پيش بيني حوادث ترافيكي با استفاده از مدل فضايي ناحيه اي (موردمطالعه: تهران بزرگ، سال 1396)

Predicting traffic accidents using regional spatial modeling (Case Study: Big Tehran, 2016

تصادفات ترافيكي به صورت يك معضل اجتماعي در كشور مطرح است كه همه ساله جان تعداد زيادي از مردم را گرفته و هزينه هاي اقتصادي بزرگي را به جامعه وارد مي كند. در سال هاي اخير، در بحث مديريت ترافيك به روش هاي پيش بيني تصادفات توجه زيادي شده است. پيش بيني حادثه، اثر زيادي در كاهش تلفات، جراحات و خسارات مالي ناشي از بروز تصادفات دارد. هدف اصلي اين مطالعه، پيش بيني حوادث ترافيكي با استفاده از مدل فضايي ناحيه اي تهران بزرگ در سال 1396 مي باشد. اين پژوهش از نظر روش گردآوري داده ها، توصيفي - مقطعي است. جامعه آماري پژوهش حاضر، آمار و داده هاي مربوط به تصادفات در مناطق 22 گانه شهر تهران در سال 1396 بوده كه در بانك اطلاعاتي پليس راهور ناجا ثبت شده است. در اين پژوهش، ضمن بررسي عوامل موثر بر حوادث ترافيكي، براي تحليل داده هاي و ارائه مدل هاي پيش بيني، از مدل رگرسيون فضايي ناحيه اي استفاده شد. يافته هاي اين پژوهش نشان مي دهد كه سه عامل انساني، راه و وسايل نقليه، از عوامل موثر بر تصادفات ترافيكي شهر تهران بوده اند؛ به نحوي كه متغيرهاي كمكي تعداد سفرهاي جذب شده و سفرهاي توليدشده بر شدت حوادث ترافيكي (تخلفات تامه تصادفات يعني تغيير مسير ناگهاني، عدم توجه به جلو، رعايت نكردن حق تقدم و عدم رعايت فاصله طولي) تاثيرگذار هستند؛ به نحوي كه افزايش يك درصدي در سفر جذب شده و توليدشده به ترتيب به افزايش 21/7 و23/2 درصدي نرخ تخلفات رانندگي منجر مي شود.همچنين نتايج اين پژوهش نشان داد كه با لحاظ نمودن ساختار همبستگي داده هاي شمارشي مي توان به مدل هاي پيش بيني حوادث ترافيكي در سال هاي آينده پرداخته و عوامل موثر بر آن ها را تعيين و كنترل نمود.

Traffic accidents are a social problem in the country that annually kills a largenumber of people and brings huge economic costs to society. In recent years,in Traffic Management Discussion, there has been a lot of attention toaccidents prediction methods. Accident prediction has a great impact onreducing the number of casualties, injuries and financial losses resulting fromaccidents. The main purpose of this study is to predict traffic accidents usingthe regional spatial model of Big Tehran in 2016. This research is descriptivecrosssectional in terms of data collection method. The statistical population ofthis study is accident statistics and data in 22 districts of Tehran in 2016 whichis registered in the database of traffic police station. In this study, whileanalyzing the factors affecting traffic accidents, regional spatial regressionmodel was used for data analysis and presenting prediction models. Thefindings of this study show that the three factors of human, road and vehicleswere the factors affecting traffic accidents in Tehran; In such a way that theauxiliary variables of the number of trips absorbed and trips produced areinfluenced by the severity of traffic accidents (total accidents involving suddenchange of direction, disregard forwards, disregard of right of way anddisregard of long distance); So that a one percent increase in absorbed andproduced travels leads to a 21.7 percent and a 23.2 percent increase in drivingviolations, respectively. The results also showed that by considering thecorrelation structure of the counting data, one can deal with traffic accidentprediction models in the coming years and dentified and controlled the factorsaffecting them.