17281

17281

پيش بيني شدت تصادفات ترافيكي درون شهري با استفاده از مدل هاي لوجيت (مطالعه موردي كلان شهر مشهد)

كارشناسي ارشد

راه و ترابري

اسفند 1395

دكتر حميد بهبهاني

عمران

پژوهش حاضر در جهت ارائه¬ي مدل¬هاي توصيفي براي پيش¬گويي شدت تصادفات درون شهري انجام گرفته است. مدل-سازي بر مبناي نظريه¬ي مطلوبيت و با مدل¬هاي لوجيت چندجمله¬اي و دوجمله¬اي انجام شده است. فرضيات اين پژوهش در انتخاب متغيرهاي موثر، بر اساس نتايج مطالعات پيشين و پايگاه داده موجود در نظر گرفته شده است. لذا متغيرهاي ترافيكي (سرعت، حجم، ازدحام)، نوع برخورد، وضعيت سطح روسازي، نوع تصادف، وجود ميانه و پاركينگ، نوع راه، مشخصات هندسي معبر و وضعيت جوي به عنوان متغيرهاي تاثيرگذار بر شدت تصادفات انتخاب شدند. آزمون همبستگي پيرسون عدم وجود همبستگي بين متغيرهاي مستقل را نشان داد و بر اساس نتايج آزمون VIF تنها در دو متغير Volume و VC احتمال هم¬خطي چندگانه وجود داشته است. بر اساس نتايج مدل كامل دوجمله¬اي متغيرهاي etct، pedes، motor، cloud، twoway، S1، length، arterial1، arterial2 و freeway معنادار (p-value<0.05) مي¬باشند. قابل ذكر است كه در نهايت از مقايسه آماره¬هاي AIC، BIC و -2LOG L مدل كامل با ديگر مدل¬ها، مدل نهايي (محدود شده) انتخاب مي¬شود. نتايج مدل چندجمله¬اي نشان مي¬دهد كه پس از برداخت مدل كامل، در بين تمامي متغيرهاي پيشگو (مستقل) 12 متغير middle، pedes، motor، etcm، PP، JP، JJ، JA، arterial2، RIDING، VC و Speed معنادار مي¬باشند و در نتيجه در مدل نهايي حضور خواهند داشت. كه در بين متغيرهاي نوع برخورد، JJ (شاخ به شاخ) داراي بيشترين تاثير بر متغير وابسته مي¬باشد. همچنين ازدحام وسايط نقليه VC (ازدحام) سبب كاهش احتمال رخداد تصادفات با شدت جرحي و خسارتي مي¬¬شود. واژه‌هاي كليدي: ايمني تصادفات، شدت تصادفات ترافيكي، مدل¬هاي انتخاب گسسته، مدل¬هاي لوجيت.

1396/03/05

1/1/1900 12:00:00 AM

The present study attempt to develop a descriptive Models for prediction of crash severities in urban traffic areas. This method is mainly based on utility Hypothesis, also used binary logit model (logistic regression), and multinomial logit models. The main assumptions in the selection of effective variables is based on previous studies and available data. Consequently, the traffic variables (volume, speed, and v/c), collision type , surface term, crash characteristic , existence of middle and parking , road category ,geometrical specification are selected to playing role in the intensity of accidents severities. Pearson correlation test showed no correlation between independent variables and Variance Inflation Factor (VIF) Eventuate multi-collinearity just for variable as vc and volume. Based on results of complete binary model, variables such as etct, pedes, motor, cloud, twoway, S1, length, arterial1, arterial2 and freeway is significance (p-value<0.05). It should be noted, finally the comparison of statistics AIC, BIC and -2LOG L complete model with other models, it's been chosen the final model (limited). multinomial model results show that after payment of the full model among all predictor variables (independent), 12 variable (pedes, motor, etcm, PP, JP, JJ ،JA, arterial2, Riding، VC and Speed) are significant, as a result, will be present in the final model. Among the collision type variables, jj (head to head) have the greatest impact on the dependent variable. The vehicle congestion (VC) reduce the probability of accidents and the severity of the injury and damage. Keywords: safety, traffic crash severity, discrite choice models, logit models.