تحلیل مکانمند تصادفات عابرین پیاده در تقاطع‌های درون‌شهری با استفاده از سیستم‌های اطلاعات مکانی (منطقه مورد مطالعه: شهر رشت)

تقاطع‌ها به‌عنوان گره‌های ترافیکی معابر درون‌شهری، یکی از مهم‌ترین موقعیت‌های هندسی تداخل عابرین پیاده و وسایل نقلیه بوده که هرساله تعداد زیادی از تصادفات عابرین پیاده در این مکان‌ها اتفاق می‌افتد. لذا هدف اصلی این پژوهش تحلیل عوامل موثر در تصادفات عابرین پیاده بر اساس رکوردهای تصادفات پیشین و بررسی میزان تاثیر هرکدام بر تعداد تصادفات عابرین در تقاطع‌ها با استفاده از تحلیل‌های آماری رگرسیون پواسون و رگرسیون چندمتغیره است. از اهداف دیگر این پژوهش ارائه رویکردی gis مبنا به‌منظور شناسایی و توزیع مکانی تقاطع‌های پرتصادف در معابر کلان‌شهر رشت است. در این تحقیق چهارده فاکتور  مستقل حاصل از گزارش‌های پلیس و بازدید میدانی به سه گروه کلی عوامل انسانی، شرایط جوی و عوامل ترافیکی هندسی تقسیم‏بندی شد. بر این اساس از رگرسیون پواسون جهت تحلیل تاثیر مستقیم این فاکتورها بر تعداد تصادفات عابرین درتقاطع‏ها و از رگرسیون چندمتغیره جهت تحلیل تاثیر سه دسته کلی صدرالاشاره بر روی تصادفات عابرین پیاده در تقاطع‌ها استفاده شد. نتایج حاصل از پژوهش نشان شد که فاکتورهای سن راننده با 11 درصد، آب‌و‌هوای بارانی با 7 درصد و نبود چراغ راهنمایی با 40 درصد بیشترین تاثیر را در افزایش تعداد تصادفات عابرین در تقاطع‌ها داشته‌اند. همچنین بیشترین فراوانی تقاطع‌ها دارای تصادف عابر، در مناطق دو و چهار شهری اتفاق افتاده و تقاطع‌های میدان توشیبا، چهارراه حشمت و میدان گاز پرتصادف‏ترین تقاطع‌های شهر رشت شناخته شدند.

spatial analysis of pedestrian crashes at intersections using geospatial information systems (gis) (case study: rasht city)

intersections as traffic junctions of inner city thoroughfares are one of the most important geometric locations of pedestrian and vehicle interference, where a large number of pedestrian accidents occur every year. therefore, the main purpose of this study is to analyze the effective factors in pedestrian accidents based on previous accident records and to investigate the impact of each factor on the number of pedestrian accidents at intersections using poisson regression and multivariate regression statistical analysis. another purpose of this study is to present a gis based approach in order to identify and spatial distribution of high traffic intersections in rasht metropolitan areas. in this study, fourteen independent factors obtained from police reports and fieldwork were divided into three general groups: human factors, weather conditions, and traffic geometric factors. accordingly, poisson regression was used to analyze the direct effect of these factors on the number of pedestrian accidents at intersections, and multivariate regression was used to analyze the effect of three general categories of pedestrian crossings on pedestrian accidents at intersections. the results of the study showed that the factors of driver age 11%, rainy weather conditions 7%, and lack of traffic lights 40% had the greatest impact on increasing the number of pedestrian accidents at intersections. also, the highest frequency of intersections with pedestrian accidents occurred in the second and fourth urban areas and the intersections of toshiba square, heshmat crossroads, and gas square were recognized as the most accident prone intersections in rasht.