بررسي و مدلسازي تصادفات منجر به واژگوني وسايل نقليه باري و سنگين در جاده‌هاي برون شهري استان آذربايجان شرقي

Investigation and modeling of overturning pickup truck and heavy vehicle crashes in rural roads of East Azarbaijan

مطالعه حاضر با هدف ارائه مدل پيش بيني مناسب براي برآورد احتمال تصادفات منجر به واژگوني در وسايل نقليه باري و سنگين است. اين تحقيق از نوع كاربردي است و با توجه به موضوع آن از روش تحقيق همبستگي استفاده شده است. متغيرهاي مستقل در اين پژوهش مشخصات هندسي، آب و هوايي، محيطي و مشخصات جمعيت­شناختي راننده و متغير وابسته نيز نوع تصادفات مي­باشد. اين تصادفات از شش محور جاده‌هاي پرتردد و حادثه‌خيز استان آذربايجان شرقي براي بررسي انتخاب شدند. داده‌هاي تصادفات شامل 394 تصادف وانت بار و 424 تصادف وسيله نقليه سنگين در بين سال‌هاي 1390 تا 1394 هستند كه از اين تعداد، 164 تصادف واژگوني براي وانت بار و 127 تصادف واژگوني براي وسيله نقليه سنگين ثبت شده است. در اين داده‌ها، متغيرهاي مشخصات جاده، مشخصات راننده، مشخصات آب و هوايي و مشخصات محيطي مورد بررسي قرار گرفت. براي مدلسازي از مدل لوجيت باينري استفاده شد و مدل نهايي براي هر وسيله نقليه به دست آمد و تحليل حساسيت بر روي آنها انجام گرديد. متغيرهاي شب و روز، حجم ترافيك ساعتي، شانه راه، سرعت باد و بارندگي براي وانت بار و متغيرهاي روز و شب، شانه راه، بارندگي، سن راننده و فصل تابستان براي وسايل نقليه سنگين با ضريب اطمينان 95% معنادار گرديد.

the road crashes and their costs rise as a problem for our country and overturning crashes is a significant percentage of severe crashes, so the project explores reasons of overturning crashes for pickup truck and heavy vehicle. These crashes were selected from the six roads of the East Azarbaijan province. Crash data includes 394 pickup trucks and 424 heavy vehicle crashes between 2011 and 2015, of which, 164 overturning crashes for pickup trucks and 127 overturning crashes for heavy Vehicle recorded. In this data, variables of road, driver, weather and environmental characteristics were studied. For modeling, a binary logit model was used and the final model was obtained for each vehicle and a sensitivity analysis was performed on them. The variables of night and day, hourly traffic volume, road shoulder, wind speed and rainfall in 95% confidence were significant in pickup truck model and the variables of night and day, driver age, road shoulder, summer season and rainfall in 95% confidence were significant in heavy vehicle model.