پیش بینی شدت تصادف در تقاطع‏های چراغ‏دار با استفاده از مدل لوجیت ترتیبی

چراغ های راهنمایی به عنوان روشی برای بهبود ایمنی ترافیک و عملکرد در تقاطع ها در نظر گرفته می‌شوند. تعداد زیادی از تصادفات در تقاطع ها رخ می دهند و این تصادفات باعث خسارت های مالی، آسیب دیدگی، و حتی در بعضی موارد منجر به مرگ می شوند. این تحقیق به منظور پیش بینی شدت تصادف در تقاطع های چراغ دار شهر قزوین انجام شده و متغیرهای موثر بر وقوع تصادفات شدید را بررسی می کند. داده های تصادف براساس گزارش های پلیس شهر قزوین و داده های ارائه شده توسط معاونت حمل ونقل ترافیک شهرداری قزوین مورد استفاده قرار گرفته که شامل 288 تصادف در سال های 93 تا 95 در 38 تقاطع چراغ دار شهر قزوین است. گزارش تصادفات شامل توصیف شرایطی است که تصادف در آن رخ داده است. این تصادفات بر اساس شدت آنها به ترتیب در سه دسته خسارتی، جرحی و فوتی که بر اساس آمارها (128 تصادف خسارتی، 156 تصادف جرحی، 4 تصادف فوتی) دسته بندی شده اند. در این تحقیق مدل لوجیت ترتیبی مورد استفاده قرار گرفته است. نتایج نشان می دهد که حضور بعضی از متغیرها مانند زمان تصادف در روز، نرخ حجم تقاطع و وجود جزیره، در واقع احتمال وقوع یک تصادف با شدت زیاد را کاهش می دهند و بر عکس حضور بعضی از متغیرها مانند تصادفات در فصل تابستان، نوع برخورد، نحوه برخورد، تردد عابرین پیاده و تعداد خطوط در احتمال وقوع یک تصادف با شدت زیاد را افزایش می دهند.

Prediction of accidents severity at lighted intersections usingsequential logit model

Traffic lights are considered as a way to improve traffic safety andperformance at intersections. Lots of crashes occur at intersections. There aremany accidents at intersections and these accidents cause financial losses,injuries, and even death. This research was carried out to predict the crashseverity of lighted intersections in Qazvin city, and examines the variables thataffect the incidence of severe accidents. Accident data were used base onQazvin police reports and data provided by Qazvin municipality traffictransportation department that includes 288 accidents at the 38 lightedintersections of the Qazvin city in the years 2014 to 2016. The accidents reportdescribes the circumstances in which an accident occurred. The accidents wereranked in three categories according to their severity including damage, injuryand fatal accidents that based on statistics (128 damages, 156 injury and 4fatalities). Sequential logit model was used in this research. The results showthat the presence of some variables such as accident time in the day, rate ofintersection volume and the existence of an island actually reduces thelikelihood of occurrence of a accident with a high severity. In contrast, thepresence of some variables such as accidents in summer, type of collision, howto collide, pedestrian traffic and the number of lanes, actually increases thelikelihood of accidents with a high severity.