توسعه مدل كلان نگر پيش‌بيني تصادفات توسط روش رگرسيون پواسون وزن‌دار شده جغرافيايي

The development a macroscopic crash prediction model using geographically weighted Poisson regression

مدل‌هاي متداولي كه براي پيش‌بيني تصادفات مورداستفاده قرار مي‌گيرد، رابطه بين متغيرها را در تمامي نقاط فضا ثابت فرض مي‌كند. در اين پژوهش براي در نظر گرفتن اثرات ناهمسان سازي كه در طول فضا تغيير مي‌كنند، و باعث مي‌شوند رابطه بين متغيرهاي مستقل و وابسته تغيير كند، توسعه مدل‌هاي پواسون وزن‌دار شده جغرافيايي پيشنهادشده است. استفاده از تكنيك رگرسيون وزن‌دار شده جغرافيايي اين امكان را فراهم مي‌كند تا بجاي در نظر گرفتن ضرايب رگرسيون ثابت كه نماينده‌اي براي تمام نقاط است، تخمين گري از ضرايب را به دست آوريم كه در طول فضا تغيير مي‌كنند و براي نقاط جغرافيايي متفاوت به‌صورت محلي كاليبره مي‌شوند. براي بررسي قابليت‌هاي مدل پيشنهادي اطلاعات مربوط به نواحي ترافيكي شهر مشهد گردآوري‌شده است، همچنين بر اساس مدل پيشنهادي و مدل پواسون ساده، مدل‌هاي كلان نگري توسعه داده‌شده است كه رابطه بين انواع مختلف كاربري اراضي و فراواني تصادفات جرحي را مدل مي‌كند. قابل‌ذكر است كه انتخاب دسته متغيرهاي كاربر اراضي، مي‌تواند كمك شايان توجهي به برنامه ريزان شهري و حمل‌ونقل در تصميم‌گيري آگاهانه و برنامه‌ريزي هدفمند بر محور ايمني ترافيك داشته باشد. مقايسه مدل‌هاي توسعه داده‌شده بر اساس معيار اطلاع آكائيك نشان مي‌دهد كه اعمال تكنيك مذكور در مدل‌سازي به‌طور قابل‌توجهي عملكرد مدل را در پيش‌بيني فراواني تصادفات افزايش مي‌دهد.

the conventional models used to predict crashes assume a constant relationship between variables over the space. in this study, the development of the geographically weighted Poisson regression is proposed, to consider the effects of heterogeneity that vary over space and change the relationship between dependent and independent variables. using the geographically weighted regression technique allows instead of assuming constant regression coefficients that are representative of all the points, we obtain estimations of coefficients that are changed over space and calibrated locally for different geographic locations. To investigate the capabilities of the proposed model, information about traffic analysis zones of Mashhad city has been gathered. Also, based on the proposed model and simple Poisson model, macro-models have been developed that model the relationship between different types of land use and frequency of accidents. it should be noted that selecting the category of land use variables in can help urban and transportation planner to make informed decisions based on the traffic safety issue. Comparison of developed models based on the Akaike information criterion indicates that the application of this technique in modeling significantly increases the performance of the model in predicting the frequency of accidents.