مدل‌سازی سرعت رانندگی تحت تاثیر شرایط مختلف آب‌و‌هوایی (مطالعه موردی: آزاد‌راه تهران – قم)

شرایط مختلف محیطی می‌تواند تاثیر به سزایی در جریان ترافیک داشته باشد.با آگاهی از تاثیر شرایط محیطی بر سرعت جریان می‌توان تخمین دقیقی از سرعت سفر و اتخاذ استراتژی‌های مدیریت ترافیک جهت جلوگیری از سوانح جاده‌ای داشت. در این مطالعه تاثیر عوامل چهار حالتی آب‌و‌هوا (باران، مه‌گرفتگی، ابر و صاف بودن)، دمای هوا، تغییرات سرعت در شب و روز، درصد وسایل نقلیه سنگین و حجم ترافیک بر سرعت جریان ترافیک مورد تحلیل و بررسی قرار می‌گیرند. در این مقاله با استفاده از مدل رگرسیون خطی به بررسی نحوه تاثیر این عوامل بر سرعت رانندگی جهت کاهش تصادفات بین‌شهری پرداخته شده است. داده‌های مورد نیاز مطالعه از سازمان راهداری و حمل‌ونقل جاده‌ای و سازمان هواشناسی کشور طی سال 1393 جمع‌آوری شده‌اند. نتایج مدل پیشنهادی بر اساس نمونه 7541 موردی ساعتی جمع‌آوری شده از آزادراه تهران – قم نشان می‌دهد که میزان کاهش سرعت رانندگان ایرانی در اثر بارندگی برابر با 1.355 و اختلاف سرعت در شب و روز کمتر از یک کیلومتر بر ساعت است. از دیگر نتایج پژوهش نشان می‌دهد که مدل پیشنهادی خطای قابل قبولی در پیش‌بینی سرعت دارد. به طوری که مدل پیشنهادی می‌تواند مقدار سرعت را به ترتیب برابر با 3.579، 4.034 و 4.996 برای معیارهای ارزیابی میانگین خطای مطلق، میانگین درصد خطای مطلق و میانگین ریشه مربعات خطا به دست آورد.

Driving Speed Modeling Under Different Climate Conditions(Case Study:‌Tehran – Qom Freeway)

Various environmental conditions could have a significant effect on traffic flow. Understanding the effects of environmental conditions on a vehicle’s speed could provide an accurate estimation of travel speed and traffic management strategies adoption to prevent traffic crashes. In this paper, the speed of vehicles had been investigated based on different variables, such as the effect of some weather conditions (such as rainy, foggy, cloudy and sunny), air temperature, speed variations during nights and days, heavy vehicles percentages and vehicle volumes. In this research, the effects of these variables on vehicle speeds have been studied in order to decrease suburban crash frequencies, using a multiple linear regression model. Required data have been gathered from Iran Road Maintenance & Transportation Organization and Meteorological Organization Government agency in 2014. According to 7541 hourly samples at TehranQom freeway, the results of the proposed model shows that rainy weather and night and day speed variation caused 1.355 and less than 1 kilometer per hour reduction in speed, respectively. Also, the proposed model has an acceptable and reliable error in speed prediction and the evaluation criteria such as mean absolute error, mean absolute percentage error and root mean square error were 3.579, 4.034 and 4.996, respectively.