بررسی سهم عوامل موثر بر شدت تصادفات در جاده های بین شهری با استفاده از مدل لاجیت ترتیبی

زمینه وهدف سطح پایین ایمنی راه های کشور و آمار بالای تصادفات نسبت به میانگین جهانی، امروزه یکی از چالش های پیش روی مدیران و تصمیم گیران در حوزه حمل ونقل و ترافیک می باشد. تصادفات علاوه بر خسارات مالی فراوانی که وارد می کند، به تلفات و جراحات فراوانی نیز منجر می گردد. ازاین رو پژوهشگران، توجه بسیاری به تحلیل و بررسی علل و شدت تصادفات کرده اند تا با ارائه راهکارهای مناسب به کاهش این خسارات کمک کنند. بررسی علت تصادفات و تعیین سهم پارامتر های مختلف در وقوع یک تصادف، مسئله اصلی (هدف) پژوهش حاضر می باشد. روش در این پژوهش با بهره گیری از 2433 داده واقعی تصادفات، به مدل سازی آماری و تعیین سهم عوامل مختلف در ایجاد تصادفات پرداخته شد. همچنین در این پژوهش، به ارائه مدل لاجیت ترتیبی برای پیش بینی شدت تصادفات و تعیین میزان اثرگذاری هریک از پارامتر ها پرداخته شده است. نتایج مدل سازی پیشنهادی با مدل های رایج مانند شبکه عصبی نیز مقایسه شده است. یافته ها بحث روی نتایج نشان می دهد که مدل لاجیت ترتیبی، کارایی بیشتری نسبت به مدل شبکه عصبی دارد. علاوه برآن، حضور عابرین پیاده، بیشترین اثر افزاینده در شدت تصادفات را دارد و تصادف عقب به پهلوی راست، بیشترین اثر کاهنده را در بین پارامترهای موثر دارد. از طرفی، فاصله از مبدا کمترین اثر افزاینده و تصادف در ساعات اولیه صبح، کمترین اثر کاهنده را در شدت تصادفات دارند. بعد از عابر پیاده، حضور خودروهای سنگین در شب، بیشترین سهم را در افزایش شدت تصادفات به خود اختصاص داده است. پیشنهادها در پژوهش های آتی برای پیش بینی شدت تصادفات، تاثیر پارامتری مانند میزان آشنایی راننده با مسیر بررسی گردد. همچنین تحلیل های مکانی-زمانی می تواند کمک شایانی به پیشبرد پژوهش ها در زمینه شدت تصادفات کند. از نظر کاربردی هم پیشنهاد می شود که آموزش رانندگان وسایل نقلیه عمومی در خصوص پارامترهای موثر در افزایش شدت تصادف توسط سازمان راهداری و حمل ونقل جاده ای در دستورکار قرار گیرد.

Investigating the Contribution of Factors Influencing Accidents Severity on Intercity Roads Using the sequential logit model

Background and aim: The low level of road safety in the country and high crash statistics relative to the global average are nowadays a challenge for managers and decision makers in the field of transport and traffic. The accidents in addition to the many financial losses it causes, also result in many casualties and injuries. Therefore, researchers have focused much attention on analyzing the causes and severity of accidents to help provide appropriate solutions to reduce these damages.  the main objective of this study is to investigate the cause of accidents and determine the contribution of different parameters to the occurrence of an accident.Method: In this research, statistical modeling and determining the contribution of different factors in the occurrence of accidents were investigated using 2433 real accident data. Also, in this study, a sequential logit model is presented to predict the severity of accidents and determine the effect of each parameter. The results of the proposed modeling are also compared with current models such as neural networks.Findings: Discussion of the results shows that the sequential logit model is more efficient than the neural network model. In addition, the presence of pedestrians has the greatest additive effect on the severity of accidents, and the rightlateral accidents has the greatest decreasing effect among the effective parameters. On the other hand, the distance from the origin and the accident in the early hours of the morning have the least additive effect and andthe least reducing effect on the intensity of accidents, respectively. After pedestrians, the presence of heavy vehicles at night has been the highest contributor to the increase in the accident severity.Suggestions: In future studies the effect of parametric factors such as the driver’s familiarity with the route is investigated to predict the severity of accidents. Locationtime analysis can be a great help in advancing researches in the context of the severity of accidents. From a practical point of view, it is also suggested that the education of drivers of public transport concerning the parameters affecting the increase in the severity of an accident be included in the agenda by the Road and Transportation Organization.