ارائۀ مدل پیش‌بینی تصادفات جاده ‏های برون‌شهری

تصادفات جاده‏ای، یکی از مهم‌ترین دلایل مرگ‌ومیر در جهان و به‏ویژه در ایران است. سالانه تعداد زیادی در جهان در اثر تصادفات ناشی از خطای انسانی در جاده‏های برون‌شهری کشته و مجروح شده‏اند. با توجه به رشد روزافزون جمعیت و افزایش سوانح جاده‏ای در کشور، یافتن اثرگذارترین عوامل تصادفات می‏تواند زمینه‌ساز کاهش خسارات و تلفات ناشی از این تصادفات و مبنای مناسبی برای اعمال مدیریت حوادث جاده‏ها باشد. لذا هدف این پژوهش، شناسایی عوامل موثر در بروز تصادفات ناشی از خطای انسانی منجر به جرح یا فوت و همچنین ارائۀ مدل پیش‌بینی تصادفات ناشی از تاثیر خطای انسانی در راه‏های برون‌شهری استان همدان طی سال‌های 1391 تا 1396 است. برای جمع‌آوری اطلاعات، از داده‌های جمع‌آوری‌شده با استفاده از فرم کام کروکی‌های تصادفات بهره‌گیری شده است. از بین 1345 تصادف ثبت‌شده در منطقۀ موردمطالعه، تعداد 940 تصادف در قطعات حادثه‌خیز انتخاب شدند که از بین آن تعداد، 610 تصادف ناشی از بی‌احتیاطی در 97 قطعه جهت استفاده در مدل انتخاب شدند. در فرایند مدل‌سازی از اطلاعات تصادفات، ترافیک و هندسۀ قطعات حادثه‌خیز محورهای موردمطالعه استفاده شد که اطلاعات هندسی قطعات حادثه‌خیز شناسایی‌شده، به‌صورت میدانی و با استفاده از جی‌پی‌اس دوفرکانسه جمع‌آوری گردید. یافته‌های پژوهش نشان داد که بهترین مدل از نظر پیش‏بینی تصادفات و قابلیت ارائۀ فرمول، مدل پواسون است. پنج عامل در این مدل موثر بودند که عامل شاخص نزدیکی به مراکز جمعیتی، با ضریب 13081/1 بیشترین تاثیر در تصادفات ناشی از بی‌احتیاطی را داشته است و عواملی از قبیل ترکیب شیب و انحنا، ترافیک ساعت تصادف، طول قطعه‌بندی و شیب در مراتب بعدی قرار دارند. نتایج این پژوهش می‏تواند مبنای مناسبی برای اعمال مدیریت حوادث ناشی از خطای انسانی باشد. همچنین عوامل موثر بر تصادفات، به‏عنوان ابزاری مناسب در سطح میانی مدیریت ایمنی راه کاربرد خواهد داشت.

Presenting a prediction model for suburban roads accidents

Road accidents are one of the most important causes of death in the world,especially in Iran. . Annually, many people in the world are killed and injuredas a result of accidents caused by human error on the suburban roads. Giventhe increasing population growth and the increase in road accidents in thecountry, finding the most effective accident factors can lead to a reduction indamages and casualties resulting from these accidents and a proper basis forroads accident management practices. Therefore, the purpose of this study wasto identify the factors affecting the incidence of accidents resulting humanerror leading to injury or death, as well as to present a model for predictingaccidents due to the impact of human error in suburban roads of Hamadanprovince during 20122017. To collect the data, the data collected were usedusing the accidents unprepared form. From 1345 accidents registered in thecase study, 940 accidents were selected in the incident parts, out of which 610accidents due to carelessness in 97 plots were selected for use in the model. Inthe modeling process, were used accident data, traffic and geometry of theincident parts of the case study that the geometrical data of the identifiedincident parts were collected as field and using twofrequency GPS. Findingsshowed that Poisson model is the best model in terms of accident predictionand ability to present formula. Five factors were effective in this model that theindicator factor of proximity to population centers with the coefficient of1/13081 had the most effect in car accidents caused by carelessness and factorssuch as slope and curvature composition, crash hour traffic, segmentationlength and slope are next hierarchy. The results of this study can be a properbasis for management disaster management practices caused by human error.Also the factors affecting accidents, will be used as a suitable tool at themiddle level of road safety management.