ارزیابی عوامل موثر بر ایمنی موتورسیکلت‌سواران

زمینه و هدف: موتورسیکلت‌سواران به دلیل عدم محافظت در صحنه تصادف و نیز در معرض ‌دید کمتر بودن نسبت به سایر وسایل‌نقلیه، دچار آسیب‌های شدیدتری می شوند. هدف اصلی این مطالعه، شناخت عوامل موثر بر ایمنی موتورسیکلت‎سواران است.روش: از شبکه عصبی، جنگل تصادفی و تحلیل‌های آماری (مقایسه میانگین شدت تصادفات در متغیرها) در اینجا استفاده شده است. دو مجموعه داده، شامل تصادفات ثبت شده توسط پلیس در تهران و داده‌های جمع‌آوری شده از موتورسواران شهر تهران با استفاده از مصاحبه میدانی به کار رفته است.یافته‌ها: با افزایش فراوانی تجاوز از سرعت ‌مجاز، عبور از چراغ ‌قرمز، استفاده از تلفن همراه، انجام‌ حرکت‌های نمایشی، عدم استفاده از کلاه ایمنی و عبور از پیاده‌رو، شدت تصادفات افزایش می‌یابد. اما با بهبود وضعیت ‌سلامتی ‌فرد و ظاهر فنی‌ موتور شدت ‌تصادفات کاهش خواهد یافت. در بین مناطق ‌شهر تهران، منطقه 6 دارای بیشترین فراوانی تصادف بوده است. مدل شبکه عصبی مصنوعی قادر است تا دسته‌بندی فوتی را با دقت 24 درصد، جرحی 76 درصد و خسارتی 51 درصد پیش‌بینی نماید. همچنین در مدل جنگل تصادفی دقت پیش‌بینی شدت تصادفات در دسته‌بندی‌ فوتی 53 درصد، جرحی 69 درصد و خسارتی 32 درصد است.نتیجه‎گیری: تخلفات موتورسیکلت سواران یکی از دلایل عمده افزایش شدت تصادفات آنها بوده و در رابطه با نحوه رسیدگی به تخلفات حادثه ساز این گروه از کاربران بایستی جریمه های بازدارنده طراحی شود. با توجه به اهمیت سلامت فرد و سالم بودن وضعیت موتورسیکلت لازم است تا نسبت به کنترل آنها در زمان دریافت گواهی نامه و بازه های زمانی مشخص پس از دریافت گواهی نامه اقدام شود. بالا بودن نرخ جذب و تولید سفر در منطقه 6 شهر تهران موجب شده تا میزان تصادفات این منطقه نیز بالا باشد.

evaluation of the impact of different variables on motocyclists’ safety

background and aim: motorcyclists due to lack of protection at the scene of the crash and also being less exposed in the eyesight of other vehicles are more vulnerable for sever crashes. the main purpose of this study, is to identify the factors affecting the severity of motorcycle crashes.method: neural network, random forest and statistical analysis (comparison of the average severity of accidents in variables) have been used in this paper. to conduct this research, two series of data (accident data and behavioral data collected from motorcyclists in tehran based on field interview) have been used.findings : the severity of crashes increases with the rise of the frequency of speeding, passing red lights, using mobile phones, performing dangerous movements, not usign helmet and crossing the pedestrain pathway. however, with the increase in the health status of motorcyclists and the technical appearance of the motorcycle the severity of accidents will decrease. among the districts of tehran, district 6 had the highest frequency of crahses. neural network model, is able to predict fatalities, injuries and propoerty damage crashes with 24, 76 and 51 percent accuracy. furthermore, in the random forest model, the accuracy of predicting fatal, injury and property damage crashes are 53, 69 and 32 percent.results : it indicate that the traffic violations of the motorcyclists are the main reasons for crash severities. thus, it is necessary to have an overlook about performing more restrict traffic fines for this group. in addition, becasuse of the importance of the individual health condition and technical appearance of the motorcycle it is necessary to determine rules for controling them with issuing cycling licence and other intervals after that. finally, the high rate of motorcycle crashes in the district of 6 in tehran can be related to high capacity rate of transit  in the zone.