مدل سازی سطح شدت حوادث وسایل نقلیه ریلی با روش لوجیت چندگانه به تفکیک قطار باری و قطار مسافری

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 24

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TRJ-21-2_004

تاریخ نمایه سازی: 4 تیر 1403

چکیده مقاله:

حمل ونقل ریلی یکی از مدهای ایمن حمل ونقلی در جهان است و به دلیل راحتی و کم بودن هزینه ها به یکی از جذاب ترین شیوه-های حمل ونقلی برای مسافران و صاحبان کالا تبدیل شده است. اما یکی از مسائلی که باعث کاهش مطلوبیت حمل ونقل ریلی شده، حوادثی است که در آن ها اتفاق می افتد. هدف از این پژهش شناسایی و بررسی عوامل موثر بر سطح شدت حوادث در سه سطح فوتی، جرحی و فقط خسارتی برای سه دسته از وسایل حمل ونقل ریلی شامل قطار باری، مسافری و سایر وسایل نقلیه ریلی (اعم از لکوموتیو، واگن باری و غیره) است. در این پژوهش از داده های حوادث ریلی ایران از سال ۱۳۸۵ تا ۱۳۹۹ استفاده شده و مدل سازی از طریق رگرسیون لوجستیک چندگانه صورت گرفته است. در مدل سازی با کمی کردن نتایج، سعی شده است که تاثیر هر یک از متغیرها بر سطح شدت حوادث رخ داده بیان گردد. بر اساس نتایج بدست آمده از این پژوهش، تصادف با عابرین پیاده، تصادف با وسایل نقلیه جاده ای، سرعت بالاتر از سرعت مجاز (برابر و یا بیشتر از ۳۰ کیلومتر بر ساعت)، سرعت در هنگام تصادف (برابر و یا بیشتر از ۳۰ کیلومتر بر ساعت) چند خطه بودن ریل از جمله متغیرهایی هستند که نسبت به سایر متغیرها تاثیر معنی دار و بیشتری بر شدت حوادث دارند. با توجه به نتایج مدل سازی و با توجه به نوع متغیرهای مدل، علاوه بر شناخت عوامل موثر بر ایمنی انتظار می رود با انجام اقدامات اصلاحی و ارائه برخی از سیاست گذاری ها بسته به نوع متغیرهای مدل بطور مثال با بکارگیری گاردریل در سطح راه های ریلی که براساس آمار دارای خروج از ریل زیادی هستند، به افزایش ایمنی در حوزه حمل ونقل ریلی کمک کرد.

نویسندگان

سید صابر ناصر علوی

استادیار، بخش مهندسی عمران، دانشکده فنی- مهندسی، دانشگاه شهید باهنر کرمان، ایران

نوید ندیمی

دانشیار، بخش مهندسی عمران، دانشکده فنی- مهندسی، دانشگاه شهید باهنر کرمان، ایران

سیدامیرمحمد حسینی

دانشجوی کارشناسی ارشد، بخش مهندسی عمران، دانشکده فنی- مهندسی، دانشگاه شهید باهنر کرمان، ایران

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 :
  • امیر گل­رو، مرتضی باقری، زهرا فتح الهی (۱۳۹۵). تشخیص خرابی ...
  • حامد پایدار، سعید محمدزاده (۱۳۹۹). تحلیل مکانیک شکست ترک ستارهای ...
  • Attoh-okine, N. (۲۰۱۴). Big Data Challenges in Railway Engineering. ۷–۹. ...
  • Babu, A. R. P. P. S. (۲۰۲۲). Solar Powered Fault ...
  • Babuska, R., & Schutter, B. De. (۲۰۱۶). Deep Convolutional Neural ...
  • Bergmeir, C., Gregorio, S., Mart, C., & Ben, M. (۲۰۱۳). ...
  • Chen, Z., & Fan, W. (David). (۲۰۱۹). A multinomial logit ...
  • DOT, U. S. (۲۰۰۷). Role of Human Factors in Rail ...
  • Fay. (۲۰۰۰). A fuzzy knowledge-based system for railway traffic control. ...
  • doi.org/۱۰.%۰A۱۰۱۶/S۰۹۵۲-۱۹۷۶(۰۰)۰۰۰۲۷-۰FRA. (۲۰۱۲). SAFETY. ...
  • Ghofrani, F., He, Q., Goverde, R. M. P., & Liu, ...
  • Hadj-mabrouk, H. (۲۰۱۹). Contribution of Artificial Intelligence to Risk Assessment ...
  • Hao, W., Kamga, C., & Wan, D. (۲۰۱۶). The Effect ...
  • Harsha, P. K. S. B. P. (۲۰۲۰). Analysis of Causes ...
  • Hayward. (۲۰۱۸). Big data & the digital railway. ...
  • Hughes. (۲۰۱۸). Making the railway safer with big data ...
  • Jindal, A., & Mukherji, S. (۲۰۰۵). World report on road ...
  • ۶۱(۱), ۹۱. doi.org/۱۰.۱۰۱۶/s۰۳۷۷-۱۲۳۷(۰۵)۸۰۱۳۵-. ...
  • Kawprasert, A., & Barkan, C. P. L. (۲۰۱۰). Effect of ...
  • Keramati, A., Lu, P., Tolliver, D., & Wang, X. (۲۰۲۰). ...
  • Keramati, A., Lu, P., Zhou, X., & Tolliver, D. (۲۰۲۰). ...
  • Lai, J., Xu, J., Wang, P., Yan, Z., Wang, S., ...
  • Lee, J. S. (۲۰۱۹). Estimation of crack width based on ...
  • Lin, P.-S.; Fabregas, A.; Kourtellis, A.; Bryant, E.; Lall, S. ...
  • Marr. (۲۰۱۷). How Siemens is using big data and IoT ...
  • Naweed, A. (۲۰۱۳). Psychological factors for driver distraction and inattention ...
  • Rampriya, R. S., Suganya, R., Nathan, S., Perumal, P. S., ...
  • Reis, V., Fabian Meier, J., Pace, G., & Palacin, R. ...
  • Rowan, H. M., Faculty, E., & Lavrenz, S. M. (۲۰۲۱). ...
  • Santur, Y., Karaköse, M., & Ak, E. (۲۰۱۷). A New ...
  • Shah, A. A., Chowdhry, B. S., Memon, T. D., & ...
  • Shin, W. J. (۲۰۲۰). Grinding effect analysis according to control ...
  • Silla, A.; Luoma, J. (۲۰۱۲). Main characteristics of train–pedestrian fatalities ...
  • Tey, L., Ferreira, L., & Wallace, A. (۲۰۱۱). Measuring driver ...
  • Thaduri, A., Galar, D., & Kumar, U. (۲۰۱۵). Railway assets : ...
  • Xie, Y., Zhao, K., & Huynh, N. (۲۰۱۲). Analysis of ...
  • Zhao, S., & Khattak, A. J. (۲۰۱۷). Factors associated with ...
  • نمایش کامل مراجع