بررسی تأثیر بارندگی و یخبندان بر وقوع تصادفات جادهای (مطالعۀ موردی: راههای برونشهری شهرستان میانه)
(ندگان)پدیدآور
خاوندی, علیرضامیرغفاری, میرعلیرسولی, رامیننوع مدرک
Textزبان مدرک
فارسیچکیده
زمینه و هدف: گسترش روزافزون شبکۀ راهها و تغییرات مداوم آنها بهدلیل ترافیک، شرایط آبوهوایی و محیط، تأثیر بسیار زیادی بر وقوع تصادفات دارد؛ و در نتیجۀ آن تلفات جانی، خسارات مالی و مسائل دیگری به وجود خواهد آمد. خسارت و تلفات ناشی از وقوع تصادفات جادهای در جوامع مختلف و بهویژه در جوامع جهانسوم بسیار قابلتوجه است؛ لذا هدف از این مطالعه، معرفی مدل مناسب برای پیشبینی تصادفات جادهای و ارزیابی تأثیر بارندگی و یخبندان بر وقوع آنها میباشد.
روش: در این پژوهش، پس از جمعآوری آمار و اطلاعات موردنیاز، ازجمله تصادفات بهوقوعپیوسته در محورهای منتهی به پلیس راه شهرستان میانه و دادههای آبوهوایی مناطق مربوطه، اثرات هرکدام از عوامل آبوهوایی بررسی شد و همبستگی آن با وقوع تصادفات موردتحلیل قرار گرفت. سپس از مدل شبکۀ عصبی، برای مدلسازی برخوردهای ثبتشده (جرحی، فوتی و خسارتی) و نیز تصادفات سالهای 1391 تا 1393، در شرایط بارش و یخبندان استفاده شد. همچنین تصادفات به کمک مدل پواسون نیز پیشبینی شدند.
یافتهها: بر اساس بررسی انجامشده بین متوسط دما و تعداد تصادفات میتوان دریافت که با افزایش دما، تعداد تصادفات بهدلیل افزایش ترددها دچار تغییراتی شده و عموماً در ماههای سرد سال، کمترین ترافیک عبوری و کمترین تعداد تصادفات گزارش شده است.
نتیجهگیری: نتایج مدلسازی نشان داد که هر دو مدل پواسون و شبکۀ عصبی، توانایی مناسبی در پیشبینی تعداد تصادفات دارند، ولی باید توجه داشت که شبکۀ عصبی از دقت بالاتری برخوردار است. در مدل شبکۀ عصبی، ضریب تبیین مرحلۀ ساخت مدل بیش از 98 درصد و ضریب در مرحلۀ اعتبارسنجی حدود 96 درصد گزارش شد. این مؤلفه در مدل پواسون برای مراحل ساخت و اعتبارسنجی به ترتیب برابر 53 درصد و 64 درصد به دست آمد. همچنین بررسیهای آماری نشان داد که بین تعداد تصادفات مشاهدهشده و مدلسازیشده در سطح 5 درصد، تفاوت معناداری وجود ندارد.
کلید واژگان
بارندگییخبندان
پیشبینی تصادفات
مدل شبکۀ عصبی مصنوعی
مدل پواسون
شماره نشریه
41تاریخ نشر
2018-03-211397-01-01




