مدل‌ سازي سرعت رانندگي تحت تأثير شرايط مختلف آب‌ و‌ هوايي (مطالعه موردي: آزاد‌ راه تهران – قم)

Driving Speed Modeling Under Different Climate Conditions (Case Study: Tehran – Qom Freeway)

شرايط مختلف محيطي مي‌تواند تأثير به سزايي در جريان ترافيك داشته باشد.با آگاهي از تأثير شرايط محيطي بر سرعت جريان مي‌توان تخمين دقيقي از سرعت سفر و اتخاذ استراتژي‌هاي مديريت ترافيك جهت جلوگيري از سوانح جاده‌اي داشت. در اين مطالعه تأثير عوامل چهار حالتي آب‌ و‌ هوا (باران، مه‌گرفتگي، ابر و صاف بودن)، دماي هوا، تغييرات سرعت در شب و روز، درصد وسايل نقليه سنگين و حجم ترافيك بر سرعت جريان ترافيك مورد تحليل و بررسي قرار مي‌گيرند. در اين مقاله با استفاده از مدل رگرسيون خطي به بررسي نحوه تأثير اين عوامل بر سرعت رانندگي جهت كاهش تصادفات بين‌شهري پرداخته شده است. داده‌هاي مورد نياز مطالعه از سازمان راهداري و حمل‌ و نقل جاده‌اي و سازمان هواشناسي كشور طي سال 1393 جمع‌آوري شده‌اند. نتايج مدل پيشنهادي بر اساس نمونه 7541 موردي ساعتي جمع‌آوري شده از آزاد راه تهران – قم نشان مي‌دهد كه ميزان كاهش سرعت رانندگان ايراني در اثر بارندگي برابر با 1/355 و اختلاف سرعت در شب و روز كمتر از يك كيلومتر بر ساعت است. از ديگر نتايج پژوهش نشان مي‌دهد كه مدل پيشنهادي خطاي قابل قبولي در پيش‌بيني سرعت دارد. به طوري كه مدل پيشنهادي مي‌تواند مقدار سرعت را به ترتيب برابر با 3/579، 4/034 و 4/996 براي معيارهاي ارزيابي ميانگين خطاي مطلق، ميانگين درصد خطاي مطلق و ميانگين ريشه مربعات خطا به دست آورد.

Various environmental conditions could have a significant effect on traffic flow. Understanding the effects of environmental conditions on a vehicle’s speed could provide an accurate estimation of travel speed and traffic management strategies adoption to prevent traffic crashes. In this paper, the speed of vehicles had been investigated based on different variables, such as the effect of some weather conditions (such as rainy, foggy, cloudy and sunny), air temperature, speed variations during nights and days, heavy vehicles percentages and vehicle volumes. In this research, the effects of these variables on vehicle speeds have been studied in order to decrease suburban crash frequencies, using a multiple linear regression model. Required data have been gathered from Iran Road Maintenance & Transportation Organization and Meteorological Organization Government agency in 2014. According to 7541 hourly samples at Tehran-Qom freeway, the results of the proposed model shows that rainy weather and night and day speed variation caused 1.355 and less than 1 kilometer per hour reduction in speed, respectively. Also, the proposed model has an acceptable and reliable error in speed prediction and the evaluation criteria such as mean absolute error, mean absolute percentage error and root mean square error were 3.579, 4.034 and 4.996, respectively.