رویکرد مبتنی بر مدل ‌های رگرسیون وزن ‌دار جغرافیایی در پیش ‌بینی تصادفات عابران پیاده با استفاده از متغیرهای رویارویی و محیطی

عابران پیاده از کاربران آسیب پذیر در معابر درون شهری هستند که مستقیماً در معرض تصادف قرار می گیرند. تصادفات ترافیکی تمایل به وابستگی مکانی دارند و پدیده‌ای است که به‌عنوان همبستگی مکانی شناخته می‌شود. اهداف این مطالعه شامل شناسایی متغیرهای جایگزین برای عابرین پیاده در معابر شهری و شناسایی نواحی حادثه‌خیز تصادف با استفاده از متغیرهای رویارویی عابر پیاده و همچنین نشان دادن کارایی مدل‌های فضایی در پیش‌بینی تصادف عابرین پیاده است. در این مطالعه در گام اول که شناسایی متغیرهای رویارویی است از چندین روش آماری برای شناسایی این متغیرها استفاده شده است. همچنین، پیش بینی فراوانی تصادفات عابر پیاده با استفاده از 6 مدل پرکاربرد آمار فضایی انجام شده است که بر اساس داده‌های تصادف عابر پیاده شهر تهران برای سال‌های 1396-1398 مورد ارزیابی قرار گرفته است. نتایج این مطالعه نشان داده است که پیش‌بینی فراوانی تصادفات عابرین پیاده با استفاده از مدل‌های رگرسیون پوآسون وزن‌دار جغرافیایی پر صفر و توزیع دوجمله‌ای منفی جغرافیایی پر صفر نتایج بهتری بر اساس معیارهای انتخاب مدل نسبت به سایر مدل‌ها دارد. این مطالعه پراکندگی و تراکم تصادف عابر پیاده را بدون داشتن حجم عابرین پیاده نشان داده است و بدین ترتیب می‌توان با انجام اقدامات ایمنی در مکان‌های مستعد تصادف عابر پیاده، هزینه اجتماعی و تلفات ناشی از آن را کاهش داد. در این مطالعه، استفاده از انواع مدل‌های رگرسیون وزن‌دار جغرافیایی برای ارزیابی رابطه بین متغیرهای جامعه شناختی و تصادف در سطح ناحیه مناسب بوده است. مقایسه عملکرد مدل‌های رگرسیون وزن‌دار جغرافیایی، وجود قابل توجه ناهمگنی مکانی در تحلیل را نشان می‌دهد.