مدل ارزیابی شدت تصادفات در میدان‌ها (مطالعه موردی شهر تهران)

نویسندگان

  • شروین شهبازی دانشکده مهندسی، دانشگاه آزاد اسلامی واحد علوم تحقیقات آیت ا... آملی، آمل، ایران
  • فرشید رضا حقیقی دانشگاه صنعتی نوشیروانی بابل، دانشکده عمران، گروه مهندسی راه و ترابری، بابل، ایران
چکیده مقاله:

در این مقاله، شدت 661 تصادف در 16 میدان شهر تهران در دو سال 1391 و 1392 به‌منظور پیدا کردن عوامل مؤثر بر شدت تصادفات و جراحات حاصل از آن و ارتباط این عوامل با دانش علمی موجود با استفاده از مدل رگرسیون لجستیک1 و رگرسیون پروبیت2 مورد بررسی قرار گرفت، نوع کاربر استفاده‌کننده از جاده، وضعیت روشنایی در شب میدان، شرایط سطح راه، متوسط تعداد روزانه وسایل نقلیه، متوسط تعداد روزانه موتورسیکلت، متوسط تعداد روزانه عابران پیاده در میدان و نحوه و زاویه برخورد، به‌عنوان اصلی‌ترین عوامل مؤثر در شدت تصادفات در میدان‌ها مشخص شدند. در این تحقیق از آزمون‌های آماری آکائیکه3  و R2 مک فادن4 برای سنجش نیکویی مدل‌ها استفاده‌شده است. با استفاده از مدل و میدان‌هایی که اطلاعات آن‌ها در دسترس بود صحت مدل، ارزیابی گردید، در انتها نتایج حاصل از دو مدل ساخته‌شده با یکدیگر مقایسه شده‌اند و عوامل مؤثر بر شدت تصادفات در میدان‌ها معرفی گردیده‌اند.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مدل ارزیابی شدت تصادفات در میدان ها (مطالعه موردی شهر تهران)

در این مقاله، شدت 661 تصادف در 16 میدان شهر تهران در دو سال 1391 و 1392 به منظور پیدا کردن عوامل مؤثر بر شدت تصادفات و جراحات حاصل از آن و ارتباط این عوامل با دانش علمی موجود با استفاده از مدل رگرسیون لجستیک1 و رگرسیون پروبیت2 مورد بررسی قرار گرفت، نوع کاربر استفاده کننده از جاده، وضعیت روشنایی در شب میدان، شرایط سطح راه، متوسط تعداد روزانه وسایل نقلیه، متوسط تعداد روزانه موتورسیکلت، متوسط تعدا...

متن کامل

مدل‌سازی شدت تصادفات موتورسیکلت در شهر تهران

در این مقاله نتایج کاربرد اطلاعات گرد‌آوری شده درمورد وقوع تصادفات موتورسیکلت در شهر تهران با هدف دستیابی به مدلی که قادر به پیش‌بینی شدت تصادفات مزبور باشد ارایه شده است. روش مدل‌سازی مورد استفاده در این تحقیق، روش رگرسیون لاجستیک و یا جایگزین های آن شامل پرابیت و لاجیت دوگانه بوده است. ابتدا با استفاده از مدل عمومی پرابیت و تعریف یک متغیر که دارای چهار درجه و نشان دهنده شدت تصادف بوده است، مت...

متن کامل

مدل سازی شدت تصادفات موتورسیکلت در شهر تهران

در این مقاله نتایج کاربرد اطلاعات گرد آوری شده درمورد وقوع تصادفات موتورسیکلت در شهر تهران با هدف دستیابی به مدلی که قادر به پیش بینی شدت تصادفات مزبور باشد ارایه شده است. روش مدل سازی مورد استفاده در این تحقیق، روش رگرسیون لاجستیک و یا جایگزین های آن شامل پرابیت و لاجیت دوگانه بوده است. ابتدا با استفاده از مدل عمومی پرابیت و تعریف یک متغیر که دارای چهار درجه و نشان دهنده شدت تصادف بوده است، مت...

متن کامل

ارایه مدل پیش بینی شدت تصادفات وسایل نقلیه با استفاده از داده‌های تصادفات (مطالعه موردی محور بابل-گنج افروز)

استان مازندران با توجه به طبیعت زیبای خود همواره یکی از استان های توریستی و گردشگری می باشد که همه ساله تعداد زیادی از افراد در فصول مختلف سال به این استان سفر می­کنند. همچنین این استان یکی از قطب های کشاورزی کشور می­باشد که سهم زیادی از حمل و نقل این صنعت، از طریق حمل و نقل جاده ای انجام می­گیرد که باعث ایجاد تردد ترافیکی با حجم بالا و در پی آن باعث ایجاد حوادث ترافیکی می­گردد. آمار ارایه ...

متن کامل

ارائه مدل تصادفات رمپ فرودگاه و راهکارهای کاهش آن (مطالعه موردی: فرودگاه مهرآباد تهران)

همه روزه حوادث و تصادفات فراوانی در بخش های مختلف حمل و نقلی اتفاق می افتد که هزینه های گزافی برجای می گذارد. در صنعت هوانوردی به علت پرهزینه بودن امکانات و تجهیزات، هزینه های ناشی از تصادفات بسیار چشمگیرتر خواهد بود. بیش از پنجاه در صدِ تصادفات هوانوردی، حوادث رمپ فرودگاه هاست که توسط عوامل مختلف )که خطای انسانی علت اصلی آن هاست(، رخ می دهد. هدف از این پژوهش ارائه مدلی است که میزان تصادفاتِ رمپ ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 7  شماره 3

صفحات  435- 448

تاریخ انتشار 2016-03-20

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023