بررسی عوامل مؤثر بر ارتقای ایمنی گروه‌های آسیب‌پذیر در تقاطع‌های شهری (نمونه موردی: سه‌راه تهران‌پارس)

جغرافیا و توسعه فضای شهری

دوره 8، شماره 2 - شماره پیاپی 15، اسفند 1400، صفحه 103-122   

نوع مقاله: پژوهشی، کاربردی، تحلیلی‌ ـ ‌توصیفی، پیمایشی

شناسه دیجیتال (DOI): 10.22067/jgusd.2022.69006.1020

نویسندگان

سارا رمضانی^{* 1}؛ احمد شاهیوندی²

¹دانشجوی دکترا شهرسازی، شهرسازی، دانشکده معماری و شهرسازی، دانشگاه هنر اصفهان، اصفهان، ایران

²استادیار، جغرافیا و برنامه ریزی شهری، دانشکده معماری و شهرسازی، دانشگاه هنر اصفهان، اصفهان، ایران

چکیده

بحران ایمنی معابر شهری و هزینه‌های ناشی از حوادث رانندگی یکی از چالش‌های مهم توسعه کشورهاست. در میان کاربران جاده‌ای، عابران پیاده از آسیب‌پذیرترین گروه‌ها شناخته‌می‌شوند. تقاطع‌های کنترل‌نشده به‌عنوان محل‌هایی با نرخ بالای تصادف عابران هستند. سه‌راه تهران‌پارس یکی از مهم‌ترین تقاطع‌های شرق شهر تهران بوده که حدود نیمی از تصادفات در آن، خسارتی است و عدد قابل‌توجهی از مصدومیت‌های عابران پیاده در آن اتفاق‌می‌افتد. روند رو‌به‌افزایش تعداد تصادفات در محدوده تقاطع، لزوم توجه به آن را بیش‌ازپیش نمایان می‌سازد. پژوهش پیش‌رو ضمن بررسی وضعیت این تقاطع، به تعیین مهم‌ترین شاخص‌های مؤثر در ایمنی افراد در آن می‌پردازد و ازلحاظ روش، در دسته پژوهش‌های توصیفی-تحلیلی و درعین‌حال کاربردی قرار دارد. داده‌های پژوهش در چارچوب مطالعات کتابخانه‌ای، مشاهدات میدانی و طرح پرسشنامه (جامعه آماری شامل ساکنین منطقه و کاربران فضا با حجم نمونه 333 نفر) گردآوری و مقایسه وضعیت میانگین و انحراف معیار متغیرهای مورد‌پرسش با وضعیت ایده‌آل صورت‌گرفت. همچنین از مدل معادلات ساختاری برای سنجش نحوه ارتباط عوامل مؤثر بر ایمنی افراد استفاده شد. میزان اعمال قانون و نظارت (4/3) بیشترین میانگین را از نگاه افراد داراست. بررسی بارهای عاملی مدل حاصل در عوامل مؤثر بر ایمنی گروه‌های آسیب‌پذیر این تقاطع‌ بر ابعاد انسانی (97/0)، کالبدی (96/0) مدیریتی (95/0) و تجهیزات مسیر (908/0) نشان از معناداری این روابط و نقش پررنگ‌ شاخص‌های معیار انسانی است. ارتباطات موجود میان متغیرهای بیرونی و درونی، معیار کالبدی و متغیر ترکیب کاربری اراضی (بار عاملی 71/0) بیشترین همبستگی را نشان می‌دهد که انتظار آن می‌رود در اقدامات پیشنهادی مبنای برنامه‌ریزی در این تقاطع قرارگیرد.

