مدل سازی سطح شدت حوادث وسایل نقلیه کامیونی با استفاده از روش رگرسیون لجستیک باینری

پیش بینی شدت آسیب تصادف به دلیل تاثیر آن بر جان انسان ها یک هدف تحقیقاتی اطمینان بخش در ایمنی ترافیک و از اولویت های اصلی محققان ایمنی برای کاهش شدت تصادفات است. به دلیل نگرانی های ایمنی ناشی از کامیون های بزرگ و نرخ بالای تصادفات فوتی این نوع وسایل نقلیه، کاوش در تصادفات آن ها می تواند به تعیین عوامل موثر در شدت تصادفات کمک کند. مطالعه حاضر با استفاده از سامانه داده های اطلاعات ایمنی راه (HSIS) در ایالت کالیفرنیا آمریکا، بر تصادفات کامیون های بزرگ برای پیش بینی عوامل موثر بر شدت آسیب تصادفات تمرکز دارد. متغیرهای پیش بینی‎کننده به چهار مشخصه راننده، راه، تصادف و وسیله نقلیه طبقه بندی شدند. در این مقاله با استفاده رگرسیون لجستیک باینری (BLR) به مدل سازی سطح شدت تصادفات و ارزیابی وزن متغیرهای مختلف پیش بینی کننده بر شدت آسیب پرداخته می شود. براساس نتایج مدل سازی ، متغیرهای آب وهوا در شرایط صاف، AADT در دو حالت بیش از 250 هزار وسایل نقلیه بر روز و بین 100 هزار تا 250 هزار وسایل نقلیه بر روز دارای اهمیت بیشتر هستند. همچنین، نتایج نشان داد مدل سازی BLR دارای دقت و برازش مناسب است.