات آن ها به ارایه راهکار بهسازی جهت اصلاح پرداخته شد. نتایج نشان داد از بین سه روش مورد بررسی در مدل لوجیت، روش داخل شدن با توجه به دو معیار خوبی برازش ۷۶۲/۰ و درصد صحیح ۳/۸۸ بهترین روش جهت ساخت مدل تصادفات محور مطالعاتی بوده است. استفاده از نتایج تحلیل فراوانی سبب بهبود در شناسایی عوامل موثر در نقاط حادثه خیز بوده و بکارگیری همزمان آن با مدل رگرسیون لوجستیک و شبکه عصبی موجب هم پوشانی مناسب در دستیابی به این عوامل و در نهایت ارایه راهکار بهسازی می باشد.

رگرسیون لوجستیک، شبکه عصبی (MLP)، راهکار بهسازی، نقاط حادثه خیز، ایمنی