کلیدواژه‌ها

ایمنی؛ گروه‌های آسیب‌پذیر؛ تقاطع؛ سه‌راه تهران‌پارس

مراجع

1. حافظ‌نیا، م. ر. (1396). مقدمه‌ای بر روش تحقیق در علوم انسانی. تهران: نشر سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه‌ها (سمت).
2. حقیقی فرد، پ.، و ذاکرحقیقی، ک. (۱۳۹۶). ارزیابی مدل سرزندگی خیابان‌های شهری در ایران (نمونه موردی خیابان انقلاب، تهران). تهران: پنجمین کنگره بین‌المللی عمران، معماری و توسعه شهری.
3. حکمت نیا، ح.، و انصاری، ژ. (1391). مقایسه تحلیلی معابر و نقاط حادثه‌خیز شهر یزد در سال‌های 85 و 86. جغرافیا و توسعه فضای شهری، (2)، 115-138.
4. ذوقی، ح.، حاجعلی، م.، و ملک، م. ر. (1391). شناسایی عوامل مؤثر بر ایمنی عابران پیاده در معابر و ارائه راهکارهایی جهت افزایش ایمنی آن‌ها. تهران: معاونت و سازمان حمل‌ونقل و ترافیک، یازدهمین کنفرانس بین‌المللی مهندسی حمل‌ونقل ترافیک.
5. زنگنه، ی.، نبی زاده، ر.، و احمدی، ط. (1391). ارزیابی تجهیزات ایمنی عابران پیاده در خیابان‌های شهری (نمونه موردی: شهر کوهدشت). تهران: معاونت و سازمان حمل‌ونقل و ترافیک، دوازدهمین کنفرانس بین‌المللی مهندسی حمل‌ونقل ترافیک.
6. صاحبی، س. (1394). ارائه مدل ارزیابی عوامل مؤثر بر شدت تصادفات کاربران آسیب‌پذیر راه با استفاده از مدل‌های ناحیه‌ای. مهندسی حمل‌ونقل، 6(4)، 581-592.
7. مهندسین مشاور طرح و برنامه (1385). خلاصه گزارش طرح تفصیلی منطقه 13. تهران: مرکز مطالعات و برنامه ریزی شهر تهران.
8. نجیب نیا، س.، رضوی، س.، و محمدی، ا. (1391). مقایسه امنیت عابران پیاده دو محور آیت‌الله شیرازی و نواب صفوی پیرامون حرم رضوی. تبریز: همایش ملی معماری، فرهنگ و مدیریت شهری.
9. نوران، م.، محمودی، آ.، و نجف‌آبادی پور، ت. (1391). بررسی تحلیلی آمار تلفات عابران پیاده برمبنای پارامترهای مختلف و ارزیابی اثربخشی اجرای طرح ارتقای ایمنی عابران پیاده. تهران: معاونت و سازمان حمل‌ونقل و ترافیک، دوازدهمین کنفرانس بین‌المللی مهندسی حمل‌ونقل ترافیک.
10. وزیری، ا.، و زنگی‌آبادی، م. (۱۳۹۲). تحلیل تصادفات و شناسایی نقاط حادثه‌خیز در شهر تهران بر مبنای GIS. تهران: معاونت و سازمان حمل‌ونقل و ترافیک، سیزدهمین کنفرانس بین‌المللی مهندسی حمل‌ونقل و ترافیک.

 

