مهندسی ترافیک

مهندسی ترافیک

مدل پیش‌بینی شدت و تعداد تصادفات میدان‌های تداخلی بر اساس مشخصات هندسی با استفاده از تحلیل لوجیت-مبنا و الگوریتم بیان ژنی (مطالعۀ موردی: شهر قم)

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشجوی کارشناسی ارشد مهندسی ایمنی راه و ترابری، دانشگاه تربیت مدرس، تهران
2 گروه راه و ترابری دانشکده عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران
3 استادیار گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد تهران غرب، تهران
4 فارغ‌التحصیل کارشناسی ارشد راه و ترابری، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران
چکیده
میدان‌ها معمولاً در مقایسه با سایر انواع تقاطع‌ها از ایمنی ترافیکی بالاتری برخوردار هستند؛ اما با وجود تبدیل تقاطعات به میادین باز هم تصادفاتی با شدت بالا در آن‌ها رخ می‌دهد. بهبود مدل‌های پیش‌بینی تصادفات و متغیرهای آن می‌تواند به اولویت اقدام و کاهش هزینۀ اصلاح هندسی کمک نماید. هدف از این پژوهش بررسی عوامل هندسی میدان‌های تداخلی بر شدت و تعداد تصادفات در این نوع میادین است. در این پژوهش با استفاده از آمار تصادفات شش میدان واقع در شهر قم به بررسی عوامل مؤثر بر شدت و تعداد تصادفات با استفاده از مدل لوجیت و الگوریتم بیان ژنی پرداخته شد. نتایج پژوهش نشان داد که عرض ناحیۀ تداخلی بیش‌ترین تأثیر را نسبت به سایر متغیرهای هندسی میدان بر وقوع تصادفات داشت. هم‌چنین نوع تصادفاتی که در آن کاربر آسیب‌پذیر مانند دوچرخه و موتورسیکلت وجود داشت احتمال جرحی شدن تصادفات را به‌شدت افزایش می‌داد از طرفی وجود دسترسی غیرمجاز به ناحیۀ گردشی میدان موجب افزایش شدت تصادفات از خسارتی به جرحی می‌شد.
کلیدواژه‌ها

ع. بابازاده، تأثیر سن راننده مقصر بر شدت تصادف: مقایسه نتایج مدل رگرسیون لجستیک و مدل شبکه عصبی برای تصادفات استان گیلان، سومین کنفرانس ملی تصادفات جاده‌ای، سوانح ریلی و هوایی.
م. شریفی، س. ناصرعلوی و ا. مظاهری، استفاده از مدل رگرسیون لجستیک رتبه‌ای جهت مدلسازی شدت آسیب تصادف موتورسیکلت تک سرنشین، اولین کنفرانس ملی مهندسی عمران، توسعه هوشمند و سیستم‌های پایدار.
ع. ا. صادقی، م. ج. قاضی‌زاده، ح. ف. ملاشاهی و ا. محمدزاده مقدم، “معرفی معیارهایی برای ارزیابی روش‌های متفاوت شناسایی نقاط حادثه‌خیز (مطالعه موردی: تقاطع‌های چراغ‌دار مشهد)، چهارمین کنفرانس بین‌المللی حوادث رانندگی و جاده‌ای، دانشکده فنی، دانشگاه تهران.
Polders, S. Daniels, W. Casters, and T. Brijs, “Identifying Crash Patterns on Roundabouts,” Traffic Inj. Prev., vol. 16, no. 2, pp. 202–207, Feb. 2015, doi: 10.1080/15389588.2014.927576.
Daniels, T. Brijs, E. Nuyts, and G. Wets, “Extended prediction models for crashes at roundabouts,” Saf. Sci., vol. 49, no. 2, pp. 198–207, Feb. 2011, doi: 10.1016/j.ssci.2010.07.016.
Waddell, “Evolution of roundabout technology: a history-based literature review,” presented at the Institute of Transportation Engineers 67th annual MeetingInstitute of Transportation Engineers (ITE), 1997. Accessed: Dec. 21, 2022. [Online]. Available: https://trid.trb.org/view/485254
Daniels, T. Brijs, E. Nuyts, and G. Wets, “Externality of risk and crash severity at roundabouts,” Accid. Anal. Prev., vol. 42, no. 6, pp. 1966–1973, Nov. 2010, doi: 10.1016/j.aap.2010.06.001.
Mamlouk and B. Souliman, “Effect of traffic roundabouts on accident rate and severity in Arizona,” J. Transp. Saf. Secur., vol. 11, no. 4, pp. 430–442, Jul. 2019, doi: 10.1080/19439962.2018.1452812.
Kathirgamalingam Somasundaraswaran and Megan Richardson, “Investigating the Possibilities of Specific Crash Type at Roundabouts,” J. Traffic Transp. Eng., vol. 7, no. 5, Oct. 2019, doi: 10.17265/2328-2142/2019.05.002.
Autodesk, “Civil 3D.” 2022. [Online]. Available: https://www.autodesk.com/
American Association of State Highway and Transportation Officials (AASHTO), Highway Safety Manual. American Association of State Highway and Transportation Officials (AASHTO) Washington, DC., 2010.
Ferreira, Gene Expression Programming, vol. 21. Springer Berlin Heidelberg, 2006. doi: 10.1007/3-540-32849-1.
StataCorp, “Stata Statistical Software: Release 17. College Station, TX: StataCorp LLC.” 2021.
MathWorks, “MATLAB.” 2022. Accessed: Jan. 06, 2023. [Online]. Available: https://www.mathworks.com/products/matlab.html