اولویت‌بندی عوامل موثر در تصادفات راه‌های روستایی استان گیلان مبتنی بر تحلیل عاملی اکتشافی و مدل رگرسیون لجستیک

امروزه درک عوامل موثر در تصادفات خصوصاً در راههای روستایی امری ضروری است. در این مطالعه به‌منظور تعیین موثرترین عامل بروز تصادفات، تحلیل و مدل‌سازی عوامل موثر در راههای روستایی استان گیلان در سالهای 1392 تا 1397 انجام شده است. ابتدا از تحلیل فراوانی برای ارزیابی متغیرها و فراوانی آن‌ها استفاده شد. سپس از آزمون فریدمن برای اولویت‌بندی عوامل و از تحلیل عاملی اکتشافی برای تعیین موثرترین عامل در بروز تصادفات وسایل نقلیه استفاده شد. درنهایت برای پیش‌بینی احتمال وقوع تصادفات از مدل رگرسیون لجستیک چندگانه استفاده شد. بر اساس نتایج آزمون فریدمن، وضع آبوهوا، شرایط سطح راه و نوع تصادف وسیله نقلیه به ترتیب عامل‌های اول تا سوم موثر در تصادفات شناسایی شدند. تحلیل عاملی اکتشافی نشان داد که پنج عامل به‌عنوان اصلیترین عوامل در تصادفات نقش دارند که متغیرهای وضع آبوهوا و شرایط سطح راه تحت عنوان عامل محیطی به‌عنوان اولین عامل موثر در تصادفات شناخته شدند. همچنین مدل رگرسیون لجستیک چندگانه با داشتن دقت بیشتر در پیشبینی شدت تصادفات (84.7 درصد) نشان داد که هوای ابری، سطح راه خشک و سطح راه خیس به ترتیب بیشترین تاثیر را در رخداد تصادفات داشتند. نتایج مربوط به تحلیل حساسیت تصادفات نیز نشان داده است که رگرسیون لجستیک (با مساحت زیر نمودار 0.932) نسبت به تحلیل عاملی (با مساحت زیر نمودار 0.849) دقت بسیار بالاتری داشته که این قدرت بالای این مدل را در پیش‌بینی و ارزیابی شدت تصادفات نشان میدهد.

Prioritization of Effective Factors in Rural Road Accidents of Guilan Province Based on Exploratory Factor Analysis and Logistic Regression Model

Nowadays, it is necessary to understand the factors affecting accidents, especially on rural roads. In this study, in order to determine the most effective factor in the occurrence of accidents, analysis and modeling of effective factors on rural roads of Guilan province in 1392 to 1397 have been conducted. First, frequency analysis was used to evaluate the variables and their frequency. Then, Friedman test was utilized to prioritize the factors and exploratory factor analysis was used to determine the most effective factor in the occurrence of vehicle accidents. Finally, multiple logistic regression models were used to predict the probability of the occurrence of accidents. Based on Friedman test results, weather conditions, road surface conditions and the type of vehicle accident were identified as the first to third factors affecting accidents, respectively. Exploratory factor analysis showed that five factors as the main factors are involved in accidents that the variables of weather conditions and road surface conditions as an environmental factor were recognized as the first effective factor in accidents. Also, multiple logistic regression models with more accuracy in predicting the severity of accidents (84.7%) showed that cloudy weather, dry road surface and wet road surface had the highest effect on occurrence of accidents, respectively. Results of accident sensitivity analysis also showed that logistic regression (with the area under the curve 0.932) was much more accurate than factor analysis (with the area under the curve 0.849), which shows the high power of this model in predicting and evaluating of accidents severity.