جاده

جاده

استفاده از ابزار برنامه‌نویسی پایتون در توسعه مدل‌های داده‌کاوی شدت تصادفات برون‌شهری استان اصفهان

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشیار، دانشکده مهندسی عمران، تهران، دانشگاه علم‌وصنعت ایران، تهران، ایران
2 دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، تهران، دانشگاه علم‌وصنعت ایران، تهران، ایران
3 داﻧﺸﺠﻮی دکتری، داﻧﺸﻜﺪه ﻣﻬﻨﺪﺳﻲ ﻋﻤﺮان، داﻧﺸﻜﺪه فنی دانشگاه ﺗﻬﺮان، تهران، اﻳﺮان
چکیده
مطابق آمارهای پزشکی قانونی ایران، آمار مرگ‌ومیر و مصدومین برا اثر حوادث ترافیکی از سال 1396 تا 1401 افزایشی بوده است. این روند نه‌تنها در کل کشور بلکه در استان‌ها نیز قابل مشاهده است. روند افزایشی مرگ‌ومیر و مصدومین حوادث ترافیکی در طی سالیان اخیر می‌تواند زنگ خطری برای مسئولین برای تحلیل عوامل انسانی، وسیله نقلیه‌ای، راه و محیطی بر تصادفات و یافتن راهکارهایی در جهت کاهش آمار مرگ‌ومیر و مصدومین حوادث ترافیکی استان‌ها باشد. از این جهت در این پژوهش به بررسی عوامل موثر بر شدت تصادفات برون‌شهری استان اصفهان پرداخته شده است. در این مطالعه برای یافتن عوامل موثر بر شدت تصادفات، از مدل رگرسیون لجستیک استفاده شده که با 21 هزار داده مدل نهایی ساخته شده و بر روی نتایج آن تحلیل‌های آماری صورت گرفته است. نتایج این تحلیل‌ها نشان می‌دهد متغیرهایی نظیر ماه وقوع تصادف، ساعت تصادف، نوع راه، نوع برخورد، جنسیت و علت تامه تصادف معنادار شناسایی شدند. نتایج نشان می‌دهند احتمال وقوع یک تصادف شدید در ساعات اولیه روز از باقی ساعات روز بیشتر است؛ همچنین احتمال وقوع یک تصادف شدید در فروردین نسبت به بقیه ماه‌های سال از بقیه بیشتر است؛ و یا نتایج نشان دادند که نقض راه می‌تواند احتمال وقوع تصادف شدید را 5.27 برابر بیشتر از باقی علت تامه تصادفات افزایش دهد (نسبت بخت=5.27) و در نهایت احتمال وقوع یک تصادف شدید برای مردان، 41 درصد بیشتر از زنان است. در انتها سعی شده در رابطه با تعدادی از این متغیرهای اشاره شده، راهکارهایی برای انجام مطالعات بیشتر پیشنهاد شود.
کلیدواژه‌ها

-توکلی کاشانی، علی، امیری فر، سعیده، مدقالچی، علی، محمدی، اعظم، و جزونقی، محمد (1401). پیش بینی شدت تصادفات جاده­ای توسط روش­های یادگیری ماشین، مطالعه موردی استان زنجان. نوزدهمین کنفرانس بین المللی مهندسی حمل‌ونقل و ترافیک، تهران.
-توکلی کاشانی، علی، و بشارتی، محمدمهدی (1399). آمار و احتمالات در مهندسی حمل‌ونقل. دانشگاه علم و صنعت.
-سازمان پزشکی قانونی، آمار متوفیات و مصدومین حوادث رانندگی.  https://www.lmo.ir
-شریعت‌مهیمنی، افشین، و توکلی‌کاشانی، علی (1389). تحلیل شدت مصدومیت ناشی از تصادف‌ها در راه‌های دوخطه برون‌شهری با استفاده از مدل‌های داده کاوی. پژوهشنامه حمل‌ونقل. 7(2)، 153-165.
 https://sid.ir/paper/83930/fa
 
-Albalate, D., & Fernández-Villadangos, L. (2010). Motorcycle Injury Severity in Barcelona: The Role of Vehicle Type and Congestion. Traffic Injury Prevention, 11(6), 623-631. doi.org/10.1080/15389588.2010.506932
-Bédard, M., Guyatt, G. H., Stones, M. J., & Hirdes, J. P. (2002). The independent contribution of driver, crash, and vehicle characteristics to driver fatalities. Accident Analysis &
Prevention, 34(6), 717-727.
 doi.org/https://doi.org/10.1016/S0001-4575 (01)00072-0
-Benlagha, N., & Charfeddine, L. (2020). Risk factors of road accident severity and the development of a new system for prevention: New insights from China. Accident Analysis &
Prevention. 136, 105411.
doi.org/10.1016/j.aap.2019.105411
-Highway Safety Manual. (2010). (first ed.). American Association of State Highway Transportation Officials (AASHTO).
-Tavakoli Kashani, A., & Besharati, M. M. (2016). An Analysis of Vehicle Occupants’ Injury Severity in Crashes Occurred On Rural Freeways and Multilane Highways in Iran. International Journal of Transportation Engineering, 4(2), 137-146.
 doi.org/10.22119/ijte.2016.40538
-Wang, C., Lu, L., & Lu, J. (2015). Statistical Analysis of Bicyclists’ Injury Severity at Unsignalized Intersections. Traffic Injury
Prevention, 16(5), 507-512.
doi.org/10.1080/15389588.2014.969802
-World Health Organization, Road traffic injuries. (2022). World Health Organization. https://www.who.int/news-room/fact-sheets/detail/road-traffic-injuries
-Zafri, N. M., Prithul, A. A., Baral, I., & Rahman, M. (2020). Exploring the factors influencing pedestrian-vehicle crash severity in Dhaka, Bangladesh. International Journal of Injury Control and Safety Promotion, 27(3), 300-307. doi.org/10.1080/17457300.2020.1774618