تعیین عوامل مرتبط با تعداد تصادفات بر حسب شدت با استفاده از رگرسیون پواسون- لگ نرمال چند متغیره بیزی

مقدمه: برازش مدل‌های تک متغیره در بسیاری از تحقیق‌های گذشته برای تحلیل داده‌های تصادف به کار رفته است. با توجه به آن که متغیر شدت در این مطالعه‌ها می‏تواند بیش از یک سطح باشد، از این رو در این مقاله مدل پواسون- لگ نرمال چند‏ متغیره برای مدل‏سازی تعداد تصادفات بر حسب شدت استفاده شد. اگرچه برای مقایسه از مدل‌های تک متغیره نیز استفاده شد.روش‌ها: استنباط آماری پارامترهای مدل توسط رهیافت بیز و استفاده از روش نمونه‌گیری گیبز و الگوریتم متروپلیس- هستینگز انجام شد. داده‏های تصادف مربوط به تقاطع‏های شهر اصفهان بود.یافته‌ها: اثر حجم کل ترافیک بر تصادفات خسارتی در تمامی مدل‌ها معنی‌دار به دست آمد، اما اثر حجم کل ترافیک چپگردها بر تصادفات جراحتی و فوتی تنها در مدل پواسون تک متغیره معنی‌دار شد. بنابراین با فرض ثابت نگه‌داشتن بقیه متغیرهای توضیحی، انتظار می‏رود که افزایش حجم کل ترافیک باعث افزایش تصادفات خسارتی شود. همچنین افزایش حجم کل ترافیک چپگردها نیز باعث افزایش تصادفات جراحتی و فوتی در تقاطع‏ها می‏شود. به طور دقیق‌تر بر اساس مدل پواسون- لگ نرمال چند متغیره، افزایش 1000 وسیله نقلیه در متوسط حجم کل ترافیک باعث افزایش 31 درصدی تصادفات خسارتی می‏شود. بنابراین با کاهش حجم کل ترافیک، کاهش هزینه تصادفات در دراز مدت پیش‌بینی می‏شود که بسیار مقرون به صرفه می‌باشد.نتیجه‌گیری: با وجود بیش‌پراکنش در دو سطح شدت و وجود همبستگی بین این دو سطح، مدل پواسون- لگ نرمال چند متغیره برازش بهتری را نسبت به بقیه مدل‌ها ارایه می‌‌دهد.