استفاده از مدل رگرسیون لجستیک رتبه ای جهت مدلسازی شدت آسیب تصادف موتورسیکلت تک سرنشین

موتورسیکلت ها نسبت رو به افزایشی از تلفات ترافیکی در ایالات متحده را نشان میدهند که بیش از ۱۲/۷% از کل تلفات ترافیکی در طول سالهای ۲۰۰۵ تا ۲۰۱۴ را شامل میشود. بهطور خاص، در کارولینای شمالی، موتورسیکلتها کمتر از % ۱ وسایل نقلیه درگیر در تصادفات را تشکیل میدهند، اما بیش از ۷% از کل تلفات را شامل میشوند که نشاندهنده یک ایالت برتر در ایالاتمتحده است. این مطالعه همراه با مرور نسبتا دقیق ادبیات تحقیق سعی در بررسی عمیق تر تصادفات موتورسیکلت در کارولینای شمالی دارد. در انجام این کار، داده های تصادف پنج سال (۲۰۱۳ - ۲۰۰۹) از پایگاه داده سامانه اطلاعات ایمنی راه اداره فدرال به دست آمد. یک مدل رگرسیون لجستیک شانس نسبی (PPO) برای بررسی تاثیر متغیر توضیحی بر متغیر وابسته رتبه ای، یعنی شدت آسیب، توسعه داده شد. علاوه بر این، دو مدل معروف دیگر با پاسخ رتبهای، یعنی مدلهای احتمال متناسب و غیر متناسب و همچنین یک مدل مشابه با پاسخ غیر رتبه ای، یعنی مدل لوجیت چند جملهای، نیز برای ارزیابی عملکرد آنها در مقایسه با مدل PPO توسعه داده شدند. مشخص شد که موتورسواران مسنتر، موتورسواران تحت تاثیر دارو یا الکل یا DUI، استفاده نکردن از کلاه ایمنی، تصادف در تابستان و آخر هفته، تاریکی، تصادف با اجسام ثابت، موتورسواری بی پروا و سرعت غیر مجاز باعث افزایش شدت جراحات میشود. در مقابل، موتورسواران جوان تر، فصل زمستان، شرایط آب و هوایی نامطلوب و سطح مرطوب با شدت آسیب کمتری همراه بودند. علاوه بر این، تصادفات در مناطق برون شهری، تصادفات از نوع واژگونی و تصادفات در قوسها نشان دهنده تاثیرات نوسانی شدت جراحت است. با توجه به دو معیار اطلاعاتی محاسبه شده برای هر سه مدل توسعه یافته متناسب با داده های مشابه، مشخص شد که مدل PPO بهتر از مدلهای دیگر عمل میکند و نتایج قابل اطمینان تر ارائه میدهد. براساس شبه کشش های مستقیم میانگین به دست آمده، این مطالعه تاثیر متغیرهای شناسایی شده مختلف را تعیین میکند و چندین اقدام متقابل ایمنی را به عنوان منبعی برای سیاست گذاران برای جلوگیری یا کاهش شدت تصادفات موتورسیکلت در کارولینای شمالی توسعه میدهد.