مدل‌ سازی تعیین مرز محدوده موثر بر تصادفات جاده‌ای در پیرامون شهرها

زمینه و اهداف: مطابق نتایج مطالعات گذشته، 60 تا 70 درصد تصادفات جاده‌ای در ایران، در ورودی شهرها اتفاق می‌افتد. در تمام مطالعات قبلی از یک تعریف سنتی برای تعیین محدوده ورودی شهر استفاده شده است. بر اساس آن‌چه در این منابع آمده، محدوده ورودی شهر معرف یک بافر 30 کیلومتری از نقطه ورودی شهر است که دارای ویژگی‌های منحصر به فرد و متمایزی از قطعات پایه راه‌های برون‌شهری بوده که همین ویژگی‌ها عامل افزایش نرخ تصادفات جاده‌ای در این نواحی است. با این حال، معرفی یک مقدار مشخص به عنوان محدوده ورودی شهر برای همه انواع راه‌ها و همه شهرها و تحلیل تصادفات این محدوده بدون توجه به مشخصات راه‌های مختلف در ورودی شهرهای کشور، قابل تامل است. مطالعه حاضر با هدف ارائه‌ مدل‌هایی به منظور تعیین مقدار شاخص مرز محدوده موثر بر تصادفات جاده‌ای در پیرامون شهرها انجام شده است.روش: برای این منظور از مدل‌های رگرسیون خطی و لجستیک استفاده شده است. مدل رگرسیون خطی مرز محدوده موثر بر تصادفات جاده‌ای در پیرامون شهرها را به صورت یک مقدار پیوسته گزارش می‌کند، اما مدل‌های لجستیکی شامل مدل‌های انتخاب چندگانه و ترتیبی، به جای تعیین مرز محدوده اثر به صورت یک مقدار کمی پیوسته، احتمال قرار گرفتن آن در یک بازه مشخص از بخش ابتدایی یا انتهایی راه تعیین می‌شود.یافته‌ها: بر اساس نتایج مدل‌های ساخته شده، عوامل اصلی تاثیرگذار بر مرز محدوده اثر نواحی پیرامونی شامل تعداد دسترسی‌ها، طول کاربری‌های مجاور و میانگین حجم تردد راه است. همچنین مقایسه مدل‌های توسعه یافته نشان داد که هر سه مدل تقریباً دقت یکسانی در تعیین مرز محدوده اثر دارند. با این حال از آن جا که مدل رگرسیون خطی قادر به ارائه خروجی به صورت یک مقدار پیوسته است، کارایی بیشتری در برآورد مقدار مرز محدوده موثر بر تصادفات جاده‌ای در پیرامون شهرها خواهد داشت.نتیجه‌گیری: شناخت دقیق‌تر نواحی پیرامون شهرها و تدقیق مرز محدوده اثر آن‌ها بر تصادفات برون‌شهری و در ادامه انجام اقدامات ایمن‌سازی مناسب با توجه به ویژگی‌ها و مشخصات این نواحی، می‌تواند به عنوان یک اقدام موثر در کاهش تصادفات جاده‌ای و تلفات و جراحات ناشی از این حوادث مورد توجه قرار گیرد.

development of models to determine the boundary of influencearea for rural roads crashes at marginal areas around cities

background and purpose: according to previous studies, 60% to 70% of rural road crashes in iran would occur at the city entrance zones. in all previous studies, a traditional definition has been used to determinethe boundary of the city entrances. based on these studies, a distance of30 km from the origin or destination city has been considered, as theboundary of the cities' entrance area, which has distinct characteristicsfrom the roads' basic segments. these distinguishing characteristics arethe main reason for increasing the frequency of crashes in marginalareas around cities. however, considering a certain value as theboundary of the city entrance zone for all types of roads and cities andanalyzing the crashes of these areas regardless of the characteristics ofvarious rural roads in marginal areas around cities is worth considering.this study has been conducted to develop models to determine theboundary of influence area for various rural roads in iran.method: for this purpose, linear and logistic regression models havebeen used. the linear regression model determines the boundary ofinfluence area (bia) for rural roads as a continuous value. however,the output of the logistic regression approaches including multinomialand ordered logistic models reveal the segment of road where the biais more likely to be.findings: based on the results, the main factors affecting the boundaryof influence area include the number of access points, the length ofadjacent land uses, and the average traffic volume. the results ofvalidation showed that all three models have almost the same accuracyin predicting bia. however, since the linear regression model is betterable to provide the output as a continuous value, it is more efficient inestimating bia.conclusion: a better understanding of these areas by determining theboundary of their influence area and taking the proper safety measuresconcerning their characteristics could be considered, as an effective solution to decrease the frequency of rural road crashes and fatalities.