تحليل مكاني تصادف‌هاي درون‌شهري با استفاده از رگرسيون وزني مكاني

Spatial Analysis of Inter-city Crashes, Using Geographically Weighted Regression

در سال‌هاي اخير مطالعات گسترده‌اي به منظور بررسي روابط بين‌ تصادف‌ها و عوامل موثر بر آنها‌ ـ از جمله نوع كاربري، ويژگي‌هاي جمعيتي و پارامترهاي مختلف شبكه حمل‌ونقل در مناطق شهري ـ صورت پذيرفته است. متغيرهاي ميزان توليد و جذب سفر همراه با پارامتر مجموع طول معابر مي‌توانند به عنوان متغيرهاي جايگزين مناسبي براي پيش‌بيني تصادف‌ها مورد استفاده قرار گيرند. مدل‌هاي رگرسيون خطي تعميم‌يافته به عنوان متداول‌ترين مدل‌هاي عمومي پيش‌بيني تصادف‌ها، و رابطه بين تصادف‌ها و متغيرهاي مستقل را با تخمين ضرايب ثابت در كل منطقه مطالعاتي توصيف مي‌كنند. در تحقيق حاضر به منظور بررسي تاثيرات ناپايداري در روابط ميان تصادف‌ها و عوامل موثر بر آنها، مدل رگرسيون وزني مكاني پوآسون پيشنهاد گرديد. آن‌گاه اين مدل با استفاده از پارامترهاي توليد و جذب سفر و مجموع طول معابر در 253 ناحيه ترافيكي در شهر مشهد اجرا شد و تاثيرات خودهمبستگي مكاني در باقي‌مانده‌ها بررسي گرديد. آزمون‌هاي نيكويي برازش دقت بالاتر مدل رگرسيون وزني پوآسون را در قياس با مدل عمومي نشان مي‌دهند. نتايج همچنين نشان از ناپايداري معناداري در روابط بين تعداد تصادف‌ها و متغيرهاي مستقل انتخاب‌شده دارند. نتايج، رابطه مستقيم متغيرهاي انتخاب‌شده را نيز با وقوع تصادفات در بيشتر نواحي ترافيكي نشان مي‌دهد. آزمون باقي‌مانده‌هاي هر دو مدل نشانگر حذف تاثيرات خودهمبستگي مكاني از باقي‌مانده‌هاي رگرسيون وزني مكاني پوآسون است.

Abstract In the recent years a considerable attention has been carried out to explore the relationship between crashes and related factors such as land use, demographic characteristics and network parameters in urban areas. Trip production and attraction as the first-hand results of trip generation models along with total road kilometers might be proper surrogate predictors to estimate the crashes in aggregate spatial units. Generalized Linear Models are known as the common techniques to investigate the relationship between crashes and predictors based on estimating the global fixed coefficients. Geographically Weighted Poisson Regression is suggested to investigate the non-stationary effects in relationship between crash frequencies and contributing factors. The model was run using the trip production and attraction parameters and total road kilometers over 253 Traffic Analysis Zones in Mashhad and the existence of spatial autocorrelation was examined among residuals. The goodness-of-fit tests indicate a considerable improvement in the model performance comparing the global models. The results also show that the significant non-stationary state in relationship between crash frequency and selected predictors. Based on the results, there is a direct and positive relationship between the independent variables and dependent variable; although the coefficient magnitudes vary over different spaces. The examination of residuals for global and local models reveals that the spatial autocorrelation has successfully been removed from the local residuals. Keywords: Urban Safety, Trip Generation, Total Road Kilometers, Generalized Linear Models, Non-Stationary, Geographically Weighted Poisson Regression, Spatial Analysis.