مدل سازی شدت تصادفات وسایل نقلیه با عابرپیاده با استفاده از رگرسیون لجستیک چندگانه
Publish place: TRAFFIC MANAGEMENT STUDIES، Vol: 17، Issue: 3
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 40
This Paper With 34 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TMSJR-17-3_001
تاریخ نمایه سازی: 14 بهمن 1402
Abstract:
زمینه و هدف: با افزایش تعداد تصادفات رانندگی در سطح جهان، ایمنی ترافیک به یک موضوع مهم عمومی تبدیل شده است. تصادفات با عابرپیاده در مقایسه با انواع دیگر تصادفات، سطح شدت بالاتری دارد. از این رو بایستی عوامل بالقوه تاثیرگذار بر سطوح مختلف شدت این نوع تصادفات شناسایی شود تا اقداماتی متناسب با هر یک از عوامل صورت گیرد.روش: در این مقاله از مدل رگرسیون لجستیک چندگانه (MNL) برای شناسایی عوامل موثر در شدت تصادف وسایل نقلیه با عابرپیاده استفاده شده است. داده های تصادفات عابرپیاده سامانه اطلاعات ایمنی راه (HSIS) ایالت کالیفرنیا از سال ۲۰۱۵ تا ۲۰۱۷ در این مقاله مورد استفاده قرار گرفته است. شدت آسیب با استفاده از مقیاس KABCO تعریف شده و به پنج سطح طبقه بندی می شود: آسیب کشنده (K) و ۴ سطح آسیب دیدگی شامل: آسیب شدید یا ناتوان کننده (سطح ۱، (A))، آسیب غیرناتوان کننده یا آسیب دیدگی متوسط (سطح ۲، (B))، آسیب دیدگی کم یا ممکن (سطح ۳، (C)) و بدون آسیب (سطح ۴، (O)).یافته ها: نتایج نشان می دهد عواملی که احتمال مرگ ومیر و صدمات جانی را به میزان قابل توجهی افزایش می دهند، عبارت اند از: سن رانندگان (۲۶ تا ۶۵ و بالای ۶۵ سال)، روزهای کاری هفته، میانگین سالانه ترافیک روزانه (AADT) کم و متوسط، ساعات اوج صبح و ساعات غیر اوج روز شرایط و وضعیت روشنایی نور روز.نتیجه گیری: مدل توسعه یافته و نتایج تحلیل، راه کارهای موثری را برای کاهش شدت تصادفات وسایل نقلیه با عابرپیاده و بهبود عملکرد ایمنی سامانه ترافیک ارائه می دهد. نتایج این مطالعه می تواند برای شناسایی عوامل تصادفات عابرپیاده در دنیای واقعی مفید باشد. هم چنین کارشناسان و مسئولان حوزه ایمنی راه می توانند از نتایج این مطالعه جهت بهبود وضع ایمنی عابران پیاده اقدام کنند.
Keywords:
Authors
محمد سلطانی راد
دانشجوی کارشناسی ارشد راه و ترابری، دانشگاه شهید باهنر کرمان، کرمان، ایران
سید صابر ناصرعلوی
استادیار، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران
اکرم مظاهری
دکترای حمل ونقل، دانشگاه تربیت مدرس، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :