مدلسازی تعاملات رفتاری راننده عابرین پیاده در تقاطعات شهری بدون چراغ راهنمایی

پیاده روی جایگاه برجسته ای در سیستم حمل و نقل شهری دارد. زیرا بخش قابل توجه ای از سفرهای درون شهری به صورت پیاده انجام می گیرد. افزایش وسایل نقلیه موتوری و در نتیجه ازدحام معابر، آلودگی هوا، افزایش قیمت سوخت و همچنین توجه روزافزون مردم به کیفیت سلامتی شان، شیوه های حمل و نقل غیر موتوری خصوصاً پیاده روی، بیش از گذشته مورد توجه مردم قرار گرفته است. از طرفی با توجه به این مسائل، عدم توجه به مقوله ی ایمنی عابرین پیاده منجر به وقوع حوادث رانندگی متعددی طی سالیان گذشته شده است. تجزیه و  تحلیل ایمنی مسیرها به طور متداول، اغلب با سوابق آمار تصادف و بکارگیری مدل های آماری در راستای تعیین نقاط حادثه خیز و ناامن صورت می پذیرد. دلایل متعددی نشان می دهد که این شیوه ابزار چندان مناسب جهت ارزیابی ایمنی نیست. به همین دلیل استفاده از روش های جایگزین یا مکمل مبتنی بر داده های غیرتصادف برای بهبود ایمنی ترافیک، مورد توجه محققین علم ترافیک قرار گرفته است که از مهمترین روشهای آن می توان به استفاده از شاخصهای تعامل ترافیکی اشاره کرد. در پژوهش حاضر سعی شده است که موضوع ایمنی عابرین پیاده در تقاطع های کنترل نشده درون شهری با استفاده از روش  شبکه عصبی و روش جایگزین مبتنی بر داده های غیرتصادف مورد ارزیابی قرارگیرد. ابتدا با بهره گیری از روش شبکه عصبی، عوامل موثر در وقوع یک تعامل بین خودرو و عابرین پیاده تعیین شدند و در نهایت با استفاده از شاخص های زمان سپری شده از تخطی (pet) و زمان مانده تا برخورد (ttc) آستانه بحرانی احتمال وقوع تعاملات خودرو عابر در تقاطعات کنترل نشده شهری مشخص گردید.

Modelling of DriverPedestrian Conflicts on Unsignalized Intersections

Walking is a prominent place in the urban transport system, as a significant part of intracity trips takes place on foot. Increasing motor vehicles, resulting in traffic congestion, air pollution, rising fuel prices, as well as the increasing attention of people to their health, the ways of transport and motor vehicles, especially walking, have become more popular than ever before. On the other hand, due to these issues, the lack of attention to the pedestrian safety category has led to numerous road accidents over the past years. Safety analysis of paths is commonly used, often with accident statistics data, and the use of statistical models to determine accidental and insecure points. Several reasons indicate that this method is not a suitable tool for evaluating safety. Therefore, the use of alternative methods or complementary methods for nonaccidental data to improve traffic safety has been considered by researchers in traffic science. One of the most important methods is the use of traffic interaction indicators. . In the present study, we tried to assess the safety of pedestrians in uncontrolled intersections in urban areas by using neural network method and alternative method based on nonrandom data. At first, by using the neural network method, factors affecting the occurrence of an interaction between cars and pedestrians were determined and finally, by using Post Encroachment Time (PET) and TimeToCollision (TTC) indicators of critical thresholds the probability of automobilepedestrian interactions in uncontrolled intersections of the city was determined.