مدل‌سازی و تحلیل شدت تصادفات با علت تامه عدم توجه به جلو در دوران محدودیت‌های تردد کرونا با رگرسیون لجستیک

نوع مقاله : مقاله پژوهشی

نویسندگان

• مازیار ابوالفضل زاده
• سید ابراهیم عبدالمنافی
• حسن خاکسار

دانشکده عمران، دانشگاه آزاد اسلامی واحد تهران شمال، ایران

10.22067/jfcei.2023.81395.1217

چکیده

 تصادفات رانندگی یکی از عامل­های اصلی مرگ در جهان محسوب می­شود. آمارهای تصادفات نشان می­دهد که عدم توجه به جلو بیشترین علل تامه تصادفات می­باشد. از زمان شیوع کووید-۱۹، سیاست‌های محدودیت سفر که به در شهرهای جهان اتخاذ شد، نقش عمیقی در تغییر الگوهای سفر ایفا کرد. یکی از عواملی که در سال‌های اخیر بر رفتار ترافیکی تأثیرگذار بود، همه­گیری کرونا بود. از همین‌رو محدودیت­هایی برای تردد­ها وضع شد و رفتارهای ترافیکی متأثر بر آن بود. منع تردد سبب استفاده بیش از حد کاربران راه برای برقراری ارتباط به وسیله­ اپلیکیشن­های ارتباطی در گوشی­های همراه گشت. بررسی عدم توجه به جلو در کنار دیگر عوامل تأثیرگذار در شدت تصادفات، با استفاده از مدل­های شدت تصادفات بر حسب پارامتر مؤثر در آن، امکان‌پذیر است. در این مقاله تصادفات درون‌شهری با علت تامه عدم توجه به جلو در طی دوران همه‌گیری کرونا با استفاده از رگرسیون لجستیک و اطلاعات مربوط به سال­های ۱۳۹۷ تا ۱۴۰۱ در سه بازه زمانی ۲۰ ماه قبل از شیوع کرونا، ۲۰ ماه حین همه­گیری کرونا و ماه­های اعلام پایان کرونا و برداشتن منع­ تردد­ها مورد تحلیل قرار گرفت. مدل نهایی نشان می­دهد که متغیرهای مستقل روز چهارشنبه، رانندگان مرد مقصر بالای 60 سال، نحوه برخورد جلو به جلو و وسیله ‌نقلیه مقصر پراید سبب افزایش احتمال وقوع تصادف فوتی یا جرحی نسبت به تصادف خسارتی می­شوند. متغیرهایی با ضرایب منفی (ساعت 6 تا 21، شرایط سطح راه خشک، آب و هوای صاف و وضعیت روشنایی روز) سبب کاهش احتمال وقوع تصادف فوتی یا جرحی نسبت به تصادف خسارتی می­شوند.

کلیدواژه‌ها

• شدت تصادفات
• کووید-۱۹
• کرونا
• رگرسیون لجستیک
• عدم توجه به جلو

---

عنوان مقاله [English]

Modeling and Analyzing the Accidents Severity due to the Lack of Attention to the Front in Corona Pandemic Restrictions using Logistic Regression

نویسندگان [English]

• maziar abolfazlzadeh
• seyed ebrahim abdolmanafi
• hassan khaksar

Department of Civil Engineering, Islamic Azad University, Tehran North Branch

چکیده [English]

Traffic accidents are one of the main causes of death in the world and the resulting damages have an important effect on the economy of any country that the need to identify factors affecting accidents that lead to a reduction in the frequency or severity of accidents is understandable. Since the outbreak of Covid-19, travel restriction policies have been widely adopted by cities around the world that it played a profound role in changing the shape of urban travel patterns. One of the factors that influenced traffic behavior in recent years was the epidemic of Corona disease in the world. Therefore, new driving rules and regulations were established for urban and suburban traffic, and traffic behaviors were affected by those rules. It is possible to investigate the effect of each factor on the severity of accidents by using accident severity models according to the effective parameters. In this article, urban accidents due to lack of attention during the corona epidemic were analyzed using logistic regression and information related to intra-urban accidents in Rasht city. The final model shows that the independent variables of working day, at-fault male drivers over 60 years of age, front-to-front collision and the at-fault vehicle Pride increase the probability of a fatal or injury accident compared to a damage accident. Variables with negative coefficients (6:00 a.m. to 9:00 p.m., dry road surface conditions, clear weather, and daylight conditions) reduce the probability of fatal or injury accidents compared to damage accidents.

کلیدواژه‌ها [English]

• Accidents Severity
• Covid-19
• Corona Pandemic
• Logistic Regression
• Failure in keeping an eye on the road

مراجع

1. . J. Li, Z. Zhao, “Impact of COVID-19 Travel-Restriction Policies on Road Traffic Accident Patterns with Emphasis on Cyclists: A Case Study of New York City” Accident Analysis & Prevention, Vol. 167, 2022.

   2. Ò. Saladié, E. Bustamante, A. Gutiérrez, “COVID-19 Lockdown and Reduction of Traffic Accidents in Tarragona Province, Spain” Transportation Research Interdisciplinary Perspectives, Vol. 8, 2020.
   3. Md. E. Shaik, S. Ahmed, an Overview of the Impact of COVID-19 on Road Traffic Safety and Travel Behavior. Transportation Engineering, Vol. 9, September 2022.
   4. I. Bargegol, M. Kiomarsi, “Investigating Parameters Affecting Motorcyclist Injury Accidents on Urban Roads” Guilan Police Science Journal, 13^th row, 2015. (In Persian)
   5. I. Brgegol, M. Somesaraei, “Statistical Analysis of Inner-City Accidents Based on Vehicle Type Using Logistic Model”, Master's Thesis, Road and Transportation, Gilan University, 2015. (In Persian)
   6. P. Gribe, Accident Prediction Models for Urban Roads, Accident analysis & Prediction, Vol. 35, no. 2, pp. 273- 285, 2003.
   7. X. Yan, E. Radwan, M A. Aty, Characteristics of Rear- End Accident at Signalized Intersection Using Multiple Logistic Regression Model, Accident analysis & Prevention, Vol. 37, 2005, pp. 983- 995, 2005.
   8. V. Najafi Moghaddam Gilani, S. M. Hosseinian, M. Ghasedi, M. Nikookar, “Data-Driven Urban Traffic Accident Analysis and Prediction Using Logit and Machine Learning-Based Pattern Recognition Models”, Mathematical problems in engineering, Article ID 9974219, 2021.
   9. H. Bhuiyan, J. Ara, K. Md. Hasib, Md. I. H. Sourav, F. B. Karim, C. Sik-Lanyi, G. Governatori, A. Rakotonirainy, S. Yasmin “Crash Severity Analysis and Risk Factors Identification Based on an Alternate Data Source: a Case Study of Developing Country”, Scientific Reports, Vol. 12, Article number: 21243, 2022.
   10. I. Bargegol, M. Nazeri, V. Najafi Moghaddam Gilani, “Modeling of urban accidents using logistic regression”, the first national conference on road and transportation engineering Guilan University, 2017. (In Persian)