اولویت بندی عوامل زیرساختی مؤثر بر ایمنی راه های دوخطه با رویکردهای پیشگیرانه و واکنش گرا (مطالعه موردی: محور اهر-تبریز)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار،گروه مهندسی عمران، دانشگاه آیت الله العظمی بروجردی، بروجرد، ایران

2 گروه مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران

چکیده

هدف پژوهش حاضر، شناسایی و اولویت بندی عوامل مؤثر بر ایمنی راه‌ برون شهری دوخطه محور اهر- تبریز توسط سه مدل شبکه عصبی، تاپسیس و رگرسیون لجستیک است. نتایج حاصل از مدل شبکه عصبی نشان داد که این مدل با درستی پیش بینی 86 درصد متغیر های زیرساختی به ترتیب وجود قوس های افقی و قائم، درصد خودروهای سنگین، وضعیت روسازی، وضعیت زهکشی راه، حجم ترافیک عبوری و وضعیت دوربین کنترل سرعت را اولویت بندی می کند. درحالی که بر اساس روش تاپسیس، اولویت متغیر های زیرساختی مؤثر بر ایمنی مسیر به ترتیب شامل وضعیت زهکشی، وضعیت روسازی، وضعیت دوربین کنترل سرعت، وجود قوس های افقی و قائم، وضعیت علائم مورد استفاده در راه، درصد خودروهای سنگین، وضعیت روشنایی راه، حجم خودرو و وضعیت آرام‌سازی ترافیک می باشد. همچنین، نتایج تحلیل رگرسیون لجستیک نشان داد که این مدل با درستی 82/74 درصد توانایی اولویت بندی عوامل زیرساختی شامل متغیرهای وضعیت روسازی، وضعیت دوربین کنترل سرعت، وضعیت روشنایی راه، حجم ترافیک عبوری، و وضعیت علائم مورد استفاده در راه دارد که این متغیرها به ترتیب اثرگذاری بیشتری بر اساس شانس بیشتر در مدل نسبت به دیگر متغیرهای زیرساختی در احتمال وقوع شدت تصادفات دارند. مقایسه عملکردی رویکردهای واکنش گرا و پیشگیرانه با استفاده از آزمون های اسپیرمن و تی-تست نیز نشان داد که بین دو مدل شبکه عصبی و رگرسیون لجستیک همبستگی در عملکرد وجود دارد و دو مدل در رویکرد واگنش گرا تقاوت معناداری وجود ندارد. درحالی که بین این مدل ها و مدل تاپسیس تفاوت معناداری وجود دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Prioritization of infrastructure factors affecting on safety of two-lane roads using preventative and reactive methods (Case study: Ahar-Tabriz road)

نویسندگان [English]

  • Shahab Hassanpour 1
  • Farhad hadadi 2
1 Assistant Professor, Faculty of Civil Engineering, Ayatollah Boroujerdi University, Boroujerd, Iran
2 Faculty of Civil Engineering, Shahrood University of Technology, Shahrood, Iran
چکیده [English]

The present study is firstly aimed to identify, and prioritize factors affecting accidents on rural road of Ahar-Tabriz using artificial neural network (ANN), TOPSIS and multinomial logistic regression (MNL) models. Secondly, this study compares the results of priorities in three models based on preventive and reactive methods. The results of ANN model indicated that this model predicts accident severity via 86% in which prioritized factors such as horizontal and vertical curves, percentage of heavy vehicles, pavement condition, road drainage condition, volume of passing cars and use of speed control cameras, respectively. However, TOPSIS model has shown that the priority of the infrastructure factors affecting road safety include drainage condition, pavement condition, use of speed control cameras, horizontal and vertical curves, road signs, percent of heavy cars, road lighting condition, vehicle volume, and traffic calming, respectively. In addition, MNL model indicated that this model is capable of prediction in accident severity via 74.82% in which pavement condition, use of speed control cameras, road lighting condition, vehicle volume, and road signs are ranked as the most effective factors involved with accidents on rural roads, respectively. Therefore, by making a performance comparison based on Spearman's rank correlation coefficient, T-test analysis, it is found that there is no difference ANN and MNL models, however, there is a significant difference between TOPSIS and other models.

کلیدواژه‌ها [English]

  • Two-lane roads
  • Road Safety
  • preventative method
  • reactive method
  • prioritization models