28022

مدل‌سازي چند سطحي شدت تصادفات در راه‌هاي دوخطه، دوطرفه كشور

كارشناسي ارشد

مهندسي عمران - حمل و نقل

1398

1401/8/29

علي توكلي كاشاني

مهندسي عمران

بخش اعظمي از تصادفات كشور در راه‌هاي برون‌شهري اتفاق مي‌افتد كه در اين بين موارد مربوط به راه‌هاي دوخطه‌دوطرفه معمولا داراي نرخ مجروحين و كشته‌هاي زيادي مي‌باشد. علاوه‌بر متغيرهاي مربوط به صحنه تصادف (راننده، راه و محيط)، تفاوت‌هاي موجود در ويژگي‌هاي هرراه‌ تأثير قابل‌توجهي بر نحوه پراكندگي اين جراحات بين راه‌هاي مختلف دارد. لذا اين مطالعه با استفاده از تكنيك‌ مدل‌سازي چند سطحي سعي در برآورد سهم متغيرهاي اندازه‌گيري شده و نشده مربوط به راه‌ها و همين‌طور متغيرهاي مربوط به صحنه تصادف، در شدت تصادفات رخ‌داده دارد. جامعه آماري در اين مطالعه شامل 19956 تصادف صورت گرفته در 99 راه‌ دوخطه‌دوطرفه كشور در بازه زماني سال‌هاي 1394 تا 1397 مي‌باشد. نتايج اوليه حاكي از تأثير قابل‌توجه 22 درصدي ويژگي‌هاي مربوط به راه‌ها بر پراكندگي تلفات تصادفات بوده است. مدل‌سازي‌ اين مطالعه با استفاده از 6 متغير مستقل مربوط به صحنه هر تصادف و3 متغير مستقل مربوط به هر‌راه با در نظر گرفتن متغير شدت تصادفات به‌عنوان متغير پاسخ، وارد مدل گرديدند. تحليل دوسطحي روي‌داده‌ها با استفاده از مدل‌هاي چند سطحي عرض از مبدأ تصادفي و همين‌طور شيب‌هاي تصادفي رگرسيون لجستيك صورت گرفت. از دسته متغير‌هاي مربوط به صحنه تصادف، سن و تحصيلات راننده مقصر، وضعيت سطح روسازي در محل تصادف و همين‌طور روشنايي هوا در زمان تصادف و از گروه متغير‌هاي مربوط به راه‌ متغير نرخ تردد سالانه درراه، تأثير معناداري بر احتمال جرحي يا فوتي شدن تصادفات داشته‌اند. نتايج مربوط به فاكتور‌هاي نيكويي برازش و همين‌طور صحت پيش‌بيني مدل‌هاي چند سطحي با مدل رگرسيون لجستيك معمولي مقايسه گرديد. مدل چند سطحي نهايي ازنظر همه فاكتور‌هاي نيكويي برازش BIC، AIC و Deviance نسبت مدل رگرسيون لجستيك تك سطحي معمول برتري داشته است و همين‌طور نتايج مربوط به صحت‌سنجي قدرت پيش‌بيني مدل‌ها حاكي از افزايش 10 درصدي صحت پيش‌بيني شدت تصادفات در مدل چند سطحي نسبت به مدل تك سطحي معمول مي‌باشد. اين بهبود در نتايج حاصل در نظر گرفتن ناهمگوني‌ها و ويژگي‌هاي مؤثر مربوط به راه‌ها بر شدت تصادفات مي‌باشد.

1401/12/23

Multilevel Modeling for the severity of accidents on rural two-lane, two-way roads on Iran

11/20/2023 12:00:00 AM

A large number of country's accidents happen on urban roads, among which cases occurred on two-lane, two-way roads usually have a high rate of injuries and fatalities. In addition to the variables related to the accident scene (driver, road and environment), the differences in the characteristics of each road have a significant impact on the disparity of these injuries among different roads. Therefore, this study tries to estimate the influence of the measured and unmeasured characteristics related to the roads as well as the accident scene variables in the disparity of the accident severity outcomes by using the multilevel modeling technique. The data set used in this study includes 19,956 accidents that occurred on 99 two-lane two-way roads in the country between 2014 and 2017. The preliminary results indicated a significant impact of 22% of road characteristics on the likelihood of injury crashes. Independent variables of this study, 6 independent variables related to the scene of each accident and 3 independent variables related to each road, entered into the model by considering the accident severity variable as the response variable. Two-level analysis of accidents was done using Random Intercept and Random Coefficient Logistics Regression Models. Variables related to the scene of the accident includes the age and education of the at-fault driver, status of the pavement surface at the time of the accident, as well as the status of air lighting at the time of the accident, and from the group of variables related to the road, the average daily traffic on the road has a significant effect on the probability of injury or death in accidents. The results related to the goodness of fit factors and the prediction accuracy of the multilevel models were compared with the normal logistic regression model. The final multi-level model is superior to the conventional single-level logistic regression model in terms of all fit statistics; BIC, AIC and Deviance, and also the results related to the verification of the predictive power of the models indicate a 10% increase in the accuracy of predicting the severity of accidents in the multi-level model compared to the conventional single-level model. This improvement is in the results of considering the heterogeneities and effects of roads characteristics on the severity of accidents.

مدل‌سازي چندسطحي , مدل‌سازي شدت تصادفات

Multilevel modeling , Crash severity modeling

mahdi azhdari

ali tavakoli kashani