برآورد ایمنی نواحی ترافیکی با استفاده از روش EB و مدل های کلان
محل انتشار: فصلنامه مهندسی حمل و نقل، دوره: 13، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 300
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTE-13-1_002
تاریخ نمایه سازی: 26 دی 1400
چکیده مقاله:
توجه به ایمنی در برنامهریزی حمل و نقل نیازمند دستیابی به شاخصهای ایمنی در سطح کلان میباشد. این امر با انجام مطالعات ایمنی و استفاده از متغیرها در سطح کلان امکانپذیر میباشد. استفاده از متغیرهای کلان، ساخت مدلهای پیشبینی تصادفات را آسانتر و کمهزینهتر میکند. در این مطالعه با استفاده از متغیرها، در سطح کلان، مدل پیشبینی تعداد تصادفات ترافیکی به دست آمد. متغیرهای مستقل شامل مجموع طول شبکه معابر در یک ناحیه ترافیکی، نسبت طول معابر با درجه عملکردی متفاوت به طول کل معابر موجود در یک ناحیه ترافیکی، نسبت طول خطوط اتوبوس به طول کل معابر و چگالی تقاطعات در یک ناحیه ترافیکی در نظر گرفته شد. بر این اساس اطلاعات مرتبط با ۱۶۱۳۷ تصادف در ۹۶ ناحیه ترافیکی به دست آمد. پس از ساخت مدل پیشبینی تعداد تصادفات، با استفاده از روش تجربی بایس (EB) نواحی ترافیکی از نظر ایمنی الویتبندی شدند و نواحی با بیشترین پتانسیل بهبود مشخص گردید. بر اساس نتایج حاصل افزایش طول شبکه معابر و نسبت معابر با درجه عملکردی شریانی درجه ۲ در یک ناحیه ترافیکی موجب افزایش احتمال وقوع تصادف در آن ناحیه، و افزایش نسبت معابر با درجه عملکردی جمع و پخشکننده و محلی در یک ناحیه ترافیکی موجب کاهش تعداد تصادفات در آن ناحیه میگردد. در این راستا نسبت معابر با درجه عملکردی جمع و پخشکننده در یک ناحیه ترافیکی دارای کمترین تاثیر و نسبت معابر با درجه عملکردی محلی در یک ناحیه ترافیکی بیشترین تاثیر را دارا میباشد.
کلیدواژه ها:
نویسندگان
نعمت سلطانی
پژوهشگاه حمل و نقل طراحان پارسه، تهران، ایران
محمود صفارزاده
دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران
علی نادران
دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
میلاد ابوالحسنی
دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :