پیش‌بینی حوادث ترافیکی با استفاده از مدل فضایی ناحیه ای (مورد مطالعه: تهران بزرگ، ‌سال 1396)

تصادفات ترافیکی به‌صورت یک معضل اجتماعی در کشور مطرح است که همه‌ساله جان تعداد زیادی از مردم را گرفته و هزینه‌های اقتصادی بزرگی را به جامعه وارد می‌کند. در سال‌های اخیر، در بحث مدیریت ترافیک به‌ روش‌های پیش‌بینی تصادفات توجه زیادی شده است. پیش‌بینی حادثه، اثر زیادی در کاهش تلفات، جراحات و خسارات مالی ناشی از بروز تصادفات دارد. هدف اصلی این مطالعه، پیش‌بینی حوادث ترافیکی با استفاده از مدل فضایی ناحیه ای تهران بزرگ در سال 1396 می‌باشد. این پژوهش از نظر روش گردآوری داده‌ها، توصیفی مقطعی است. جامعۀ آماری پژوهش حاضر، آمار و داده‌های مربوط به تصادفات در مناطق 22 گانۀ شهر تهران در سال 1396 بوده که در بانک اطلاعاتی پلیس راهور ناجا ثبت ‌شده است. در این پژوهش، ضمن بررسی عوامل موثر بر حوادث ترافیکی، برای تحلیل داده‌های و ارائۀ مدل‌های پیش‌بینی، از مدل رگرسیون فضایی ناحیه‌ای استفاده شد. یافته‌های این پژوهش نشان می‌دهد که سه عامل انسانی، راه و وسایل نقلیه، از عوامل موثر بر تصادفات ترافیکی شهر تهران بوده‌اند؛ به‌ نحوی ‌که متغیرهای کمکی تعداد سفرهای جذب‌شده و سفرهای تولیدشده بر شدت حوادث ترافیکی (تخلفات تامۀ تصادفات یعنی تغییر مسیر ناگهانی، عدم توجه به جلو، رعایت‌نکردن حق تقدم و عدم رعایت فاصلۀ طولی) تاثیرگذار هستند؛ به‌نحوی ‌که افزایش یک‌ درصدی در سفر جذب‌شده و تولید شده به ‌ترتیب به افزایش 21.7 و 23.2 درصدی نرخ تخلفات رانندگی منجر می‌شود.همچنین نتایج این پژوهش نشان داد که با لحاظ ‌نمودن ساختار همبستگی داده‌های شمارشی می‌توان به مدل‌های پیش‌بینی حوادث ترافیکی در سال های آینده پرداخته و عوامل موثر بر آن ها را تعیین و کنترل نمود.

Predicting traffic accidents using regional spatial modeling(Case Study: Big Tehran, 2016)

Traffic accidents are a social problem in the country that annually kills a largenumber of people and brings huge economic costs to society. In recent years,in Traffic Management Discussion, there has been a lot of attention toaccidents prediction methods. Accident prediction has a great impact onreducing the number of casualties, injuries and financial losses resulting fromaccidents. The main purpose of this study is to predict traffic accidents usingthe regional spatial model of Big Tehran in 2016. This research is descriptivecrosssectional in terms of data collection method. The statistical population ofthis study is accident statistics and data in 22 districts of Tehran in 2016 whichis registered in the database of traffic police station. In this study, whileanalyzing the factors affecting traffic accidents, regional spatial regressionmodel was used for data analysis and presenting prediction models. Thefindings of this study show that the three factors of human, road and vehicleswere the factors affecting traffic accidents in Tehran; In such a way that theauxiliary variables of the number of trips absorbed and trips produced areinfluenced by the severity of traffic accidents (total accidents involving suddenchange of direction, disregard forwards, disregard of right of way anddisregard of long distance); So that a one percent increase in absorbed andproduced travels leads to a 21.7 percent and a 23.2 percent increase in drivingviolations, respectively. The results also showed that by considering thecorrelation structure of the counting data, one can deal with traffic accidentprediction models in the coming years and dentified and controlled the factorsaffecting them.