مدلسازی فراوانی تصادفات در تقاطع های سه شاخه شهری

نوع مقاله: مقاله پژوهشی

نویسندگان

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

2 دانشیار، گروه مهندسی عمران- راه و ترابری، دانشگاه پیام نور، تهران، ایران

چکیده

ایمنی در تقاطع به دلیل نقاط برخورد احتمالی فراوان و مسیرهای مختلف موجود، شکل ویژه­ای به خود میگیرد که نیاز به
تحلیل­های ویژه­ای خواهد داشت. یکی از روشهای تحلیل ایمنی در تقاطع ها، ایجاد مدل­های پیشبینی تصادفات با استفاده از مدلهای رگرسیونی پواسون و دوجمله­ای منفی است. هر چند که استفاده از رگرسیون دوجمله­ای منفی بدلیل رسیدگی به بیش پراکندگی داده­ها ارجحیت دارد. اما تحقیق حاضر در ابتدای راه به جهت مدلسازی تصادفات تقاطع های شهری، هر دو مدل را مورد ارزیابی قرار می دهد. پس از آزمون مدل­ها با معیارهای آکایک، انحراف و لگاریتم درستنمایی، مدل رگرسیون دوجمله ای منفی برازش بهتری نشان داد و به عنوان مدل بهتر انتخاب شد. برای مدلسازی، از داده های یک دوره 5 ساله از تصادفات رخ داده در تقاطع های سه شاخه شهر بروجرد استفاده شده است. متغیرهای ورودی در مدل پس از انجام آزمون ارزیابی معناداری انتخاب شد. این متغیرها شامل تعداد خطوط عبوری، تعداد خطوط گردش به راست با جزیره ترافیکی و زاویه تقاطع بود. پس از انتخاب متغیرها، دقت مدل نیز مورد بررسی قرار گرفت. برای معتبرسازی مدل از معیارهای
، خطای جذر میانگین مربع، میانگین خطای مطلق و میانگین قدر مطلق درصد خطا استفاده شد. پس از ارزیابی دقت مدل در پیشبینی تصادفات، مشخص شد که مدل برای ارزیابی تصادفات نتایج قابل قبولی ارایه می­دهد اما برای پیشبینی تصادفات، نتایج از دقت بالایی برخوردار نیست(R2 = 0.52). مقدار R2برای مدل نشان می­دهد که پیشبینی ها دقت بالایی نخواهند داشت اما هنوز پیشبینی­های قابل قبولی می­تواند ارایه دهد.
 

کلیدواژه‌ها


-اکبری، م. شفابخش، غ.ع. احدی، محم.ر.، (1394)، "ارزیابی اثرات شاخص وضعیت رویه راه بر فراوانی تصادفات خروج از جاده"، مهندسی زیرساخت های حمل و نقل، سال اول، شماره سوم، پاییز.
 
-قبادی، م. حسن­زاده، م.ر. و زراعت پیما، ف.، (1395)، "پیشبینی تعداد تصادفات در تقاطع­های هم سطح شهری"، فصلنامه مطالعات مدیریت ترافیک، شماره 40، بهار.
-Claros, B. Sun, C. Edara, P., (2018), "Missouri-Specific Crash Prediction Model for Signalized Intersections, Journal of the transportation research board", Transportation Research Record.
-Dixon, K., C. Monsere, R. Avelar, J. S. Barnett, and P. Escobar, (2015), “Improved Safety Performance Functions for Signalized Intersections. Report No. FHWA-OR-RD-16-03. Oregon Department of Transportation.
-Eenink, R., Reuring, M., Elvik, R., Cardoso, J., Wichert, S., & Stefan, C., (2007), “Accident Prediction Models and Road Safety Impact Assessment: Recommendations for using these tools”, Result of the pilot studies. RI-SWOV-WP2-R4-V2-Results. RIPCOD-ISEREST Deliverable D2. BAST. Retrieved from http://ripcord.bast.de/pdf/RIPCORD-ISEREST-Deliverable-D2-Final.pdf.
-Griebe, P., (2003), “Accident prediction models for urban roads”, Accident Analysis and Prevention, Vol. 35, pp. 273–285.
-Harnen, S., Umar, R., R., Wong, S. & Hashim, W., (2004), Development of prediction models for motorcycle crashes at signalized intersections on urban roads in Malaysia. Journal of transportation and ststistics, 7, pp.27.
-Karuppanen, Gunasekaran, (2015), “Development of Accident Prediction Models For Safety Evaluation of Urban Intersections”, Indian Highways, May.
-Liu, W. and Cela, J., (2008), “Count Data Models in SAS. SAS Global Forum 2008: Statistics and data Analysis”, paper
pp.371.
-Lord, D., & Mannering, F., (2010), “The Statistical Analysis of Crash-Frequency Data: A Review and Assessment of Methodological Alternatives”, Transportation Research Part A: Policy and Practice, 44(5), pp.291-305.
-McCullagh, P. & J. A., N., (1989), “Generalized Linear Models, 2nd ed.”, Chapman and Hall, NewYork.
-Miaou, S.P., (1994), “The Relationship between truck accidents and geometric design of road sections: Poisson versus Negative Binomial Regressions”, Accident Analysis & Prevention, 26-4, pp.471-482.
-Nambuusi, B.B., Brijs, T., Hermans, E., (2008), “A review of accident prediction models for road intersections, Diepenbeek, 2008”, Steunpunt Mobiliteit & Openbare Werken Spoor Verkeersveiligheid.
-Obaidat, M., & Ramadan, T., (2012), “Traffic Accidents at Hazardous Locations of Urban Roads”, Jordan Journal of Civil Engineering, 6(4).
-QU, X., Kuang, Y., OH, E. & JIN, S., (2014), “Safety evaluation for expressways: A comparative study for macroscopic and microscopic indicators”, Traffic Injury Prevention, 15, pp.89-93.
-Shankar, V., and S. Madanat, (2015), “Methods for Identifying High Collision Concentrations for Identifying Potential Safety Improvements: Development of Safety Performance Functions for California”, Report No. CA 15-2317. California Department of Transportation,
-Washington, P. Karlaftis, M. G. & Mannering, F. L., (2010), “Statistical and econometric methods for transportation data analysis”, CRC press.
-Winkelmann, R., (2003), “Econometric Analysis of Count Data, 4th ed”, Springer Verlag, Heidelberg.