تحلیل و ارزیابی رابطه تغییرات ساعتی حجم تقاضای سفر و تعداد تصادفات شدید در معابر درون شهری (مطالعه موردی شهر قم)
محل انتشار: فصلنامه جاده، دوره: 34، شماره: 128
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 10
فایل این مقاله در 11 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_ROAD-34-128_013
تاریخ نمایه سازی: 21 مهر 1405
چکیده مقاله:
امروزه، موضوع تامین تردد ایمن در سطح شبکه معابر درون شهری یکی از اصول اساسی حاکم بر مهندسی ترافیک و برنامه ریزی حمل ونقل است. شهر قم به عنوان یک پایگاه زیارتی مبدا و مقصد بسیاری از سفرهای زیارتی می باشد. حجم تقاضای سفر در ساعات متفاوت روز با توجه به رخدادهای مذهبی و فرهنگی افزایش و کاهش می یابد. با توجه به اهمیت مدل سازی تعداد تصادفات شدید می توان اهمیت عوامل متفاوت در رخدادها را بدست آورد و با مدیریت آن می توان به افزایش سطح ایمنی پرداخت. در این مطالعه با استفاده از ۲ مدل رگرسیون خطی و غیرخطی و با استفاده از ۱۰.۷۶۴ گزارش تصادف شدید به تحلیل این رابطه پرداخته شده است. با در نظر گرفتن تغییرات ساعتی حجم تقاضای سفر، مشاهده شده است مدل رگرسیون خطی دارای توانایی برآورد احتمالی پیش بینی تصادفات شدید نیست اما مدل های رگرسیون غیر خطی توصیف بهتری برای پیش بینی تعداد تصادفات شدید در شهر قم دارد. برای مدل سازی از متغیرهای تعداد تصادفات شدید در ساعات ۷ الی ۱۹ در محورهای درون شهری قم، حجم تردد ساعتی همسنگ سواری، حجم تردد ساعتی وسایل نقلیه سنگین و حجم تردد ساعتی وسایل نقلیه شخصی استفاده شد. همچنین لازم به ذکر است که با تغییرات ساعتی حجم تقاضای سفر تعداد تصادفات شدید نیز تغییر کرده ولی به طور کلی نمی توان گفت این دو همیشه با هم رابطه مثبتی دارند و در بعضی ساعات متغیرهای دیگری موجب افزایش تصادفات شدید می شوند.
کلیدواژه ها:
نویسندگان
امیرحسین جشنیان
دانشجوی دکتری، دانشکده عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
محمدامین ابراهیم زاده
استادیار، گروه مهندسی عمران، دانشگاه آزاد اسلامی، واحد کرج، ایران
شبنم یعقوبی
دانش آموخته کارشناسی ارشد، دانشکده عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، 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 :