استفاده از مدل‌‌ تاخیر فضایی در پیش‌بینی نرخ تصادفات راه

Abstract

یکی از معضلات سیستم‌های حمل‌و‌نقل جاده‌ای، تصادفات می‌باشد که در سالهای اخیر مطالعات زیادی را در حوزه ایمنی به خود معطوف کرده است. از آنجاکه تصادفات معلول ترکیب عوامل پیچیده مختلفی است که در آن موثر بوده‌‌اند، لذا پیش‌بینی نرخ تصادفات از موضوعات خاص حوزه مهندسی ایمنی راه محسوب می‌شود. پیش‌بینی تصادفات در قطعات راه عمدتاً به کمک مدل‌های آماری انجام می‌گیرد.مدلهای معمول آماری مانند مدل دوجمله‌ای منفی دارای محدودیت‌هایی می‌باشند برای مثال در این مدل‌ها اثر متقابل نزدیک بودن دو تقاطع خاص به یکدیگر در‌نظر گرفته نمی‌شود. به این اثر رابطه فضایی بین داده‌های قطعات متوالی گفته می‌شود.در اکثر مطالعات انجام شده وابستگی فضایی بین قطعات راه در نظر گرفته نشده است. در مواجهه با داده‌های مکانی، مدل‌های اتورگرسیو ‌فضایی که توانایی محاسبه وابستگی فضایی بین قطعات راه را دارند، می‌توانند جایگزین مدل‌ها و روش‌های مرسوم آماری گردند.در واقع زمانی که داده‌ها دارای مشخصه مکانی هستند، ممکن است وابستگی فضایی بین مشاهدات وجود داشته باشد و به‌کارگیری شیوه‌های مرسوم که این وابستگی را درنظر نمی‌گیرند،نتایج تحلیل را دچار خطا می‌کند. در این تحقیق پس از قطعه‌بندی راه و تخصیص تصادفات به هر قطعه، با تشکیل ماتریس وزن جهت محاسبه وابستگی فضایی قطعات به یکدیگر به بررسی عملکرد مدل تاخیر فضایی پرداخته و پس از برآورد پارامترها، عملکرد این مدل در مقایسه با مدل رگرسیون خطی نشان داده شده است. سپس به پیش‌بینی نرخ تصادفات در قطعات راه پرداخته و با مقایسه نرخ تصادفات واقعی و پیش‌بینی شده، بهترین پیش‌بینی کننده انتخاب شده است. با بررسی RMSE مدلهای پیش‌بینی شده و مقادیر واقعی در روش بیشترین درستنمایی ، مدل تاخیر فضایی با مقدار RMSE به میزان9707/6 به عنوان مدلی کارامدتر در‌ پیش‌بینی نرخ تصادفات در این تحقیق شناخته شد.