مدل سازی شدت تصادفات وسایل نقلیه با عابرپیاده با استفاده از رگرسیون لجستیک چندگانه

با افزایش تعداد تصادفات رانندگی در سطح جهان، ایمنی ترافیک به یک موضوع مهم عمومی تبدیل شده است. تصادفات با عابرپیاده در مقایسه با انواع دیگر تصادفات، سطح شدت بالاتری دارد. از این رو بایستی عوامل بالقوه تاثیرگذار بر سطوح مختلف شدت این نوع تصادفات شناسایی شود تا اقداماتی متناسب با هر یک از عوامل صورت گیرد.

در این مقاله از مدل رگرسیون لجستیک چندگانه (MNL) برای شناسایی عوامل موثر در شدت تصادف وسایل نقلیه با عابرپیاده استفاده شده است. داده های تصادفات عابرپیاده سامانه اطلاعات ایمنی راه (HSIS) ایالت کالیفرنیا از سال 2015 تا 2017 در این مقاله مورد استفاده قرار گرفته است. شدت آسیب با استفاده از مقیاس KABCO تعریف شده و به پنج سطح طبقه بندی می شود: آسیب کشنده (K) و 4 سطح آسیب دیدگی شامل: آسیب شدید یا ناتوان کننده (سطح 1، (A))، آسیب غیرناتوان کننده یا آسیب دیدگی متوسط (سطح 2، (B))، آسیب دیدگی کم یا ممکن (سطح 3، (C)) و بدون آسیب (سطح 4، (O)).

یافته ها:

نتایج نشان می دهد عواملی که احتمال مرگ ومیر و صدمات جانی را به میزان قابل توجهی افزایش می دهند، عبارت اند از: سن رانندگان (26 تا 65 و بالای 65 سال)، روزهای کاری هفته، میانگین سالانه ترافیک روزانه (AADT) کم و متوسط، ساعات اوج صبح و ساعات غیر اوج روز شرایط و وضعیت روشنایی نور روز.

نتیجه گیری:

 مدل توسعه یافته و نتایج تحلیل، راه کارهای موثری را برای کاهش شدت تصادفات وسایل نقلیه با عابرپیاده و بهبود عملکرد ایمنی سامانه ترافیک ارایه می دهد. نتایج این مطالعه می تواند برای شناسایی عوامل تصادفات عابرپیاده در دنیای واقعی مفید باشد. هم چنین کارشناسان و مسیولان حوزه ایمنی راه می توانند از نتایج این مطالعه جهت بهبود وضع ایمنی عابران پیاده اقدام کنند.