بررسي تأثير رفتار رانندگان وسايل نقليه سنگين بر ايمني مسيرهاي دوخطه دوطرفه

Investigating the Effect of Heavy Vehicles Drivers Behavior on Safety of Two-Lane, Two-Way Roads

يكي از انواع وسايل نقليه كه نقش بسزايي در ميزان تصادفات ترافيكي در ايران دارد وسايل نقليه سنگين مي­باشند. مطابق با آمار­هاي موجود يكي از انواع وسايل نقليه­ اي كه منجر به ايجاد بيش از 8 درصد از تصادفات ترافيكي مي­گردند وسايل نقليه سنگين مي­باشند كه حدود 15 درصد از مرگ و مير ناشي از تصادفات را به خود اختصاص داده است. همچنين مطابق با آمار­هاي موجود عامل 70 درصد از تصادفات ترافيكي در ايران انسان مي­باشد، بنابراين، رانندگان وسايل نقليه سنگين مي­توانند بسيار تاثيرگذار در ايجاد تصادفات باشند.در اين تحقيق با مشخص شدن تاثير خطاي انساني رانندگان وسايل نقليه سنگين بر روي ميزان تصادفات سعي مي­گردد خطاهاي اصلي شناسايي گردد و مشخص شود كه كدام خطا بيشترين تاثير را بر روي تصادفات دارد و همچنين رابطه بين خطاها و تعداد تصادفات بيان مي­گردد.جامعه آماري در اين پژوهش رانندگان وسايل نقليه سنگين مي­باشند و منطقه مورد مطالعه جاده قديم محور زنجان-قزويندر سال 1397 است. نتايج نهايي نشان مي­دهند كه مي توان با استفاده از يك مدل رياضي برگرفته شده از پارامتر هاي عدم رعايت قانون، مشكلات روحي و رواني و خستگي راننده ميزان تصادفات را پيش بيني نمود. يا به عبارت ديگر افزايش يا كاهش به ميزان يك واحد از پارامتر­هاي مذكور مي­توانند ميزان تصادفات را در مسير مورد مطالعه افزايش يا كاهش دهند.

One of a variety of vehicles that plays a significant role in traffic accident in Iran is heavy vehicles. According to available statistics, more than 8% of whole traffic accidents has been created by heavy vehicles which accounting for about 15% of deaths from accidents. As well as according to current statistics, the reason of 70 percent of traffic accidents in Iran are human, so heavy vehicle drivers can be very effective in causing accidents. In this research, the main human errors of heavy vehicle drivers have been identified by determining the impact of each human error on the rate of accidents, then it is determined which error has the most impact on crashes, as well as the relationship between errors and the number of accidents. The statistical population in this study is heavy vehicle drivers and the case study region is the main road of Zanjan-Qazvin in 2018. The final results show that using a mathematical model derived from law non-compliance parameters, psychological problems and driver fatigue can predict the amount of accidents. In the other words, increasing or decreasing to one unit of the parameters can increase or decrease the number of accidents in the case study path.