23366

تحليل هاي آماري و ارائه مدل هاي پيش بيني شدت تصادفات درون شهري بانوان عابر پياده با پوشش تيره و ارائه راهكارهاي ايمني

كارشناسي ارشد

عمران-راه و ترابري

97

1399/11/15

دكتر محمود عامري- دكتر ندا كامبوزيا

فني مهندسي عمران

پياده‌روي يكي از طرق حمل‌ونقل است كه در زمان عدم وجود ساير ابزارهاي حمل‌ونقلي به‌خصوص وسايل نقليه موتوري، مي‌تواند بين يك محيط و جامعه ارتباط برقرار نمايد. امروزه حوادث ترافيكي به يكي از معضلات مهم جهان در بخش حمل‌ونقل تبديل شده است. لذا شناسايي عوامل مؤثر بر تصادفات و تعيين ميزان تأثير هركدام از اين عوامل بر شدت حوادث ترافيكي بايد از اولويت‌هاي اصلي نهادهاي مربوطه قرار گيرد. هدف اصلي اين پژوهش، بررسي تأثير عوامل مختلف مؤثر در تصادفات بانوان عابر پياده با پوشش تيره در كلان‌شهر مذهبي قم طي سال‌هاي 1393 تا 1398 مي‌باشد. در اين مطالعه ابتدا با استفاده از تحليل فراواني، فراواني وقوع متغيرها موردبررسي قرار گرفته است. سپس با استفاده از مدل رگرسيون لجستيك چندگانه، ميزان تأثيرگذاري هركدام از متغيرهاي پيش‌بيني بر متغير هدف مشخص شده است و جهت ارائه يك مدل برتر با درصد صحيح بيشتر و خطاي كمتر از شبكه عصبي مصنوعي پرسپترون چندلايه استفاده شده است. درنهايت به مقايسه نتايج پرداخته و با توجه به نتايج، راهكارهاي ايمني جهت كاهش تصادفات و افزايش ايمني معابر ارائه شده است. نتايج نشان داد كه بانوان عابر پياده پوشش تيره تري نسبت به مردان داشتند. همچنين ميزان تصادفات بانوان عابر پياده با پوشش تيره بطور قابل توجهي بالاتر از تصادفات آنها با پوشش روشن بود و از بين بانوان عابر پياده با پوشش تيره، حدود 75 درصد بانوان پوشش چادر داشتند. نتايج مدل‌سازي رگرسيون لجستيك چندگانه نشان داد كه درصد صحيح مدل 13/85 درصد بوده است و ساعت تصادف 18 تا 24 و شب بدون روشنايي كافي به ترتيب بيشترين تأثير را در افزايش احتمال وقوع تصادفات بانوان عابر پياده با پوشش تيره داشتند. همچنين ايستادن كنار جاده تأثير قابل‌توجهي در وقوع تصادفات آنها داشت. مدل شبكه عصبي عملكرد بهتر و درصد پيش‌بيني بالاتري نسبت به مدل رگرسيون لجستيك داشت و خطاي پيش‌بيني آن پايين‌تر بود. به‌طوري‌كه درصد صحيح مدل شبكه عصبي برابر 04/98 درصد شده است. نتايج شبكه نشان داد كه وضعيت روشنايي، ساعت تصادف و سن به ترتيب بيشترين تأثير را بر شدت تصادفات داشته‌اند؛ بنابراين با در نظر گرفتن نتايج مدل لجستيك چندگانه، وضعيت روشنايي ضعيف مهمترين عامل در وقوع تصادفات بانوان عابر پياده با پوشش تيره در كلان‌شهر قم بوده است.

1400/01/27

Statistical analysis and presentation of predicting models of the severity of urban accidents of female pedestrians with dark clothing and providing safety solutions

2/3/2021 12:00:00 AM

Walking is one of the modes of transportation that in the absence of other means of transportation, especially motor vehicles, can establish a connection between an environment and society. Today, traffic accidents have become one of the major problems in the world in the field of transportation. Therefore, identifying the factors affecting accidents and determining the impact rate of each of these factors on traffic accidents should be one of the main priorities of the relevant organizations. The main purpose of this study is to investigate the effect of various factors affecting the accidents of female pedestrians with dark clothing in the religious metropolis of Qom during the years 1393 to 1398 (SH). In this study, first, the frequency of occurrence of variables has been investigated using frequency analysis. Then, using multiple logistic regression model, the effect of each of the predictor variables on the target variable has been determined and to provide a superior model with higher correct percentage and less error, multilayer perceptron artificial neural network has been applied. Finally, the results are compared and according to the results, safety solutions are presented to reduce accidents and increase road safety. The results showed that female pedestrians had darker clothing than male ones. Also, the accident rate of female pedestrians with dark clothing was significantly higher than their accidents with bright clothing, and among female pedestrians with dark clothing, about 75% of them wore tents. The results of multiple logistic regression modeling showed that accident time of 18 to 24 and night without adequate lighting had the greatest effect on increasing the probability of accidents, respectively. Also, standing on the road side had a significant impact on the occurrence of accidents. The neural network model had better performance and higher prediction percentage than the logistic regression model and its prediction error was lower. So that the correct percentage of the neural network model has been 98.04%. The network results showed that lighting condition, accident time and age had the greatest effect on the severity of accidents, respectively. Therefore, considering the results of multiple logistic model, poor lighting condition has been the most important factor in the occurrence of accidents of female pedestrians with dark clothing in Qom metropolis.

ايمني راه , تصادفات درون شهري , بانوان عابرپياده , رنگ لباس

Road safety , Urban accidents , Female pedestrians , Clothing color