چكيده فارسي :
شناسايي عواملي كه در شدت نتيجه يك تصادف سهيم هستند، به تصميم‌گيرندگان و طراحان راه براي اجراي اقدامات‌اصلاحي كه مي-تواند شدت جراحت و هزينه تصادف را كاهش دهد، كمك مي‌كند. با توجه به اين مورد، هدف از اين تحقيق شناسايي عواملي است كه در شدت تصادفات راه‌هاي برونشهري سهيم هستند. امروزه محققين از مدلسازي آماري و رياضياتي براي حل مسئله پيچيده ايمني- راه استفاده مي‌كنند. در اين راستا، مدلهاي انتخاب گسسته بصورت گسترده براي مدلسازي شدت تصادف بكار مي‌روند. از اين مدلها، عوامل سهيم در شدت تصادفات شناسايي مي‌شوند. مدل لوجيت چندجمله‌اي (MNL) متداولترين مدل انتخاب گسسته براي مدلسازي شدت تصادف است. در اين تحقيق به منظور شناسايي عوامل موثر در شدت تصادفات راه‌هاي برونشهري از مدل MNL استفاده شد. براي مدلسازي، از داده‌هاي يك دوره 5 ساله از تصادفات برونشهري استان ايلام استفاده شده است. متغيرهاي ورودي در مدل پس از انجام ارزيابي معناداري انتخاب شدند. اين متغيرها شامل سن كم، سرعت زياد، مصرف الكل، برخورد جلوبه جلو، وجود كيسه‌هوا، پرت شدن از خودرو، بستن كمربندايمني، فاصله خيلي نزديك با خودروي جلويي، جنس راننده و وقوع تصادف در قوس بود. پس از انتخاب متغيرها، دقت مدل نيز مورد بررسي قرار گرفت. براي معتبرسازي مدل از نسبت لگاريتم درستنمايي و دقت پيشبيني مدل در هر سطح شدت استفاده شد. پس از ارزيابي دقت مدل در پيشبيني شدت تصادفات، مشخص شد كه مدل براي ارزيابي شدت تصادفات نتايج قابل قبولي ارائه مي‌دهد و مشخص شد كه بجز متغيرهاي قوس و فاصله نزديك، تمامي متغيرهاي انتخابي در شدت تصادفات سهيم هستند.
چكيده لاتين :
Identifying the factors that contribute to injury as a result of crashes will help policy makers and road designers implement countermeasures, which could reduce crash injury severity, and cost. In result, objective of this study is identifying factors are more likely to contribute to crashes severity. Today, Researchers have utilized mathematical and statistical modeling-schemes to solve this complex road-safety problem. For this, discrete choice modeling is widely used to model injury severity of the crash. From the models, factors contributing to the injury severity are identified. MNL is the most prominent discrete choice model for modeling crash severity. For modeling, the data of a 5-year period of crashes occurred at the rural roads of Ilam province has been used. The input variables of the model were selected after a significance evaluation test. These variables included Age, Speed, Alcohol, Head-on, Airbag, Ejection, Seatbelt, following too Close, Gender, and Curved. After selecting the variables, the accuracy of the model was also studied. To validate the model, the likelihood ratio and the percent correctly predicted by the model at each crash severity level were used. After evaluating the model accuracy in the prediction of accidents severity, it was found that the model provides acceptable results for evaluating crashes severity, and it was found that except curve and following too close variables, all selected variables contributing in crashes severity.
