ارزیابی اثرات ایمنی شاخص وضعیت رویه راه بر فراوانی تصادفات خروج از جاده

ساخت، نگهداری و بازسازی زیرساخت های حمل‌ونقل از جمله ضرورت‌های اصلی ایجاد و توسعه صنعت حمل‌ونقل پایدار به حساب می‌آیند. هزینه‌های گزاف و عملکرد نامناسب جنبه‌هایی مانند ایمنی و امنیت، مشکلاتی را پیش می‌آورند که اعتمادپذیری سیستم حمل‌ونقل را تهدید می‌کنند. مدل‌های پیش‌بینی تصادفات به عنوان ابزار تحلیل ایمنی، نقش به سزایی در تحلیل علل وقوع تصادفات ترافیکی دارند. در این مقاله، سعی شده است تا تاثیر خرابی رویه راه بر فراوانی تصادفات خروج از جاده، که جزو فراوان‌ترین و شدیدترین تصادفات در ایران و حتی جهان هستند، ارزیابی گردد. به همین منظور، شاخص وضعیت رویه راه برای 150 کیلومتر از محور سمنان به تهران تعیین و با استفاده از فرایندهای genmod و nlmixed در نرم‌افزار sas، انواع مدل‌های خطی تعمیم‌یافته و غیرخطی رگرسیونی ارائه شدند. پس از ارزیابی نیکویی برازش مدل‌ها و تخمین خطای آن ها، مناسب‌ترین مدل انتخاب می‌شود. برای انجام نیکویی برازش، از ابزارهایی مانند انحراف معیار، آماره کای‌دو پیرسون، ، aic، aicc و bic استفاده شده است. همچنین، دو ابزار دیگر شامل میانگین خطای مطلق و جذر میانگین مربع خطاها، اعتبار خروجی مدل را تخمین زدند. در تجزیه باقیمانده‌ها به روش باقیمانده‌های استاندارد شده، میانگین خطاها حدود 1048/0- و واریانس آن ها برابر 9259/0 تخمین زده شدند که به فرضیه‌های میانگین صفر و واریانس 1 بسیار نزدیک هستند. نتایج مدل‌سازی نشان می‌دهد که مدل رگرسیون غیرخطی دوجمله‌ای منفی برازش بهتری دارد و ارتباط معنی‌دار بین شاخص وضعیت رویه راه و فراوانی تصادفات خروج از جاده را آشکار می‌کند. تحلیل حساسیت مدل نیز بیانگر آن است که به ازای افزایش هر واحد شاخص وضعیت رویه راه، نرخ فراوانی تصادفات خروج از جاده 93/1 درصد کاهش می‌یابد.

Evaluating the Safety Effects of Pavement Condition Index (PCI) on Frequency of Run-off-road Accidents

Construction, maintenance and rehabilitation of highway infrastructures are the most essential issues for developing and improving a sustainable transportation industry. Besides high costs of these issues, improper performance of some aspects such as safety and security creates some problems which will threaten the reliability of a transportation system. Crash prediction models (CPMs), as safety analysis tools, have a specific role in analyzing the contributing factors in occurrence of traffic accidents. This study aimed to evaluate the effects of pavement distresses on the frequency of run-off-road accidents which are the most frequent and severe accidents in Iran and around the world. In doing so, about 150 km of Semnan-Tehran divided rural highway was examined and its pavement condition indice (PCI) was calculated. Then, using GENMOD and NLMIXED procedures in SAS software, two generalized linear models and 39 nonlinear negative binomial regression models were developed. After evaluating the goodness-of-fit of the models and estimating their error, comparison of these models leads to the most proper model. To estimate the goodness-of-fit of the models and select the best-fitted model, several criteria were implemented including standard deviation/scaled deviation, Pearson χ2, -2LL, AIC, AICc and BIC. Moreover, two criteria of mean absolute error and root mean squared error were used to estimate the validity of model results. In analyzing of residuals by standardized residuals method, the mean error was about -0.1048 and the variance was 0.9259, which are close to the assumptions of zero mean and variance equal to 1. CPMs showed that nonlinear negative binomial regression model fits significantly better with the available data, which demonstrates the association between PCI and frequency of run-off-road accidents. Sensitivity analysis of the model indicates that for nonlinear CPM, a unit increase in PCI results in around 1.93% reduction in frequency of run-off-road accidents.