11. Cho, Y., Jeong, H., Choi, A., & Sung, M. (2019). Design of a connected security lighting system for pedestrian safety in smart cities. Sustainability, 11,
12. Deb, Sh., Carruth, D.W., & Hudson, C. (2020). How communicating features can help pedestrian safety in the presence of self-driving vehicles: Virtual reality experiment. IEEE Transactions on Human-Machine Systems, 50(2), 176-186.
13. Eyobu, O., Joo, Jh., & Seog Han, D. (2017). A broadcast scheme for vehicle-to-pedestrian safety message dissemination. international Journal of Distributed Sensor Networks, 13 (11), 1-19.
14. Fu, T., Miranda-Moreno, L., & Saunier, N. (2018). A novel framework to evaluate pedestrian safety at non-signalized locations. Accident Analysis & Prevention, 111, 23-33.
15. Guo, Q., Xu, P., Pei, X., & Wong, S.C., & Yao, D. (2016). The effect of road network patterns on pedestrian safety: A zone-based Bayesian spatial modeling approach. Accident Analysis & Prevention, 99, 114-124.
16. Hannah, Ch., Spasić, I., & Corcoran, P. (2018). A computational model of pedestrian road safety: The long way round is the safe way home. Accident Analysis & Prevention, 121, 347-357.
17. Kim, D. (2019). The transportation safety of elderly pedestrians: Modeling contributing factors to elderly pedestrian collisions. Accident Analysis & Prevention, 131, 268-274.
18. Kim, S., & Ulfarsson, G.F. (2018). Traffic safety in an aging society: Analysis of older pedestrian crashes, Journal of Transportation Safety & Security, 11(3), 323-332.
19. Koekemoer, K., Gesselleen, M., Niekerk, A., Govender, R., & Bastiaan, A. (2016). Child pedestrian safety knowledge, behaviour and road injury in Cape Town, South Africa, Accident Analysis & Prevention, 99, 202-209.
20. Lee, J., Abdel-Aty, M., Xu, P., & Gong, Y. (2019). Is the safety-in-numbers effect still observed in areas with low pedestrian activities? A case study of a suburban area in the United States. Accident Analysis & Prevention, 125, 116-123.
21. Li, Y., Xiong, D., Wang, L., Feng, B., & Xu, J. (2019). Dynamic mechanical behavior and pedestrian safety characteristics of toughened laminated windshield. Composites Part B: Engineering, 163, 740-751.
22. Lin, P., Guo, R., Bialkowska-Jelinska, E., Kourtellis, A., & Zhang, Y. (2019). Development of countermeasures to effectively improve pedestrian safety in low-income areas. Journal of Traffic and Transportation Engineering (English Edition), 6(2), 162-174.
23. Nesoff, E. , Milam, A. J., Pollack, K.M, Curriero, F. C., Bowie, J. V., Gielen, A.C., Furr-Holden, D. M. (2018). Novel methods for environmental assessment of pedestrian injury: Creation and validation of the inventory for pedestrian safety infrastructure. Journal of Urban Health, 95, 208–221.
24. Osama, A., & Sayed, T. (2017). Evaluating the impact of connectivity, continuity, and topography of sidewalk network on pedestrian safety. Accident Analysis & Prevention, 107, 117-125.
25. Park, Y., & Garcia, M. (2019). Pedestrian safety perception and urban street settings. International Journal of Sustainable Transportation, 14(11), 860-871.
26. Ritchie, H., Roser, M. (2018). Causes of Death, Our World in Data. Retrieved from: 'https://ourworldindata.org/causes-of-death' [Online Resource]
27. Shahum, L. (2015). Components of a Strong Vision Zero Commitment. https://visionzeronetwork.org/9-components-of-a-strong-vision-zero-commitment/
28. Soilána, M., Riveiroa, B., Rodríguezb, A., & Ariasb, P. (2018). Safety assessment on pedestrian crossing environments using MLS data. Accident Analysis and Prevention. Accident Analysis & Prevention. 111, 328-337.
29. Tumar, A. (2017). Vision zero, City of Philadelphia, Three year action plan. http://visionzerophl.com
30. World Health Organization (2013). Pedestrian safety: a road safety manual for decision-makers and practitioners. Switzerland: WHO Publications.
31. World Health Organization (2015). Global status report on road safety. Switzerland: WHO Publications.
32. Ynathan, M., & Perumal, V. (2012). Study on pedestrian crossing behavior at signalized intersections. Journal of Traffic and Transportation Engineering (English Edition), 1(2), 103-110.
33. Zhang, C., Zhou, B., Chen, G., & Chen, F. (2017). Quantitative analysis of pedestrian safety at uncontrolled multi-lane mid-block crosswalks in China. Accident Analysis & Prevention, 108, 19-26.