ارائه مدل پيش بيني فراواني خروج از خط قطارهاي باري در شبكه ريلي ايران

Forecasting Model of Freight Train Derailment Frequency in Iran Railway Network

يكي از اقدامات اوليه براي كاهش سوانح خروج از خط، شناسايي عوامل تاثيرگذار و همچنين نحوه اثرگذاري آنها مي باشد كه مي تواند در پيشگيري از سوانح و تخصيص بهينه منابع به كار آيد. بدين منظور متخصصان از مدل هاي پيش بيني رياضي و آماري كه شامل متغيرهاي مختلف ترافيكي و هندسي هستند استفاده مي كنند. در اين مقاله رويكرد مدل هاي پيش بيني پواسون و دوجمله اي منفي و با استفاده از داده هاي سوانح خروج از ايران در بازه 89 تا 93 بكار گرفته شده است. نتايج اين مطالعه نشان مي دهد مدل رگرسيون پواسن تقريبا تمام متغيرهاي در نظر گرفته شده را در خروج از خط قطار موثر مي داند؛ در حالي كه مدل رگرسيون دو جمله اي متغيرهاي وقوع سانحه و وزن ترمزي را در سوانح خروج از خط تاثيرگذار نمي داند. .

One of the primary measures to reduce train derailments is identifying influential factors and their impact, which can be used in the prevention of derailments and optimal allocation of resources. To this end, experts use prediction models such as mathematical and statistical, that include traffic and geometric variables. In this paper, Poisson and negative binomial approach have been applied as prediction models that using derailments data of Iran railway network during the period 1389 to 1393. The results of this study show according Poisson regression model almost all variables are effective in train derailment, while binomial regression model shows variables such as time of derailment and train weight are not affective in train derailment.