شناسایی نقاط حادثه‌خیز راه‌های برون‌شهری با استفاده از روش مدل‌سازی فازی (مطالعۀ موردی: محور قزوین لوشان)

زمینه و هدف: نقاط حادثه‌خیز، نقاطی هستند که احتمال وقوع تصادف در آن‌ها به‌طور غیرعادی بالاتر از دیگر نقاط می‌باشد؛ بنابراین شناسایی چنین نقاطی از جایگاه ویژه‌ای در تمام پروژه‌های ایمنی راه‌ها برخوردار است. به‌دلیل بالابودن آمار تصادفات ترافیکی در کشورمان، لزوم این موضوع بیش‌ازپیش موردتاکید است. روش: در این پژوهش، از سیستم استنتاج فازی نوع سوگنو جهت مدل‌سازی تصادفات بر اساس متغیرهای مستقل تاثیرگذار استفاده شد. در ابتدا، اطلاعات یک دورۀ دوساله از تصادفات محور قزوین لوشان به طول 72 کیلومتر جمع‌آوری شد. همچنین داده‌های مربوط به هندسۀ محور (نظیر عرض سواره‌رو، تراکم کاربری حاشیۀ راه، عرض شانه، شیب طولی و امثالهم) از طریق برداشت میدانی جمع‌آوری شد. سپس با تقسیم محور موردنظر به قطعات همگن قوس افقی و راستای مستقیم، عمل مدل‌سازی فازی برای هریک صورت گرفت. بعد از اعتبارسنجی نتایج مدل فازی، مقادیر خروجی مدل فازی به‌ازای مقادیر متغیرهای ورودی ارائه شد. یافته‌ها: نتایج نشان از اهمیت متغیرهای عرض سواره‌رو، عرض شانه، شیب طولی، تعداد قوس افقی و در نهایت مجموع درجات قوس افقی بر متغیر وابستۀ شاخص تصادف در قطعات قوس افقی دارد. همچنین در راستای مستقیم، متغیرهایی نظیر تراکم کاربری زمین، عرض سواره‌رو و عرض شانه بر شاخص تصادف تاثیرگذار بوده‌اند. سرانجام برای شناسایی نقاط حادثه‌خیز، قطعاتی که شاخص تصادف آن‌ها (پیش‌بینی‌شده از مدل فازی) بالاتر از سطح اطمینان 90 درصد قرار گرفته‌ است، به‌عنوان قطعات حادثه‌خیز شناسایی شدند. نتایج و پیشنهادها: نتایج حاکی از عملکرد مناسب مدل ایجادشده با روش استنتاج فازی می‌باشد. به‌علاوه، استفاده از مدل فازی این مزیت را دارد که علاوه بر شناسایی صحیح نقاط حادثه‌خیز، عوامل موثر و شدت تاثیر هریک از آن‌ها نیز آشکار گردیده و کمک می‌کند تا اقدامات درستی در جهت افزایش ایمنی در این نقاط انجام شود.

Identification of accidental points of suburban roads using fuzzy modeling method (Case study: QazvinLushan axis)

Background and aim: Accidental points are points where the probability of an accident is higher than the other points; Therefore, the identification of such points has a special place in all road safety projects. Due to the high number of traffic accidents in our country, the necessity of this issue is emphasized more than ever.   Method: In this study, fuzzy inference system of Sogno type was used for modeling of accidents based on influential independent variables. Initially, information from a twoyear period was collected from accidents the QazvinLushan in length of 72 km. Also  axis geometrybased data (such as street width, roadside user density, shoulder width, longitudinal slope, etc.) were collected through field survey. Then, fuzzy modeling for everyone was done by  dividing the desired axis into homogeneous sections of horizontal arc and directly. After validating the fuzzy model results, fuzzy model output values were presented for the input variables values.   Findings: The results show the importance of street width, shoulder width, longitudinal slope, number of horizontal arcs and finally the sum of horizontal arc degrees on the dependent variable of the accident index in horizontal arc fragments. In addition, variables such as road user density, street width and shoulder width have been directly influenced by accident index. Finally, for the identification of hazardous parts, components whose their accident index (predicted by the fuzzy model) is above 90% confidence level, were identified as hazardous components.   Results and Suggestions: The results show the proper performance of the model created by fuzzy inference method. In addition, using the fuzzy model has the advantage that in addition to correctly identifying the hazardous points, the effective factors and the severity of their impacts are also identified and helps to take corrective measures to increase safety in these areas.