CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

توسعه مدل کلاس پنهان جهت تحلیل شدت تصادفات جاده ای در ایران

عنوان مقاله: توسعه مدل کلاس پنهان جهت تحلیل شدت تصادفات جاده ای در ایران
شناسه ملی مقاله: JR_CIPR-4-12_003
منتشر شده در در سال 1401
مشخصات نویسندگان مقاله:

سید رضا شفائی املشی - دانشکده عمران و محیط زیست دانشگاه صنعتی امیر کبیر
رضا امین - دانشکده عمران و محیط زیست دانشگاه صنعتی امیرکبیر
علی خدائی - دانشکده مهندسی عمران و محیط زیست دانشگاه صنعتی امیرکبیر تهران

خلاصه مقاله:
حوادث در ایران بار سلامت عمومی قابل توجهی را به همراه دارد که نیازمند راهبردهای پیشگیری و مدیریت موثر است. مدل سازی متغیرهای پنهان رویکرد امیدوارکننده ای برای درک عوامل پیچیده ای است  که در بروز حوادث تصادفات ایران نقش دارند را ارائه می کند. این مقاله به بررسی مدل سازی متغیرهای پنهان برای بررسی شدت تصادفات در ایران می پردازد هم چنین در این تحقیق ترکیبی از ادبیات مربوط به اندازه گیری و مدل سازی متغیرهای پنهان در حوادث، از جمله عوامل انسانی، عوامل محیطی و عوامل سازمانی را ارائه می کند. همچنین تکنیک های آماری رایج مورد استفاده در تجزیه و تحلیل متغیرهای پنهان، مانند مدل سازی معادلات ساختاری، تحلیل کلاس پنهان و تحلیل عاملی  بررسی شده است. بررسی نشان می دهد که اگرچه برخی از مطالعات مدل سازی متغیرهای پنهان را در تصادفات در ایران اعمال کرده اند، اما استفاده از این تکنیک ها در مقایسه با سایر کشورها همچنان محدود است. طور کلی، در این مقاله استدلال شده است که مدل سازی متغیر پنهان می تواند بینش های ارزشمندی را در مورد مکانیسم های اساسی حوادث در ایران ارائه دهد و راهبردهای موثرتری برای پیشگیری و مدیریت راهنمایی می کند.در این پژوهش با استفاده از داده های تصادفات منجر به فوت و یاجرح سرنشینان جمع آوری شده  در سال ۱۳۹۵ در جاده های ایران، و با استفاده از نرم افزار۶ NLOGIT، مدل کلاس پنهان به این داده ها برازش شده است و نتایج آن در این مقاله ارائه گردیده است، نتیاج نشان می دهد عواملی همچون فصل و روز وقوع تصادفات، شرایط آب و هوایی در شدت تصادفات تاثیرگذار است.

کلمات کلیدی:
تصادف جاده ای, شدت تصادفات, کلاس مدل پنهان, ایمنی راه, رگرسیون

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1658421/