تحليلي بر تصادفات و تهيه نقشه هاي پيش‌بيني وقوع تصادف

Accident Analysis and Generating Prediction Maps of Crash Spots using GIS

در خيابان ها و تقاطع ها، شناخت نقاط بحراني منجر به تصادف، نقش كليدي در به كارگيري الگو و روش قابل قبول به‌منظور كاهش احتمال وقوع تصادف را دارد. بدين منظور انحراف عوامل موثر و بررسي هر يك به‌صورت منفرد و تجمعي به كمك عمل‌گرهاي رياضي مرتبط، قادر است ميزان متفاوتي از تاثير و نقش هر يك را محاسبه كرده و پياده سازي كند. لذا راه‌حل‌هاي تيوري و عملي مختلفي به‌منظور تضمين ايمني بيشتر و بهبود شرايط ترافيكي در سامانه حمل و نقل فراهم شده و عوامل اصلي ايجاد تصادفات در تقاطع ها شناسايي مي‌شود. در اين مقاله به‌جهت كمك به تضمين ايمني سامانه حمل و نقل شهر مشهد، از قابليت‌هاي سامانه اطلاعات مكاني به‌منظور تخمين و پيش‌بيني احتمال وقوع تصادفات در تقاطع ها استفاده مي‌شود. در اين راستا داده هاي آماري حاصل از مشاهده‌هاي ترافيكي و حمل و نقل شهري به روش پرسش‌نامه اي جمع آوري شده و به كمك عمل‌گرهاي رياضي و آماري مانند تخمين چگالي و روش‌هاي درون‌يابي، فرآيند هاي آماده سازي داده ها مطابق با نياز و استاندارد اعمال مي‌شود. نتايج حاصل از اعمال روش‌هاي هم‌پوشاني ساده، روش درون‌يابي و كريجينگ (با نقاط همسايگي مختلف) با تعداد تصادفات ثبت شده در نقاط كنترل مقايسه شده و پس از تهيه نقشه احتمال تصادف، ميزان اعتبار هر يك از مدل‌ها مشخص مي‌شود. با ارايه روش كريجينگ (با 7 نقطه همسايگي) به عنوان معتبرترين روش، نتايج مذكور منجر به بهبود سامانه حمل‌ونقل شده و راه حل هاي مطلوب براي كنترل، نظارت و مديريت تصادفات ارايه مي-شود.

Recognizing critical crash hot spots is a key role in decreasing accident probability patterns and has an important place in using acceptable methods on street networks and junctions. For this purpose, determining efficient criteria, individually and socially, based on related mathematical operators can identify and calculate different influence values for each criterion. As a consequence, various theoretical and practical models can be guarantee safety and improve transporting conditions of roads networks. From this, the main accident factors can biologically be identified at cross roads. In this paper, GIS capabilities are used to estimate and predict the probability of crash spots at cross roads and consider safety guarantees in the transportation system of Mashhad. Statistical data obtained from traffic observations of the transportation network of Mashhad are collected in question forms and prepared using mathematical and statistical processes such as density estimation and sample interpolation methods, based on the predefined standards and rules. In addition, probability values of accidents are evaluated and assessed using an integrated pattern of accident estimation based on expert opinions of each junction. Finally, Simple overlay, IDW and Kriging (with different neighbor points) are compared to recode values of crash numbers, and after producing the probability map of accidents, modeling validation can be determined in the control points. Presenting the Kriging method using 7 neighbors can improve the transportation system and will present an efficient solution for managing and controlling accidents.