مدل فراوانی و شدت تصادفات برون‌شهری با به‌کارگیری الگوی رگرسیون پواسون

مهندسی عمران فردوسی

مقاله 3، دوره 31، شماره 3 - شماره پیاپی 23، مرداد 1397، صفحه 33-46   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/civil.v32i1.58128

نویسندگان

مرتضی اسدامرجی^{* 1}؛ سید احسان سیدابریشمی²؛ محمود صفارزاده²؛ معین عسکری³

¹دانشگاه تربیت مدرس تهران

²تربیت مدرس

³دانشگاه صنعتی خواجه نصیر الدین طوسی

چکیده

یکی از راهکارهای مهم شناسایی نقاط داری پتانسیل تصادف در جاده­ها، ممیزی ایمنی مسیر است. پس از شناسایی این نقاط می­توان برای آنها استراتژی‌های مناسبی درنظر گرفت تا فراوانی و شدت تصادفات کاهش یابد. در این پژوهش بااستفاده از ممیزی ایمنی مسیر مشکلات دسترسی‌ها،  روسازی، علائم، کنار جاده، طرح هندسی و تصادفات جرحی و فوتی قطعات راه‌های برون‌شهری شناسایی گردید و بااستفاده از این داده­ها الگوی ساخت مدل تصادفات در آنها ارائه گردید. در این مقاله محور همدان- کرمانشاه به‌عنوان مطالعه موردی انتخاب شد که در محور مذکور مدل رگرسیون پواسونی دارای اعتبار بیشتری بود و مشکلات آب‌روها و قوس قائم به‌ترتیب مهم‌ترین دلایل بروز تصادف فوتی و جرحی بودند.

کلیدواژه‌ها

: ممیزی ایمنی؛ جاده برونشهری؛ مدل تصادفات

سایر فایل های مرتبط با مقاله

3-Extended Abstract -asad amraji.pdf

مراجع

1. Singh, S., "Critical Reasons for Crashes Investigated in the National Motor Vehicle Crash Causation Survey", No. DOT HS 812 115, (2015).

2. سیمای ایمنی راه‌ها (2)، گزارش ملی وضعیت ایمنی رانندگی در ایران، وزارت راه و شهرسازی، (1394).

2. Highway Safety Manual (HSM), American Association of State Highway and Transportation Officials, (2010).

3. Lee, J.Y., Chung, J.-H. and Son, B., "Analysis of Traffic Accident Size for Korean Highway Using Structural Equation Models", Accident Analysis and Prevention, Vol. 40, No. 6, pp. 1955–1963, (2008).

4. Sun, X., Li, Y., Magri, D., & Shirazi, H. H., "Application of Highway Safety Manual Draft Chapter: Louisiana Experience", Transportation Research Record: Journal of the Transportation Research Board, Vol.1950, No. 1, pp. 55-64, (2006).

5. Phimister, J. R., Bier, V. M., & Kunreuther, H. C. (Eds.), "Accident Precursor Analysis and Management: Reducing Technological Risk Through Diligence", National Academies Press, (2014).

6. Milton, J.C., Shankar, V.N. and Mannering, F.L. "Highway Accident Severities and the Mixed Logit Model: An Exploratory Empirical Analysis", Accident Analysis and Prevention, Vol.40, No. 1, pp. 260–266, (2008).

7. Ma, J., Kockelman, K.M. and Damien, P., "A Multivariate Poisson-lognormal Regression Model for Prediction of Crash Counts by Severity, Using Bayesian Methods", Accident Analysis and Prevention, Vol.40, No. 3, pp. 964-975, (2008).

8. Cafiso, S., La Cava, G., Leonardi, S., Montella, A., and Pappalardo, G, "Operative Procedures for Road Safety Inspections," Varsaw, Poland, (2012).

9. Anastasopoulos, C. and Mannering, F.L., "A Note on Modeling Vehicle Accident Frequencies with Random-parameters Count Models", Accident Analysis and Prevention, Vol. 41, No. 1, pp. 153–159, (2009).

10. Cafiso, S., Cava, G. L., & Montella, A., "Safety Index for Evaluation of Two-lane Rural Highways". Transportation Research Record: Journal of the Transportation Research Board, Vol. 2019, No.1, pp. 136-145, (2007).

11. Chang, L., "Analysis of Freeway Accident Frequencies: Negative Binomial Regression Versus Artificial Neural Network", Safety Science, Vol.43, No. 8, pp. 541–557, (2005).

12. Hermans, E., Van den Bossche, F., & Wets, G., "Combining Road Safety Information in A Performance Index", Accident Analysis & Prevention, Vol. 40, No. 4, pp. 1337-1344, (2008).

13. Zheng, L., and Meng, X., "An Approach to Predict Road Accident Frequencies: Application of Fuzzy Neural Network", 3rd International Conference on Road Safety and Simulation, September 14-16, Indianapolis, USA, (2011).

14. Mc Elhinney, C. P., Kumar, P., Cahalane, C., & McCarthy, T., "Initial Results from European Road Safety Inspection (EURSI) Mobile Mapping Project", In ISPRS Commission V Technical Symposium, pp. 440-445, (2010).

15. Zeng, Q., & Huang, H., "Bayesian Spatial Joint Modeling of Traffic Crashes on an Urban Road N-etwork", Accident Analysis & Prevention, Vol. 67, pp. 105-112, (2014).