مدل‌سازی و تحلیل شدت تصادفات با علت تامه عدم توجه به جلو در دوران محدودیت‌های تردد کرونا با رگرسیون لجستیک

تصادفات رانندگی یکی از عامل های اصلی مرگ در جهان محسوب می شود. آمارهای تصادفات نشان می دهد که عدم توجه به جلو بیشترین علل تامه تصادفات می باشد. از زمان شیوع کووید-19، سیاست‌های محدودیت سفر که به در شهرهای جهان اتخاذ شد، نقش عمیقی در تغییر الگوهای سفر ایفا کرد. یکی از عواملی که در سال‌های اخیر بر رفتار ترافیکی تاثیرگذار بود، همه گیری کرونا بود. از همین‌رو محدودیت هایی برای تردد ها وضع شد و رفتارهای ترافیکی متاثر بر آن بود. منع تردد سبب استفاده بیش از حد کاربران راه برای برقراری ارتباط به وسیله اپلیکیشن های ارتباطی در گوشی های همراه گشت. بررسی عدم توجه به جلو در کنار دیگر عوامل تاثیرگذار در شدت تصادفات، با استفاده از مدل های شدت تصادفات بر حسب پارامتر موثر در آن، امکان‌پذیر است. در این مقاله تصادفات درون‌شهری با علت تامه عدم توجه به جلو در طی دوران همه‌گیری کرونا با استفاده از رگرسیون لجستیک و اطلاعات مربوط به سال های 1397 تا 1401 در سه بازه زمانی 20 ماه قبل از شیوع کرونا، 20 ماه حین همه گیری کرونا و ماه های اعلام پایان کرونا و برداشتن منع تردد ها مورد تحلیل قرار گرفت. مدل نهایی نشان می دهد که متغیرهای مستقل روز چهارشنبه، رانندگان مرد مقصر بالای 60 سال، نحوه برخورد جلو به جلو و وسیله ‌نقلیه مقصر پراید سبب افزایش احتمال وقوع تصادف فوتی یا جرحی نسبت به تصادف خسارتی می شوند. متغیرهایی با ضرایب منفی (ساعت 6 تا 21، شرایط سطح راه خشک، آب و هوای صاف و وضعیت روشنایی روز) سبب کاهش احتمال وقوع تصادف فوتی یا جرحی نسبت به تصادف خسارتی می شوند.

modeling and analyzing the accidents severity due to the lack of attention to the front in covid-19 restrictions using logistic regression

traffic accidents are one of the main causes of death in the world and the resulting damages have an important effect on the economy of any country that the need to identify factors affecting accidents that lead to a reduction in the frequency or severity of accidents is understandable. since the outbreak of covid-19, travel restriction policies have been widely adopted by cities around the world that it played a profound role in changing the shape of urban travel patterns. one of the factors that influenced traffic behavior in recent years was the epidemic of corona disease in the world. therefore, new driving rules and regulations were established for urban and suburban traffic, and traffic behaviors were affected by those rules. it is possible to investigate the effect of each factor on the severity of accidents by using accident severity models according to the effective parameters. in this article, urban accidents due to lack of attention during the corona epidemic were analyzed using logistic regression and information related to intra-urban accidents in rasht city. the final model shows that the independent variables of working day, at-fault male drivers over 60 years of age, front-to-front collision and the at-fault vehicle pride increase the probability of a fatal or injury accident compared to a damage accident. variables with negative coefficients (6:00 a.m. to 9:00 p.m., dry road surface conditions, clear weather, and daylight conditions) reduce the probability of fatal or injury accidents compared to damage accidents.