Analysis of the Share of Accident Prone Areas in the Country's Accidents

Document Type : Original Article

Authors
Majid Haghshenas 1
Mohammad Bagher Salimi 2
Sajad Amiri 1
1 Ph.D., Grad., Faculty of Command and Headquarters of Amin Faraja University of Police Sciences, Tehran, Iran.
2 Assistant Professor, Faculty of Command and Headquarters of Amin Faraja University of Police Sciences, Tehran, Iran.
10.22034/road.2024.447521.2266
Abstract
Background and purpose: Traffic accidents and the resulting damages have created a worrying situation in many countries. Today, with the increase in the volume of traffic and the demand for movement one hand and the frequency of traffic accident statistics on the other hand, the need to investigate factors affecting the occurrence of traffic accidents becomes more apparent. The aim current research is to investigate the share of accident-prone spots in the country's accidents. According to the purpose, it is practical, and according nature and method of implementation, it is descriptive-analytical and inferential and of a qualitative type. In this research, a survey method was used to investigate the share of accident-prone point’s accidents of the whole country. The statistical population of this research is all the accidents that occurred identified accident-prone areas of the country in 10 months of 1402. The data collection tool in this research was done using information recorded in sketches drawn using Excel software. 3% of accidents and fatalities in the country's inner-city roads and 5% in country's suburban roads have been identified accident-prone areas, which has a lower weight compared other factors affecting the occurrence of traffic accidents such as human error. According obtained data and the 4% share of accident-prone points in the country's traffic accidents, the traffic police and other organizations involved in traffic should pursue elimination of accident-prone points rather than identifying other effective factors occurrence and increase of traffic accidents with aim of preventing them.
Keywords
Black Spots
Accidents
Country
-احسانی­سهی، مجید، و آسوده، راضیه (1398). شناسایی نقاط حادثه خیز راه های برون شهری با استفاده از  روش مدل سازی فازی.تهران. فصلنامه علمی راهور، 98(30)،134-103.
-احدی، محمدرضا، سلیمی­کوچی، محمدباقر؛ مهماندار، محمدرضا و حسین­پور، مهدی (1397). ارائه مدل بهینه شناسایی نقاط حادثه خیز راه­های دوخطه برون­شهری ایران. فصلنامه علمی راهور، 7(26)، 98-77.
-احدی، محمدرضا و سلیمی­کوچی، محمدباقر (1398). تحلیلی بر روش­های شناسایی نقاط حادثه­خیز جاده ­ای و انتخاب روش بهینه. فصلنامه علمی ترویجی راهور، (45)،115-93.
-احمدی­فینی، علیرضا (1390). فرماندهی صحنه حادثه. تهران، انتشارات دانشگاه علوم انتظامی امین.
-آیین­نامه راهنمایی و رانندگی انتظامی جمهوری اسلامی ایران، مصوب سال 1384.
-دهخدا، علی‌اکبر(۱۳۷۷). لغت‌نامه دهخدا (نسخه برخط) براساس نسخه فیزیکی ۱۵ جلدی چاپ دانشگاه تهران.
-بازدار اردبیلی، پریسا و پژمان­زاد، پیمان (1400). بررسی رابطه بین متغیرهای کلان اقتصادی در کاهش سوانح حمل ونقل جاده ه­ای کشور. ارتقای ایمنی و پیشگیری از مصدومیت­ها، 9(4)، 263-255.
-پارسای، رضا، پویافر، محمدرضا و صادقی، محمد صادق (1400). چالش‌های تعیین سهم سازمان‌ها در تصادفات. فصلنامه علمی مطالعات مدیریت ترافیک،16(2)، 128-95.
-حاجیلو، فخرالدین و علی­نژاد، محمدعلی (1397). ارزیابی و پهنه‌بندی خطر وقوع تصادف رانندگی با استفاده از مدل تحلیل سلسله مراتبی و فازی (موردمطالعه: مناطق ۲ و ۶ شهر قم). پژوهشنامه جغرافیای انتظامی، 1397(22)، 110-85.
-حقیقی، فرشیدرضا و کریمی­مسکونی، اسمعیل (1397). تحلیل جامع روش‌های شناسایی نقاط پرتصادف براساس مطالعه میدانی. پژوهشنامه حمل و نقل، 4(15)،95-81.
-روشنی، غلامرضا و جوادنژاد، سوزان (1392). بررسی تخصصی علل تصادفات رانندگی. تهران: انتشارات روشنی.
-سیف، یاسر، اسدی، شاهرخ و محمدزمانی، محمدرضا (1396). کاربرد داده‌کاوی در شناسایی نقاط حادثه‎خیز در محور جادۀ هراز. مدیریت صنعتی، 9(2)، 352-329.
-شیرمحمدی، حمید، حدادی، فرهاد و صمدی، صبا (1399). شناسایی و اولویت بندی قطعات حادثه خیز مبتنی بر تئوری موجک و روش علت گرا. نشریه مهندسی عمران امیرکبیر،52(3)، 628-613.
-محمدی، جمال، سعیدپور، شراراه و تقی­زاده، الهام (1396). برنامه‌ریزی راهبردی به‌منظور کاهش تصادفات درون‌شهری و بهبود عملکرد شبکۀ معابر (مطالعۀ موردی: شهر مرودشت). جغرافیا و برنامه ریزی محیطی، 28(3)، 116-97.
