تأثير عوامل انسان محور بر شدت آسيب ديدگي تصادفات

The effect of human-centered factors on the severity of accidental injury

عادات و عوامل مرتبط در رانندگي مي­تواند بر علت تصادفات نقش اساسي داشته باشد. درك عميق از عوامل انساني كه بر رانندگي پر خطر تاثير مي­گذارند، مي تواند براي تسهيل در كاربرد اقدامات متقابل موثر، از اهميت ويژه اي برخوردار باشد. در اين مقاله به بررسي عوامل موثر بر تصادف انسان محور بر وقوع تصادف جاده اي در شهر مشهد پرداخته شده است. به منظور انتخاب روش‌شناسي تحقيق پس از احصاي شاخص هاي اثرگذار از مطالعات و داده هاي ميداني مرتبط،پس از بررسي مدل هاي گوناگون در نهايت از مدل لوجيت كلاس پنهان و مدل لوجيت پارامترهاي تصادفي استفاده شده است. نتايج تخمين مدل به طور كلي نشان مي دهد كه تصادفات با صدمات جدي احتمالاً در رانندگان غير مستخدم (بيكار)، عدم استفاده از كمربند ايمني، سن بالا، خستگي و رانندگان فاقد گواهينامه شايع مي باشد. مقايسه آماري تناسب مدل نشان مي دهد كه مدل ورودي به سيستم LC بهتر از مدل RPL ، به عنوان جايگزيني براي مدل سنتي چند سطحي (MNL) عمل كرده است.

Habits and related factors in driving can play a major role in accidents. A deep understanding of the human factors that affect high-risk driving can be particularly important in facilitating the use of effective countermeasures. In this article, the factors affecting human-centered accidents on road accidents in Mashhad are examined. In order to select the research methodology after counting the influential indicators of related field studies and data, after examining various models, finally, the hidden class logit model and the random parameter logit model have been used. The results of the model estimate in general show that accidents with serious injuries are likely to occur in non-employee (unemployed) drivers, non-use of seat belts, old age, fatigue and drivers without a common license. The statistical comparison of model fit shows that the input model to the LC system performs better than the RPL model as an alternative to the traditional multilevel model (MNL).