بررسي و مدلسازي تصادفات منجر به واژگوني وسايل نقليه سواري در جاده‌هاي برون شهري استان آذربايجان‌شرقي

Investigating and scientific modeling of car accidents leading over roll on suburban roads of East Azerbaijan Province

مطالعه حاضر با هدف ارائه مدل پيش بيني مناسب براي برآورد احتمال تصادفات منجر به واژگوني در وسايل نقليه سواري است. اين تحقيق از نوع كاربردي مي‌باشد و با توجه به موضوع آن از روش تحقيق همبستگي استفاده شده است. در اين تحقيق عوامل هندسي، آب و هوايي، محيطي و جمعيتي راننده به عنوان متغيرهاي مستقل و نوع تصادفات به عنوان متغير وابسته مي‌باشند. اين تصادفات از شش محور جاده‌هاي پرتردد و حادثه‌خيز استان آذربايجان شرقي براي بررسي انتخاب شدند. داده‌هاي تصادفات شامل 876 تصادف وسيله نقليه سواري، در بين سال‌هاي 1390 تا 1394 هستند كه از اين تعداد 260 تصادف واژگوني براي وسيله نقليه سواري 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 وسيله نقليه سواري به دست آمد و تحليل حساسيت بر روي آنها انجام گرديد. متغيرهاي شب و روز، حجم ترافيك ساعتي، شانه راه، نوع جاده، بارندگي، فصل پاييز و سن رانندگان با اطمينان 95% معنادار گرديد و از مشخصات راننده، جنسيت راننده در مدل نهايي معنادار نشد.

Follow research was done in order for providing appropriate predictable models for assessing probability of car accident leading over roll. This research is comparative, and also become of its subject the correlational method of research has been applied. In the research factors like geometry, climate, environment, and demography are considered as independent variables, however types of car accidents are considered as depended variables. These car accidents were selected from the six busiest and accident-prone suburban roads of east Azerbaijan province. Research data includes 876 accidents of vehicles between 1390 to 1394 in which 260 of them were roll overs. In these research data, variables such as, characteristics of roads, drivers, climate and environmental features were investigated. The binary logit model was applied in scientific model of the research and final model for vehicles was obtained and also the sensitivity analysis was done in the end. Variables such as, day and night, hourly traffic rate and volume, shoulder roads, types of roads, precipitation, Autumn season, and drivers’ age were signified with 95 percent of certainty and drivers’ characteristics and gender were not signified in the final model.