استفاده از مدل های اقتصا دسنجی فضایی در پیش بینی نرخ تصادفات راه

پیش بینی تصادفات در قطعات راه عمدتاً به کمک مدل های آماری انجام م یگیرد.مدلهای معمول آماری مانند مدل دوجمله ای منفی دارای محدودیت هایی هستند، برای مثال در این مدل ها اثر متقابل نزدیک بودن دو تقاطع خاص به یکدیگر در نظر گرفته نمی شود. به این اثررابطه فضایی بین داده های قطعات متوالی گفته می شود.در اکثر مطالعات انجام شده وابستگی فضایی بین قطعات راه در نظر گرفته نشدهاست. در مواجهه با داد ههای مکانی، مد لهای اتورگرسیو فضایی که توانایی محاسبه وابستگی فضایی بین قطعات راه را دارند، می توانند جایگزین مد لها و روش های مرسوم آماری گردند .در واقع زمانی که داده ها دارای مشخصه مکانی هستند، ممکن است وابستگی فضایی بین مشاهدات وجود داشته باشد و بکارگیری شیوه های مرسوم که این وابستگی را درنظر نمی گیرند، نتایج تحلیل را دچار خطا می کند. اینمدل ها توانایی محاسبه وابستگی فضایی و ناهمسانی فضایی را دارند. در این تحقیق پس از قطعه بندی راه و تخصیص تصادفات به هر قطعه، با تشکیل ماتریس وزن جهت محاسبه وابستگی فضایی قطعات به یکدیگر به بررسی عملکرد مد لهای اتورگرسیو فضایی معمولی، تاخیر فضایی و خطای فضایی پرداخته و پس از برآورد پارامترها با روش بیزی در نهایت با مقایسه این مدل ها از طریق دو معیار ارزیابی مدل با نام ملاکارزیابی آکائیک و ملاک ارزیابی بیزی، بهترین مدل اتخاب شده است. در برآورد به روش بیزی مدل خطای فضایی با مقدار AIC و BIC به ترتیب برابر 0256 / 274 و 9365 / 279 به عنوان بهترین مدل در بین مدل های برآورد شده انتخاب گردید و در هر دو مدل های خطای فضایی و تاخیر فضایی برازش بهتری نسبت به مدل رگرسیون خطی ساده به دست آمد. سپس به پی شبینی نرخ تصادفات در قطعات راهپرداخته و با مقایسه نرخ تصادفات واقعی و پی شبینی شده و استفاده از ملاک RMSE بهترین پی شبینی کننده انتخاب شده است که با بررسیRMSE مدلهای پیش بینی شده و مقادیر واقعی در روش بیزی، مدل خطای فضایی با مقدار RMSE به میزان 0697 / 7 به عنوان بهترین مدل پیش بینی کننده نرخ تصادفات در این تحقیق شناخته شد. نتایج این تحقیق در رتبه بندی راه و اولویت بندی تخصیص بودجه و ایمن سازی قطعات تصادف خیز و تهیه نقشه پراکندگی احتمال تصادفات در قطعات راه، کاربرد خواهد داشت.

Keywords:

اتورگرسیو فضایی , وابستگی فضایی , ماتریس وزن , پیش بینی نرخ تصادفات , برآورد به روش بیز