شناسایی نقاط حادثه‌خیز تصادفات عابر پیاده به کمک تابع چگالی کرنل در محیط GIS (مطالعه‌ی موردی: شهر مشهد)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشگاه اصفهان، اصفهان، ایران

2 استادیار، دانشکده مهندسی عمران، دانشگاه فردوسی مشهد، مشهد، ایران

3 استادیار، دانشکده عمران، دانشگاه اصفهان، اصفهان، ایران

4 سازمان حمل‌ و نقل و ترافیک مشهد، مشهد، ایران

چکیده

تحقیقات نشان می­دهند که سهمعابر پیادهازمرگ‌ومیرناشیاز تصادفات ترافیکی 22 درصد واین مقداردر کشور ایران معادل با2/23 درصد می­باشد. از این­رو تحلیل و ارزیابی تصادفات عابرین پیاده بهیکیاز چالش‌هایمهممهندسی درزمینه­ی ارتقایایمنیوسلامت عمومی تبدیلشدهاست. با این حال نقطه ضعف اساسی اکثر تحقیقات، عدم توجه به پارامتر مکان حادثه بوده، به‌طوری‌که به مسأله­ی تغییرات مکانی در فرآیند تحلیل توجهی نشده است. در این مقاله با در نظر گرفتن مکان رخداد تصادفات جرحی عابر پیاده شهر مشهد در سال‌های 1391 تا 1393 به‌عنوان نمونه موردی و انجام تحلیل­های مکانی-آماری در محیط GIS، نواحی دارای تراکم بالای تصادفات عابر پیاده شناسایی و اولویت­بندی گردیدند. بدین منظور ابتدا داده‌های رستری با ابعاد 20*20 متر در یک پایگاه داده مکانی شامل 111537 پیکسل آماده‌سازی و با استفاده از تابع چگالی کرنل شبکه‌ای (network Kernel Density Estimation) نقاط حادثه­خیز شناسایی شدند. با استناد به مناطق متراکم استخراج­شده، میدان فجر در منطقه­ی چهار شهرداری، ابتدای جاده­ی سرخس در منطقه شش شهرداری و تقاطع همت-رسالت، به‌عنوان حادثه‌خیزترین نقاط شهر مشهد از لحاظ تعداد تصادفات جرحی عابر پیاده شناسایی شدند. از این­رو اولویت­دهی به‌منظور ممیزی ایمنی در این نقاط توصیه می­گردد.
 
 

کلیدواژه‌ها


 

─  Anderson, T. K. (2009), "Kernel density estimation and K-means clustering to profile road accident hotspots", Accident Analysis and Prevention, Vol. 41, No. 3, pp. 359-364.

─  Braddock, M., Lapidus, G., Cromley, E., Cromley, R., Burke, G., and Banco, L. (1994), "Using a geographic information system to understand child pedestrian injury", American Journal of Public Health, Vol. 84, No. 7,
pp. 1158-1161.

─  Campbell, B.J., et al. (2004), "A Review of Pedestrian Safety Research in the United States and Abroad". pp. 150.

─  Chang, L.-Y. (2005), "Analysis of freeway accident frequencies: negative binomial regression versus artificial neural network", Safety Science, Vol. 43, No. 8, pp. 541-557.

─  Chen, X., Fang, Z., Li, G., and Tao, B. (1989), "Non-parametric statistics", Shanghai Science and Technology Press, Shanghai, pp. 284-292.

─  Chiou, Y.-C. (2006), "An artificial neural network-based expert system for the appraisal of two-car crash accidents", Accident Analysis and Prevention, Vol. 38, No. 4, pp. 777-785.

─  Deshpande, N., Chanda, I., and Arkatkar, S. S. (2011), "Accident mapping and analysis using geographical information systems", International Journal of Earth Sciences and Engineering, Vol. 4, No. 6, pp. 342-345.

─  FHWA. (2005), "Draft 2005 New Orleans Metropolitan Bicycle and Pedestrian Plan", Regional Planning Commission (Ed.).

─  Fotheringham, A. S., Brunsdon, C., and Charlton, M. (2000), "Quantitative geography: perspectives on spatial data analysis", Sage Publications, ISBN.

─  Loo, B. P., Yao, S., and Wu, J. (2011), "Spatial point analysis of road crashes in Shanghai: A GIS-based network kernel density method", Paper presented at the Geoinformatics, 2011 19th International Conference on.

─  Mofadal, A.I., K. Kanitpong, and P. Jiwattanakulpaisarn, (2015), "Analysis of pedestrian accident costs in Sudan using the willingness-to-pay method". Accid Anal Prev, Vol. 78, pp. 11-201.

─  O'Sullivan, D., and Wong, D. W. (2007), "A Surface‐Based Approach to Measuring Spatial Segregation", Geographical Analysis, Vol. 39, No. 2, pp. 147-168.

─  Pulugurtha, S. S., Krishnakumar, V. K., and Nambisan, S. S. (2007), "New methods to identify and rank high pedestrian crash zones: An illustration", Accident Analysis and Prevention, Vol. 39, No. 4, pp. 800-811.

─  Silverman, B. W. (1986), "Density estimation for statistics and data analysis", Vol. 26, CRC press.

─  Song, J. J., Ghosh, M., Miaou, S., and Mallick, B. (2006), "Bayesian multivariate spatial models for roadway traffic crash mapping", Journal of multivariate analysis, Vol. 97, No. 1, pp. 246-273.

─  WHO. (2013), "World Health Organization, global status report on road safety: supporting a decade of action".

─  WHO. (2015), "World Health Organization, Global status report on road safety"

─  Xie, Z., and Yan, J. (2008), "Kernel density estimation of traffic accidents in a network space", Computers, Environment and Urban Systems, Vol. 32, No. 5, pp. 396-406.

─  Yu, H., Liu, P., Chen, J., and Wang, H. (2014), "Comparative analysis of the spatial analysis methods for hotspot identification", Accid Anal Prev, Vol. 66, pp. 80-88.

─  Ziari, H. and M.M. Khabiri, (2005), "Applied GIS software for improving pedestrian & bicycle safety". Transport, Vol. 20 (4), pp. 160-164.

 

─  سازمان ‌حمل‌ونقل‌ و ترافیک‌‌ شهرداری ‌مشهد (1393)، "تصادفات جرحی عابر پیاده شهر مشهد."

─  سازمان ‌پزشکی ‌قانونی‌ کشور (1394)، "مقایسه آمار متوفیات و مصدومین حوادث رانندگی" .

─  قیاسی، ای.، (1390)،" مکان‌یابی نقاط حادثه‌خیز تصادفات عابرین پیاده با استفاده از " GIS، کارشناسی ارشد، دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده مهندسی.

─  معاونت ‌مطالعات‌ و برنامه‌ریزی­، سازمان‌ حمل‌ونقل‌ و ترافیک ‌شهرداری ‌مشهد (1394)، "یازدهمین آمارنامه‌ی حمل‌ونقل شهر مشهد" .