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

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.

تحلیل شدت تصادفات, مدل رگرسیون لجستیک چندگانه, تصادفات وسایل نقلیه موتوری با عابرپیاده