-نادران، علی و جمشیدی­فلاورجانی، احسان (1398). بررسی رابطه معناداری مؤلفه­های تصادفات برون شهری با تعداد فوتی­ها (مطالعه­ی موردی: استان فارس).
-نحوه شناسایی و اولویت­بندی نقاط پرتصادف. (1394). وزارت راه و شهرسازی، کمیسیون ایمنی راه­های کشور، مستند به نامه شماره800/28333تاریخ 27/05/1394.
-Alavi. N, Saghandli. Gh. firouzfar. A., (2009). Roads Province Zanjan on locations prone Accident Road and Accidents of Conference 1thNational the Railway and University Zanjan.
-Alonso Plá­­, F. M., Alonso Pla, M. L., Esteban Martínez, C., & Useche, S. A. (2016). Knowledge of the concepts of'black spot','grey spot'and'high accident concentration sections' among drivers. American Journal of Traffic and Transportation Engineering, Vol. 1, No.4, 39-46.‏
-Cheng, W., & Washington, S.  (2008). New criteria for evaluating methods of identifying hot spots. Transportation Research Record, 2083, (1), 76-85.
-Colak, H. E., Memisoglu, T., Erbas, Y. S., & Bediroglu, S. (2018).  Hot spot analysis based on network spatial weights to determine spatial statistics of traffic accidents in Rize, Turkey. Arabian Journal of Geosciences, 11, 1-11.
-Dereli, M. A., & Erdogan, S. (2017). A new model for determining the traffic accident black spots using GIS-aided spatial statistical methods. Transportation Research Part A: Policy and Practice, 103, 106-117. doi.org/101/j.tra.2017.05.31
-Elagamy, S.R., El-Badawy, S. M., Shwaly, S. A., Zidan, Z. M., & Shahdah, U. E. (2020). Segmentation effect on developing safety performance functions for rural arterial roads in Egypt. Innovative Infrastructure Solutions, 5(2), 1-12.
-Ghadi, M., & Török, Á. (2017). Comparison different black spot identification methods. Transportation Research Procedia, 27, 1105-1112.doi.org/101016/j.trpro.2017, 12, 104
-Ghadi, M., & Torok, A., (2019). A comparative analysis of black spote identification method and road accident segmentation method.Accident Analysis & Prevention (1), 125-128.
-Hamid, A. A., Ishak, N. S., Roslan, M. F., & Abdullah, K. H. (2023). Tackling Human Error in Road Crashes: An Evidence-Based Review of Causes and Effective Mitigation Strategies. Journal of Metrics Studies and Social Science, 2(1), 1-9.‏ doi.org/10.56916/jmsss.v2i1.398
-Hell, W., Bodewig, K., Hammer, U., Kellner, C., Klinke, C., Muck, M. & Zielke, G. (2023). Vision Zero in Germany. The Vision Zero Handbook: Theory, Technology and Management for a Zero Casualty Policy,337-338.
-https://books.google.com/books Black spots accidents in Germany .
-Kraut, M., & Koglbauer, I. V. (2021). STPA-based analysis of the process involved in enforcing road safety in Austria. Safety, 7(2), 34.
-Manap, N., Borhan, M. N., Yazid, M. R. M., Hambali, M. K. A., & Rohan, A. (2021). Identification of hotspot segments with a risk of heavy-vehicle accidents based on spatial analysis at controlled-access highway. Sustainability, 13(3), 1487.‏
doi.org/10.3390/su13031487
-Nair, S. R., & Bhavathrathan, B. k. (2020). Hybrid segmentation approach to identify crash black spotes susceptible locations in large road networks. Safety Science, 145, 105515.
-Puller, N., Günther, H. J., Lucas, G., Leschke, A., & Rocco, V. (2021).Towards Increasing VRU Safety: A Map-Based and Data-Driven Analysis of Accident Black Spots. In 2021 IEEE Vehicular Networking Conference (VNC) IEEE. 60-67.
-utz, M., Ed. (2004). Handbook of transportation engineering.  New York, USA, McGraw-Hill.
‏-Wan, Y., He, W., & Zhou, J. (2021). Urban road accident black spot identification and classification approach: A novel grey verhuls–Empirical bayesian combination method. Sustainability, 13(20). 11198-11199. doi.org/103390/su132011198
-Wan, Y., He, W., & Zhou, J. (2021). Urban road accident black spot identification and classification approach: A novel grey verhuls–Empirical bayesian combination method. Sustainability, 13(20). 11198-11199.
-Wang, F., Wang, J., Zhang, X., Gu, D., Yang, Y., & Zhu, H. (2022). Analysis of the causes of traffic accidents and identification of accident-prone points in long downhill tunnel of mountain expressways based on data mining. Sustainability, 14(14), 8460.‏ doi.org/10.3390/su14148460
-Zakerzadeh, Y., Rezaei, M. (2015).  Occurred intercity of Study, of determining and City Hamedan of Accidents ,GIS and AHP of Using by Intersection prone Accident­, Architecture, Human on conference International Strategic for Center, Tabriz, City and Engineering Civil (5) 2, Planning Urban and Architecture in Studies. 20, 65-79.
-Zhang, c., Shu, Y., & Yan, L., (2019). A Novel Identificatiin Model for Road Traffic Accident Black Spots: A Case Study in Ningbo, China. IEEE Access, 7, 140197-140205.