رویکرد مبتنی بر مدل های رگرسیون وزن دار جغرافیایی در پیش بینی تصادفات عابران پیاده با استفاده از متغیرهای رویارویی و محیطی
- سال انتشار: 1402
- محل انتشار: فصلنامه مهندسی حمل و نقل، دوره: 15، شماره: 1
- کد COI اختصاصی: JR_JTE-15-1_004
- زبان مقاله: فارسی
- تعداد مشاهده: 43
نویسندگان
دانشجوی دکتری، راه و ترابری، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی، قزوین، ایران
استادیار، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی، قزوین، ایران
استادیار، دانشکده علوم پایه، دانشگاه بین المللی امام خمینی، قزوین، ایران
چکیده
عابران پیاده از کاربران آسیبپذیر در معابر درون شهری هستند که مستقیما در معرض تصادف قرار میگیرند. تصادفات ترافیکی تمایل به وابستگی مکانی دارند و پدیده ای است که به عنوان همبستگی مکانی شناخته می شود. اهداف این مطالعه شامل شناسایی متغیرهای جایگزین برای عابرین پیاده در معابر شهری و شناسایی نواحی حادثه خیز تصادف با استفاده از متغیرهای رویارویی عابر پیاده و همچنین نشان دادن کارایی مدل های فضایی در پیش بینی تصادف عابرین پیاده است. در این مطالعه در گام اول که شناسایی متغیرهای رویارویی است از چندین روش آماری برای شناسایی این متغیرها استفاده شده است. همچنین، پیشبینی فراوانی تصادفات عابر پیاده با استفاده از ۶ مدل پرکاربرد آمار فضایی انجام شده است که بر اساس داده های تصادف عابر پیاده شهر تهران برای سال های ۱۳۹۶-۱۳۹۸ مورد ارزیابی قرار گرفته است. نتایج این مطالعه نشان داده است که پیش بینی فراوانی تصادفات عابرین پیاده با استفاده از مدل های رگرسیون پوآسون وزن دار جغرافیایی پر صفر و توزیع دوجمله ای منفی جغرافیایی پر صفر نتایج بهتری بر اساس معیارهای انتخاب مدل نسبت به سایر مدل ها دارد. این مطالعه پراکندگی و تراکم تصادف عابر پیاده را بدون داشتن حجم عابرین پیاده نشان داده است و بدین ترتیب می توان با انجام اقدامات ایمنی در مکان های مستعد تصادف عابر پیاده، هزینه اجتماعی و تلفات ناشی از آن را کاهش داد. در این مطالعه، استفاده از انواع مدل های رگرسیون وزن دار جغرافیایی برای ارزیابی رابطه بین متغیرهای جامعه شناختی و تصادف در سطح ناحیه مناسب بوده است. مقایسه عملکرد مدل های رگرسیون وزن دار جغرافیایی، وجود قابل توجه ناهمگنی مکانی در تحلیل را نشان می دهد.کلیدواژه ها
آمار فضایی, تصادفات عابرین پیاده, توزیع دوجمله ای وزن دار جغرافیایی پر صفر, رگرسیون پوآسن وزن دار جغرافیایی پر صفراطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.