Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

---

مقدمه: برازش مدل‌های تک متغیره در بسیاری از تحقیق‌های گذشته برای تحلیل داده‌های تصادف به کار رفته است. با توجه به آن که متغیر شدت در این مطالعه‌ها می‏تواند بیش از یک سطح باشد، از این رو در این مقاله مدل پواسون- لگ نرمال چند‏ متغیره برای مدل‏سازی تعداد تصادفات بر حسب شدت استفاده شد. اگرچه برای مقایسه از مدل‌های تک متغیره نیز استفاده شد. روش‌ها: استنباط آماری پارامترهای مدل توسط رهیافت بیز و استفاده از روش نمونه‌گیری گیبز و الگوریتم متروپلیس- هستینگز انجام شد. داده‏های تصادف مربوط به تقاطع‏های شهر اصفهان بود. یافته‌ها: 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 مدل‌ها ارایه داد. همچنین اثر حجم کل ترافیک بر تصادفات خسارتی در تمامی مدل‌ها معنی‌دار بود، اما اثر حجم کل ترافیک چپ‌گردها بر تصادفات جراحتی و فوتی تنها در مدل پواسون تک متغیره معنی‌دار شد. بنابراین با فرض ثابت نگه داشتن بقیه متغیرهای توضیحی، انتظار می‏رود که افزایش حجم کل ترافیک باعث افزایش تصادفات خسارتی می‌شود. همچنین افزایش حجم کل ترافیک چپ‌گردها نیز باعث افزایش تصادفات جراحتی و فوتی در تقاطع‏ها می‏شود. به طور دقیق‌تر تحت مدل پواسون- لگ نرمال چند متغیره افزایش 1000 وسیله نقلیه در متوسط حجم کل ترافیک باعث افزایش 31 درصدی تصادفات خسارتی می‏شود. نتیجه‌گیری: بنابراین کاهش حجم کل ترافیک در مقوله کاهش هزینه تصادفات در دراز مدت پیش‌بینی می‏شود که بسیار مقرون به صرفه استواژه‌های کلیدی: استنباط بیزی، روش مونت کارلوی زنجیر مارکوفی، توزیع‏های پسین شرطی کامل، شدت تصادفات، ایمنی تقاطع‏ها.

متن کامل [PDF 282 kb]   (1030 دریافت)    

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:

---