کاربرد مدل های فضایی- مکانی در پیش بینی فراوانی تصادفات جاده ای (مطالعه موردی: شبکه راه های اصلی استان همدان)
محل انتشار: پژوهشنامه حمل و نقل، دوره: 19، شماره: 1
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 331
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TRJ-19-1_004
تاریخ نمایه سازی: 19 بهمن 1400
چکیده مقاله:
شناسایی بخش های جاده ای با خطر تصادف رویکرد ویژه ای برای درک بهتر الگوهای تصادفات و افزایش مدیریت ایمنی جاده ای به متخصصان ایمنی ارائه می دهد. روش های معمول شناسایی مقاطع حادثه خیز و الگوهای تصادف آن قدر قوی نیستند که خصوصیات مکانی داده های تصادف را در مدل لحاظ کنند. حوادث رانندگی دارای خاصیت فضایی تمایل به وابستگی مکانی دارند، پدیده ای که به عنوان همبستگی مکانی شناخته می شود. مدل های فضایی مقدار پیش بینی شده الگوی تصادف را در فضا را توصیف می کند که می تواند ناشی از تغییر در خصوصیات قابل توجه محیط محلی باشد با توجه به ماهیت گسسته داده های تصادف و دسترسی محدود به مکان های دقیق تصادف، یک سطح مداوم که از نقاط گسسته کشیده شده باشد، تراکم تصادف را بهتر منعکس می کند و تصویر واقع بینانه تری از توزیع تصادف ارائه می دهد. در این مطالعه کل محورهای اصلی برون شهری استان همدان بر اساس داده های تصادف مکانمند از سال ۱۳۹۶ تا ۱۳۹۸ با استفاده از روش های توزیع چگالی کرنل، رگرسیون وزن دار جغرافیایی، رگرسیون پوآسون وزن دار جغرافیایی مورد بررسی قرار گرفته است. نتایج مدل ها نشان می دهد که مدل رگرسیون پوآسن وزن دار جغرافیایی نتایج بهتری برای پیش بینی مکان های تصادف نسبت به سایر مدل ها دارد
کلیدواژه ها:
نویسندگان
حسن خاکسار
استادیار، دانشکده مهندسی عمران، دانشگاه آزاد تهران شمال، تهران، ایران
سید احمد الماسی
دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه بین المللی امام خمینی قزوین، تهران، ایران
علی اصغر گهرپور
دانش آموخته دکتری، دانشکده عمران ومعماری دانشگاه ملایر، ملایر، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :