22571

تحليل و مدل‌سازي تصادفات درون‌شهري تحت تأثير عوامل جوي و ارائه راهكارهاي ايمني

كارشناسي ارشد

راه و ترابري

1397-1399

1399/7/19

دكتر محمود عامري – دكتر ندا كامبوزيا

عمران

تصادفات رانندگي در اثر كنار هم قرار گرفتن عواملي به وجود مي‌آيند كه تلفات، صدمات و خساراتي را به دنبال دارند. در بروز چنين حوادثي همواره چهار عامل انسان، وسيله نقليه، جاده و محيط نقش اساسي دارند. در ميان عوامل محيطي، پديده‌هاي مختلف اقليمي نيز تأثير قابل‌توجهي بر تصادفات ترافيكي مي‌گذارند. هدف اصلي اين پژوهش، بررسي تأثير عوامل مختلف مؤثر در تصادفات در كنار عوامل جوي (شامل دما، ميزان تابش، ميزان بارش، تعداد روزهاي بارش، سرعت باد و رطوبت نسبي) و آلاينده‌هاي مهم هوا (شامل PM10، PM2.5، SO2، NO2، CO و O3) بر شدت تصادفات درون‌شهري كلان‌شهر رشت در سال‌هاي 1393 تا 1397 مي‌باشد. 25 متغير مؤثر بر شدت تصادفات به همراه روش‌هاي مختلف تحليل و مدل‌سازي مانند آزمون فريدمن، تحليل عاملي اكتشافي، مدل رگرسيون لجستيك چندگانه و مدل شبكه عصبي مصنوعي پرسپترون چندلايه (MLP) به كار گرفته شده است. نتايج نشان داد كه در آزمون فريدمن، متغيرهاي وضعيت هوا، علت تامه تصادف، شرايط سطح راه و وضعيت روشنايي به ترتيب بالاترين رتبه و اهميت را در وقوع تصادفات داشتند. بر اساس تحليل عاملي اكتشافي، 25 متغير مستقل به 7 عامل تلخيص شدند و به‌عنوان عامل‌هاي اصلي مؤثر در تصادفات شناخته شدند و نتايج تحليل نشان داد كه متغيرهاي وضعيت هوا، آلاينده PM2.5، ميزان بارش، شرايط سطح راه و وضعيت روشنايي تحت اولين عامل مؤثر در تصادفات قرار گرفتند. مدل رگرسيون لجستيك نشان داد كه هواي باراني و سطح روسازي مرطوب و خيس به ترتيب بيشترين تأثير را در افزايش احتمال وقوع تصادفات داشتند و پس‌ازآن‌ها آلاينده PM2.5 (با غلظت µg/m3 4/150-5/55) تأثير قابل‌توجهي در وقوع تصادفات داشت. مدل شبكه عصبي MLP عملكرد بهتر و درصد پيش‌بيني بالاتري نسبت به مدل رگرسيون لجستيك داشت و خطاي پيش‌بيني آن پايين‌تر بود. نتايج شبكه نشان داد كه وضعيت هوا، شرايط سطح راه، علت تامه تصادف و آلاينده PM2.5 به ترتيب بيشترين تأثير را بر شدت تصادفات داشتند و با در نظر گرفتن نتايج مدل لجستيك چندگانه، هواي باراني بيشترين تأثير را در تصادفات درون‌شهري كلان‌شهر رشت داشته است. در انتها با در كنار هم قرار دادن نتايج، اقدامات ايمني جهت كاهش تصادفات و افزايش ايمني معابر شهري كلان‌شهر رشت ارائه شد.

1399/07/27

Analysis and modeling of urban accidents under the influence of climate factors and provide safety solutions

10/10/2020 12:00:00 AM

Traffic accidents are caused by a combination of factors that lead to casualties, injuries and property-damages. The four factors of human, vehicle, road and environment always play a key role in the occurrence of such accidents. Among environmental factors, various climatic phenomena also have a significant impact on traffic accidents. The main purpose of this study is to investigate the effect of various factors affecting accidents along with climate factors (including temperature, radiation, rainfall, number of rainy days, wind speed and relative humidity) and important air pollutants (including PM10, PM2.5, SO2, NO2, CO and O3) on the severity of urban accidents in Rasht metropolitan in the years of 1393 to 1397 (SH). 25 variables affecting the severity of accidents have been used along with various methods of analysis and modeling such as Friedman test, exploratory factor analysis, multiple logistic regression model and multilayer perceptron (MLP) artificial neural network model. The results showed that in Friedman test, the variables of weather condition, cause of accident, road surface condition and lighting condition had the highest rank and importance in the occurrence of accidents, respectively. Based on exploratory factor analysis, 25 independent variables were summarized into 7 factors and identified as the main factors influencing accidents and the results of the analysis showed that the variables of weather condition, PM2.5 pollutant, rainfall, road surface condition and lighting condition were under the first effective factor in accidents. Logistic regression model showed that rainy weather and wet pavement surface had the greatest effect on increasing the probability of accidents, respectively, and then PM2.5 pollutant (With concentration of 55.5-150.4 µg/m3) had a significant impact on the occurrence of accidents. The MLP neural network model had better performance and higher prediction percentage than the logistic regression model and its prediction error was lower. The results of the network showed that weather condition, road surface condition, cause of accident and PM2.5 pollutant had the greatest impact on the severity of accidents, respectively, and considering the results of multiple logistic model, rainy weather had the highest influence on urban accidents of Rasht metropolis. Finally, by combining the results, safety solutions were presented to reduce accidents and increase safety in urban roads of Rasht metropolitan.

آلودگي هوا , ايمني راه , تصادفات درون‌شهري , عوامل جوي

Air pollution , Road safety , Urban accidents , Climate factors