تحلیل مکانی و زمانی سن رانندگان در تصادفات شهر قزوین مبتنی بر GIS

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 72

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ROAD-31-117_006

تاریخ نمایه سازی: 13 آبان 1402

چکیده مقاله:

ت تحلیل­های مکانی و زمانی تصادفات به منظور کشف دقیق­تر نحوه ارتباط بین متغیرها و ارائه راهکار جهت بهبود وضع موجود امری ضروری در ایمنی ترافیک محسوب می شود. در تحلیل­های مکانی یک پدیده با توجه به موقعیت و پیرامونش تحلیل می­شود. به طوری که علاوه بر خود پدیده، تاثیر همسایگی­ها و محیط نیز درنظرگرفته می­شود. هدف این پژوهش بررسی مکانی و زمانی تصادفات درون­شهری قزوین و شناسایی لکه­های داغ مربوط به متغیرهای مختلف با توجه به بازه سنی رانندگان برای داده­های مربوط به سه سال اخیر است. برای تحلیل­های مکانی از ابزار تابع چگالی کرنل در نرم­افرار ArcGIS و برای توزیع­های زمانی از نمودار عنکبوتی نرم­افزار اکسل استفاده شده است. ابتدا لکه­های داغ و زمان­های پر ریسک برای متغیرهای مختلف با توجه به بازه­های سنی رانندگان شناسایی شدند. در مرحله بعد لکه­های داغ بین سه ناحیه شهری تعریف­شده، توزیع شدند و مناطق پر ریسک شهر به ترتیب معرفی شدند. طبق نتایج، مسیرهای حومه­ای و به طور خاص بزرگراه جمهوری اسلامی بیشترین سهم را در لکه­های داغ تصادفات قزوین داشتند که نیاز به کنترل ترکیب وسایل­نقلیه در این مسیرها احساس می­شود. همچنین ساعت ۱۲ تا ۱۴ مهم­ترین زمان برای تصادفات بازه­­های سنی مختلف بوده و دو بازه سنی جوان­تر (زیر ۲۶سال و ۳۴-۲۶ سال) نقش بیشتری در لکه­های داغ داشتند و نیاز به آموزش و نظارت بر این دو گروه سنی احساس می شود.

نویسندگان

علی توکلی کاشانی

دانشیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

امیرحامد جوان

دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

کامران زندی

دانشجوی دکتری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، 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 :
  • Anderson, T. K. (۲۰۰۹). Kernel density estimation and K-means clustering ...
  • Asgary, A., Ghaffari, A., & Levy, J. (۲۰۱۰). Spatial and ...
  • Cheng, W., Gill, G. S., Zhang, Y., Vo, T., Wen, ...
  • Geurts, K., Thomas, I., & Wets, G. (۲۰۰۵). Understanding spatial ...
  • Ghédira, A., Kammoun, K., & Saad, C. B. (۲۰۱۸). Temporal ...
  • Harirforoush, H., Bellalite, L., & Bénié, G. B. (۲۰۱۹). Spatial ...
  • Hashimoto, S., Yoshiki, S., Saeki, R., Mimura, Y., Ando, R., ...
  • Iragüen, P., & de Dios Ortúzar, J. (۲۰۰۴). Willingness-to-pay for ...
  • Kashani, A. T., & Zandi, K. (۲۰۲۰). Influence of Traffic ...
  • Kaygisiz, Ö., Düzgün, Ş., Yildiz, A., & Senbil, M. (۲۰۱۵). ...
  • Kuo, P.-F., & Lord, D. (۲۰۲۰). Applying the colocation quotient ...
  • Kuter, S., Usul, N., & Kuter, N. (۲۰۱۱). Bandwidth determination ...
  • Loo, B. P., Yao, S., & Wu, J. (۲۰۱۱). Spatial ...
  • Mahata, D., Narzary, P. K., & Govil, D. (۲۰۱۹). Spatio-temporal ...
  • Matkan, A. A., Mohaymany, A. S., Shahri, M., & Mirbagheri, ...
  • Munira, S., Sener, I. N., & Dai, B. (۲۰۲۰). A ...
  • Spatio-temporal pattern of vulnerable road user’s collisions hot spots and ...
  • Plug, C., Xia, J. C., & Caulfield, C. (۲۰۱۱). Spatial ...
  • Prasannakumar, V., Vijith, H., Charutha, R., & Geetha, N. (۲۰۱۱). ...
  • Prasannakumar, V., Vijith, H., Charutha, R., & Geetha, N. (۲۰۱۱). ...
  • Rahman, M. A., Hossain, M. M., Mitran, E., & Sun, ...
  • Shafabakhsh, G. A., Famili, A., & Bahadori, M. S. (۲۰۱۷). ...
  • Silverman, B. W. (۲۰۱۸). Density estimation for statistics and data ...
  • Toran pour, A., Moridpour, S., Tay, R., & Rajabifard, A. ...
  • Xie, Z., & Yan, J. (۲۰۰۸). Kernel density estimation of ...
  • Yaghoobi, H. (۲۰۰۰). The role of human factors in car ...
  • Ziakopoulos, A., & Yannis, G. (۲۰۲۰). A review of spatial ...
  • Zou, X., Vu, H. L., & Huang, H. (۲۰۲۰). Fifty ...
  • نمایش کامل مراجع