شناسايي نقاط حادثه خيز تصادفات عابر پياده به كمك تابع چگالي كرنل در محيط GIS مطالعه ي موردي : شهر مشهد

Hotspots Identification of Pedestrian Crashes using Kernel Density Estimation in GIS (Case Study: Mashhad City)

تحقيقات نشان مي دهند كه سهم عابر پياده از مرگ ومير ناشي از تصادفات ترافيكي 22 درصد و اين مقدار در كشور ايران معادل با 23/2 درصد مي باشد. از اينرو تحليل و ارزيابي تصادفات عابرين پياده به يكي از چالش هاي مهم مهندسي در زمينه ي ارتقاي ايمني و سلامت عمومي تبديل شده است. با اين حال نقطه ضعف اساسي اكثر تحقيقات، عدم توجه به پارامتر مكان حادثه بوده، به طوريكه به مسأله ي تغييرات مكاني در فرآيند تحليل توجه ي نشده است. در اين مقاله با در نظر گرفتن مكان رخداد تصادفات جرحي عابر پياده شهر مشهد در سالهاي 1391 تا 1393 به عنوان نمونه موردي و انجام تحليل هاي مكاني آماري در محيط - GIS ، نواحي داراي تراكم بالاي تصادفات عابر پياده شناسايي و اولويت بندي گرديدند. بدين منظور ابتدا داده هاي رستري با ابعاد 20 * 20 متر در يك پايگاه داده مكاني شامل 111537 پيكسل آماده سازي و با استفاده از تابع چگالي كرنل شبكه اي network Kernel Density Estimation نقاط حادثه خيز شناسايي شدند. با استناد به مناطق متراكم استخراج شده، ميدان فجر در منطقه ي چهار شهرداري، ابتداي جاده ي سرخس در منطقه شش شهرداري و تقاطع همت رسالت، به عنوان حادثه خيزترين نقاط شهر مشهد از لحاظ تعداد تصادفات جرحي - عابر پياده شناسايي شدند. از اين رو اولويت دهي به منظور مميزي ايمني در اين نقاط توصيه مي گردد

Based on recent literatures, 22% of fatality’s crashes have been categorized as pedestrian-related worldwide. In Iran, such a record is about 23.2. The analysis and evaluation of pedestrian accidents be turned to one of the major engineering challenges in the promotion of public health and safety. However in the most works undertaken the spatial parameters on the location of the accident, so spatial variations in the predictive have been neglected. In this paper considering pedestrian injury accidents for the city of Mashhad in Iran during time period of 3 years (1391-1393) by employing geo_statistical processing in GIS, sites with a high density of pedestrian accidents have been identified and prioritized. For this purpose, after preparing required raster layers with the pixel size of 20 meters in a spatial database containing 111,537 pixels has been prepared and using network Kernel Density Estimation, hotspots were identified. By implementing KDE to the study area of the city of Mashhad, it was revealed that Fajr square of the four region municipalities, beginning of Sarakhs Road in the six Municipality and Hemat-Resalat intersection, as hazardous areas of the city of Mashhad in the number of pedestrian injury accidents were identified. Therefore, prioritize safety audit in these areas is recommended