تعیین عوامل مرتبط با تعداد تصادفات بر حسب شدت با استفاده از رگرسیون پواسون- لگ نرمال چند متغیره بیزی

مقدمه: برازش مدل های تک متغیره در بسیاری از تحقیق های گذشته برای تحلیل داده های تصادف به کار رفته است. با توجه به آن که متغیر شدت در این مطالعه ها میتواند بیش از یک سطح باشد، از این رو در این مقاله مدل پواسون- لگ نرمال چند متغیره برای مدلسازی تعداد تصادفات بر حسب شدت استفاده شد. اگرچه برای مقایسه از مدل های تک متغیره نیز استفاده شد. روش ها: استنباط آماری پارامترهای مدل توسط رهیافت بیز و استفاده از روش نمونه گیری گیبز و الگوریتم متروپلیس- هستینگز انجام شد. دادههای تصادف مربوط به تقاطعهای شهر اصفهان بود. یافته ها: با وجود بیش پراکنش در دو سطح شدت و وجود همبستگی بین این دو سطح، مدل پواسون- لگ نرمال چند متغیره برازش بهتری را نسبت به بقیه مدل ها ارایه داد. همچنین اثر حجم کل ترافیک بر تصادفات خسارتی در تمامی مدل ها معنی دار بود، اما اثر حجم کل ترافیک چپ گردها بر تصادفات جراحتی و فوتی تنها در مدل پواسون تک متغیره معنی دار شد. بنابراین با فرض ثابت نگه داشتن بقیه متغیرهای توضیحی، انتظار میرود که افزایش حجم کل ترافیک باعث افزایش تصادفات خسارتی می شود. همچنین افزایش حجم کل ترافیک چپ گردها نیز باعث افزایش تصادفات جراحتی و فوتی در تقاطعها میشود. به طور دقیق تر تحت مدل پواسون- لگ نرمال چند متغیره افزایش ۱۰۰۰ وسیله نقلیه در متوسط حجم کل ترافیک باعث افزایش ۳۱ درصدی تصادفات خسارتی میشود. نتیجه گیری: بنابراین کاهش حجم کل ترافیک در مقوله کاهش هزینه تصادفات در دراز مدت پیش بینی میشود که بسیار مقرون به صرفه استواژه های کلیدی: استنباط بیزی، روش مونت کارلوی زنجیر مارکوفی، توزیعهای پسین شرطی کامل، شدت تصادفات، ایمنی تقاطعها.