بررسی الگوهای مکانی-زمانی تصادفات ترافیکی برون شهری استان اصفهان در محیط GIS
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 18
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGCE-2-2_006
تاریخ نمایه سازی: 28 مرداد 1403
Abstract:
پیشینه و اهداف: تصادفات یکی از حوادث تهدید کننده زندگی در جهان است که موجب خسارات جانی و مالی میشود. برای کاهش تعداد تصادفات رانندگی میبایست تعیین نمود که تصادفات مکرر کجا و در چه زمانی رخ میدهند. اغلب تصادفات با الگوهای مکانی و زمانی خاصی اتفاق می افتند و ممکن است خوشههایی را تشکیل دهند که همان محل تمرکز تصادفات در فضای جغرافیایی میباشد. بنابراین، بررسی تصادفات رانندگی در ابعاد مکانی و یا زمانی ضروری است تا بهترین و پایدارترین راهحل ها برای این مسائل در نظر گرفته شود. استان اصفهان از جمله استانهای کشور با نرخ بالای تصادفات در حوزه برون شهری است. تحقیقات پیشین صورت گرفته در سطح استان اصفهان بیشتر بر پایه روشهای آماری بوده و به جنبههای مکانی و زمانی تصادفات توجهی نشده است.هدف از انجام این تحقیق پر کردن خلا موجود در تحقیقات گذشته در راستای تعیین الگوهای مکانی و زمانی تصادفات ترافیکی برون شهری استان اصفهان و بهتصویر کشیدن آن با استفاده از روشهای آمار مکانی در محیط GIS است. نوآوری این تحقیق در استفاده از روشهای آمار مکانی برای شناسایی و تحلیل الگوهای مکانی-زمانی تصادفات برون شهری استان اصفهان در سطوح مختلف زمانی و شدت میباشد.روش ها : در این مطالعه الگوی مکانی- زمانی تصادفات ترافیکی در استان اصفهان در سال های ۱۳۹۶و ۱۳۹۷ با استفاده از داده های تصادفات ترافیکی برون شهری بررسی شده است. پس از جمعآوری دادههای مربوطه و انجام پیشپردازشهای لازم و آمادهسازی دادهها، الگوی مکانی و زمانی تصادفات ترافیکی رخ داده در شبکه راههای اصلی، بزرگراهها و آزادراههای منطقه مورد مطالعه با استفاده از روش های آمار مکانی مانند آزمون میانگین نزدیکترین همسایه، خودهمبستگی مکانی موران I جهانی و تحلیل نقاط داغ بهینه شده (تکنیک گتیس- ارد Gi*) در سطوح مختلف در محیطGIS بررسی و شناسایی شدند.یافته ها: باتوجه به اینکه هدف از این تحقیق تعیین الگوهای مکانی-زمانی تصادفات ترافیکی برون شهری استان اصفهان است ابتدا الگوی نحوه پراکنش فضایی رویدادهای تصادف با روشهای میانگین نزدیکترین همسایه و خودهمبستگی مکانی موران I جهانی بررسی شد. نتایح نشاندهنده وجود الگوی خوشهای قوی در دادههای تصادفات ترافیکی در سالهای مورد مطالعه در استان اصفهان بود. سپس با استفاده از روش گتیس-ارد جی استار یک تحلیل نقاط داغ بهینه شده به صورت کلی بر روی کل مجموعه داده تصادفات انجام شد و پس از آن باتوجه به تقسیم مجموعه داده به سطوح مختلف از جمله بازه زمانی شبانهروز، روز هفته، ماه، سال و سطح شدت تصادف این تحلیل بر روی مجموعه داده هر سطح به صورت جداگانه صورت گرفت. نتایج حاصل از اجرای تحلیل گتیس ارد جی استار بر روی سطوح مختلف حاکی از آن بود که بخش اعظمی از تمرکز نقاط داغ با سطح اطمینان ۹۹درصد در مسیرهای منتهی به مرکز استان یعنی شهر اصفهان و همچنین شهرهای پرجمعیت همجوار آن واقع است که بیشترین حجم تردد و ترافیک در آن وجود دارد و با فاصله از مرکز استان تراکم تصادفات به طرز چشمگیری کاهش مییابد.نتیجه گیری: باتوجه به نتایج تحلیل خودهمبستگی مکانی تصادفات و نقشههای نقاط داغ در سطوح مورد بررسی نتایج حاکی از آن بود که تصادفات در برخی از مناطق استان اصفهان بهصورت خوشهای تجمع یافتهاند. همجواری با مرکز استان و شهرهای پرجمعیت و اصلی بر تمرکز تصادفات ترافیکی در این منطقه تاثیر بسیاری دارد و با فاصله از مراکز شهری پرجمعیت فراوانی تصادفات کاهش مییابد. از نتایج این مطالعه و درکی که از الگوهای مکانی و زمانی تصادفات ترافیکی بهدست آمده است، میتوان برای توسعه استراتژیهای جدید، راهنمایی مدیران و دست اندرکاران حوزه حمل و نقل و ترافیک، اخذ تصمیمات و انجام اقدامات مناسب برای بهبود وضعیت ایمنی نقاط حادثهخیز استفاده نمود.
Keywords:
Authors
مهدیس رحمتی
گروه سنجش از دور و GIS، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی- واحد علوم و تحقیقات، تهران، ایران
حسین آقامحمدی زنجیراباد
گروه سنجش از دور و GIS، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی- واحد علوم و تحقیقات، تهران، ایران
سعید بهزادی
گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران
علی اصغر آل شیخ
گروه سیستم های اطلاعات مکانی، دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، 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 :