شناسایی عوامل موثر بر شدت تصادفات برون‌‌شهری با استفاده از مدل لوجیت چندجمله‌ای (MNL) (مطالعه موردی استان ایلام)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد، دانشکده مهندسی عمران‌، دانشگاه پیام نور، تهران، ایران

2 عضو هیئت علمی دانشگاه پیام نور، تهران، ایران

10.22034/road.2022.107900

چکیده

شناسایی عواملی که در شدت نتیجه یک تصادف سهیم هستند، به تصمیم‌گیرندگان و طراحان راه برای اجرای اقدامات‌اصلاحی که می-تواند شدت جراحت و هزینه تصادف را کاهش دهد، کمک می‌کند. با توجه به این مورد، هدف از این تحقیق شناسایی عواملی است که در شدت تصادفات راه‌های برونشهری سهیم هستند. امروزه محققین از مدلسازی آماری و ریاضیاتی برای حل مسئله پیچیده ایمنی- راه استفاده می‌کنند. در این راستا، مدلهای انتخاب گسسته بصورت گسترده برای مدلسازی شدت تصادف بکار می‌روند. از این مدلها، عوامل سهیم در شدت تصادفات شناسایی می‌شوند. مدل لوجیت چندجمله‌ای (MNL) متداولترین مدل انتخاب گسسته برای مدلسازی شدت تصادف است. در این تحقیق به منظور شناسایی عوامل موثر در شدت تصادفات راه‌های برونشهری از مدل MNL استفاده شد. برای مدلسازی، از داده‌های یک دوره 5 ساله از تصادفات برونشهری استان ایلام استفاده شده است. متغیرهای ورودی در مدل پس از انجام ارزیابی معناداری انتخاب شدند. این متغیرها شامل سن کم، سرعت زیاد، مصرف الکل، برخورد جلوبه جلو، وجود کیسه‌هوا، پرت شدن از خودرو، بستن کمربندایمنی، فاصله خیلی نزدیک با خودروی جلویی، جنس راننده و وقوع تصادف در قوس بود. پس از انتخاب متغیرها، دقت مدل نیز مورد بررسی قرار گرفت. برای معتبرسازی مدل از نسبت لگاریتم درستنمایی و دقت پیشبینی مدل در هر سطح شدت استفاده شد. پس از ارزیابی دقت مدل در پیشبینی شدت تصادفات، مشخص شد که مدل برای ارزیابی شدت تصادفات نتایج قابل قبولی ارائه می‌دهد و مشخص شد که بجز متغیرهای قوس و فاصله نزدیک، تمامی متغیرهای انتخابی در شدت تصادفات سهیم هستند.

کلیدواژه‌ها


-سالنامه آماری، (1396)­، سازمان راهداری و حمل و نقل
جاده­ای.
-AASHTO, (2010), “Highway Safety Manual (HSM)”.
-Abdel-Aty, M., Abdelwahab, H., (2004), “Modeling rear-end collisions including the role of driver’s visibility and light truck vehicles using a nested logit structure”, Accident Analysis & Prevention, 36(3), pp.447-456.
-Carson, J., Mannering, F., (2001), “The effect of ice warning signs on ice-accident frequencies and severities”, Accident Analysis & Prevention, 33(1), pp.99-109.
-Chiou, YC & Fu, C., (2013), “Modeling crash frequency and severity using multinomial generalized Poisson model with error components”, Accident Analysis & Prevention, 50, pp.73-82.
-Dong, C., Richards, S. H., Huang, B., Jiang, X., (2015), “Identifying the factors contributing to the severity of truck-involved crashes”, International journal of injury control and safety promotion, 22(2), pp.116-126.
-Eluru, N., (2013), “Evaluating alternate discrete choice frameworks for modeling ordinal discrete variables”, Accident Analysis & Prevention, 55, pp.1-11.
-Geedipally, S., Turner, P., Patil, S., (2011), “Analysis of motorcycle crashes in Texas with multinomial logit model”, Transportation Research Record, 2265, pp.62-69.
-Global Status Report on Road Safety, World Health Organization, (2018).
-Hughes, B, Newstead, S, Anund, A, Shu, CC & Falkmer, T., (2015), “A review of models relevant to road safety”, Accident Analysis & Prevention, 74, pp.250-270.
-Jung, S, Jang, K, Yoon, Y & Kang, S., (2014), “Contributing factors to vehicle to vehicle crash frequency and severity under rainfall”, Journal of Safety Research, 50,
pp.1-10.
-Long, S, J., (1977), “Regression Models for Categorical and Limited Dependent Variables”, Sage Publications. Thousand Oaks, CA.
-Malyshkina, N. V., Mannering, F. L., (2010), “Empirical assessment of the impact of highway design exceptions on the frequency and severity of vehicle accidents”, Accident Analysis & Prevention. 42(1), pp.131-139.
-Mooren, L, Grzebieta, R, Williamson, A, Olivier, J & Friswell, R., (2014), “Safety management for heavy vehicle transport: A review of the literature”, Safety Science, 62, pp.79-89.
-Penmetsa, P., Pulugurtha, S. S., (2017), “Risk drivers pose to themselves and other drivers by violating traffic rules”, Traffic Injury Prevention. DOI:10.1080/15389588.2016.1177637.
-Savolainen, P. T., Mannering, F. L., Lord, D., Quddus, M. A., (2011), “The statistical analysis of highway crash-injury severities: A review and assessment of methodological alternatives”, Accident Analysis & Prevention, 43(5), pp.1666-1676.
-Schneider IV, W., Savolainen, P., (2011), “Comparison of motorcyclist injury severity among various crash types”, Transportation Research Record, 2265, pp.70-80.
-Tay, R., (2016), “Comparison of the binary logistic and skewed logistic (Scobit) models of injury severity in motor vehicle collisions”, Accident Analysis & Prevention, 88, pp.52-5.
-Wu Q, Zhang G, Ci Y, Wu L, Tarefder RA, Alcántara AD., (2016), “Exploratory multinomial logit model–based driver injury severity analyses for teenage and adult drivers in intersection-related crashes”, Traffic Injury Prevention, 17(4), pp.413-22.
-Xie, Y., Zhao, K., Huynh, N., (2012), Analysis of driver injury severity in rural single-vehicle crashes, Accident Analysis & Prevention, 47, pp.36-44.
-Ye, F., Lord, D., (2014), “Comparing three commonly used crash severity models on sample size requirements: multinomial logit, ordered probit and mixed logit models” Analytic methods in accident research, 1, pp.72-85.