برآورد ایمنی نواحی ترافیکی با استفاده از روش eb و مدل‌های کلان

توجه به ایمنی در برنامه ریزی حمل و نقل نیازمند دستیابی به شاخص های ایمنی در سطح کلان می باشد. این امر با انجام مطالعات ایمنی و استفاده از متغیرها در سطح کلان امکان پذیر می باشد. استفاده از متغیرهای کلان، ساخت مدل های پیش بینی تصادفات را آسان تر و کم هزینه تر می کند. در این مطالعه با استفاده از متغیرها، در سطح کلان، مدل پیش بینی تعداد تصادفات ترافیکی به دست آمد. متغیرهای مستقل شامل مجموع طول شبکه معابر در یک ناحیه ترافیکی، نسبت طول معابر با درجه عملکردی متفاوت به طول کل معابر موجود در یک ناحیه ترافیکی، نسبت طول خطوط اتوبوس به طول کل معابر و چگالی تقاطعات در یک ناحیه ترافیکی در نظر گرفته شد. بر این اساس اطلاعات مرتبط با 16137 تصادف در 96 ناحیه ترافیکی به دست آمد. پس از ساخت مدل پیش بینی تعداد تصادفات، با استفاده از روش تجربی بایس (eb) نواحی ترافیکی از نظر ایمنی الویت بندی شدند و نواحی با بیشترین پتانسیل بهبود مشخص گردید. بر اساس نتایج حاصل افزایش طول شبکه معابر و نسبت معابر با درجه عملکردی شریانی درجه 2 در یک ناحیه ترافیکی موجب افزایش احتمال وقوع تصادف در آن ناحیه، و افزایش  نسبت معابر با درجه عملکردی جمع و پخش کننده و محلی در یک ناحیه ترافیکی موجب کاهش تعداد تصادفات در آن ناحیه می گردد. در این راستا نسبت معابر با درجه عملکردی جمع و پخش کننده در یک ناحیه ترافیکی دارای کمترین تاثیر و نسبت معابر با درجه عملکردی محلی در یک ناحیه ترافیکی بیشترین تاثیر را دارا می باشد.

Evaluation of TAZ safety using EB method and macro models

Safety consideration in transportation planning requires macrolevel safety indicators. This is possible using various variables in macrolevel safety studies. Using macro variables lead to easier and less costly accident predictive models. In this study, the predictive model of accident frequency obtained using macro level variables. Independent variables include, total length of the road network, the ratio of the length of roads network across functional classification (principal arterial, minor arterial, collector and local) to the length of all the roads, ratio of length of the bus lines to the total length of road network and density of the intersections in a Traffic Analysis Zone (TAZ). Accordingly, information of 16137 accidents in 96 TAZ collected. Then, the TAZs prioritized based on safety using Empirical Bayesian Method and TAZs with the highest Potential for Improvement (PI) found. Based on the results, increasing in length of the road network and the ratio of the length of road network across minor arterial in a TAZ, increases the chance of an accident occurred in that TAZ and a higher ratio of collector roads and local roads decreases the number of accidents in the TAZ. In this regard, the ratio of collector roads has the least and the ratio of local roads has the greatest impact.