شناسایی عوامل موثر بر شدت تصادفات راه های برون‌شهری و اولویت‌بندی راهکارها با استفاده از مدل‌سازی معادلات ساختاری (sem) و سیستم استنتاج فازی (fis)

رشد جمعیت، افزایش تقاضای سفر و در نتیجه آن افزایش استفاده از وسایل‌نقلیه موتوری موجب نگرانی در مورد ایمنی جاده ها در جوامع امروزی شده است. عوامل مختلفی مانند مشخصات راننده، شرایط محیطی، شرایط سطح راه و نوع وسایل‌نقلیه، بر شدت تصادفات تاثیرگذار است. در این مقاله سعی شده تا با استفاده از روش مدلسازی معادلات ساختاری و با تکیه بر داده‌های تصادفات ، ابتدا پارامترهایی که بیشترین تاثیر را بر شدت تصادفات برون‌شهری استان کرمان دارند شناسایی شوند. سپس از نتایج بدست آمده از مدل‌‌سازی معادلات ساختاری، برای توسعۀ یک سیستم استنتاج فازی به منظور اولویت‌بندی راهکارها در ارتباط با هر عامل استفاده می‌شود. طبق نتایج بدست آمده از مدل‌سازی معادلات ساختاری، عامل انسانی (با بار عاملی 0/47) بیشترین تاثیر را در بروز تصادفات با شدت آسیب‌دیدگی بالا نسبت به سایر عوامل پنهان دیگر در مدل نشان داده است. از بین پارامترهای تبیین‌کننده عامل انسانی، متغیر بستن کمربند ایمنی (با بار عاملی 0/85) قوی‌ترین تبیین‌کننده برای این عامل بوده است. در انتها جهت تعیین اولویت اجرای راهکارهای کاهش شدت تصادفات به تفکیک عوامل انسانی، محیطی و راه، از سیستم استنتاج فازی به دلیل دقت قابل قبول آن در حل مسائلی که با عدم قطعیت مواجه هستند استفاده شده است. نتایج خروجی‌های حاصل از سیستم استنتاج فازی نشان‌ می‌دهد که اولویت راهکارهای مرتبط به عوامل انسانی به مراتب بیشتر از راهکارهای مرتبط به عوامل راه و محیطی است. به طور کلی، نتایج این تحقیق می‌تواند به متخصصین در حوزه حمل و نقل کمک کند تا اقدامات متقابل را با هدف کاهش سطح شدت تصادف در بخش‌ جاده‌های برون‌شهری به صورت کارآمد و بهینه‌ اولویت‌بندی کنند.

identification of effective factors on severity of road crashes and prioritization of countermeasures by structural equation modeling (sem) and fuzzy inference system (fis)

increasing population, travel demand, and motor vehicle use have led to concerns about road safety in today's society. the severity of an accident depends on many factors, including the driver's characteristics, the environment, the road surface, and the type of vehicle. the purpose of this paper is to identify the factors that have the greatest impact on the severity of suburban accidents in kerman province by using structural equation modeling (sem). based on the results of structural modeling, a fuzzy inference system (fis) is developed to prioritize solutions based on each factor. structure equation modeling indicates that human factor (estimate -0.47) has the greatest effect on occurrence of accidents with high injuries compared to other latent factors. among the parameters explaining the human factor, using the safety belt (estimate 0.85) was the stronger predictor for this factor. to determine the priorities of implementing strategies to reduce crashes caused by human, environmental, and road factors, the fuzzy inference system was used due to its acceptable accuracy in solving uncertain problems. using the fuzzy inference system, the outputs showed that solutions related to human factors are far more important than solutions related to roads and the environment. as a result of this study, transportation professionals can prioritize countermeasures to reduce the severity of crashes on suburban roads in an efficient and optimal manner.