تعیین عوامل مرتبط با تعداد تصادفات بر حسب شدت با استفاده از رگرسیون پواسون- لگ نرمال چند متغیره بیزی

برازش مدل های تک متغیره در بسیاری از تحقیق های گذشته برای تحلیل داده های تصادف به کار رفته است. با توجه به آن که متغیر شدت در این مطالعه ها می تواند بیش از یک سطح باشد، از این رو در این مقاله مدل پواسون- لگ نرمال چند متغیره برای مدل سازی تعداد تصادفات بر حسب شدت استفاده شد. اگرچه برای مقایسه از مدل های تک متغیره نیز استفاده شد.
استنباط آماری پارامترهای مدل توسط رهیافت بیز و استفاده از روش نمونه گیری گیبز و الگوریتم متروپلیس- هستینگز انجام شد. داده های تصادف مربوط به تقاطع های شهر اصفهان بود.
با وجود بیش پراکنش در دو سطح شدت و وجود همبستگی بین این دو سطح، مدل پواسون- لگ نرمال چند متغیره برازش بهتری را نسبت به بقیه مدل ها ارایه داد. همچنین اثر حجم کل ترافیک بر تصادفات خسارتی در تمامی مدل ها معنی دار بود، اما اثر حجم کل ترافیک چپ گردها بر تصادفات جراحتی و فوتی تنها در مدل پواسون تک متغیره معنی دار شد. بنابراین با فرض ثابت نگه داشتن بقیه متغیرهای توضیحی، انتظار می رود که افزایش حجم کل ترافیک باعث افزایش تصادفات خسارتی می شود. همچنین افزایش حجم کل ترافیک چپ گردها نیز باعث افزایش تصادفات جراحتی و فوتی در تقاطع ها می شود. به طور دقیق تر تحت مدل پواسون- لگ نرمال چند متغیره افزایش 1000 وسیله نقلیه در متوسط حجم کل ترافیک باعث افزایش 31 درصدی تصادفات خسارتی می شود.
بنابراین کاهش حجم کل ترافیک در مقوله کاهش هزینه تصادفات در دراز مدت پیش بینی می شود که بسیار مقرون به صرفه است