فصلنامه علمی راهور
سال:1398 | دوره:8 | شماره:31 |تعداد مقالات:8

اکتشاف و تجزیه وتحلیل پارامترهای مهمی که باعث وقوع تصادفات در بزرگراه ها می شوند، می تواند به بهبود ترافیک کمک کنند. این مقاله به یک مسئله بهینه سازی چندپارامتری در راستای شناسایی پارامترهای موثر بر شدت تصادفات بزرگراهی در شهر تهران اشاره دارد و از یک مدل ترکیبی شبکه عصبی و الگوریتم ژنتیک برای انجام تجزیه وتحلیل استفاده می کند. روش این پژوهش، توصیفی-مقطعی است. جامعه آماری این پژوهش را داده های تصادفات در بزرگراه های شهر تهران در طول سال های 1394 تا 1396 تشکیل می دهند. در این پژوهش سعی شده است با استفاده از مدل ترکیبی شبکه عصبی و الگوریتم ژنتیک، پارامترهای موثر بر شدت تصادفات در شهر تهران شناسایی و اولویت بندی گردند. به این منظور در مدل ترکیبی، میزان شدت تصادف به عنوان متغیر وابسته و 4 دسته کلی از متغیرها یعنی آب وهوا، جاده، وسیله نقلیه و راننده به عنوان متغیر مستقل در نظر گرفته شده است. سپس با استفاده از روش هوش مصنوعی و پیش پردازش داده ها، ساختار بهینه مدل شبکه عصبی تعیین و در نهایت، نتیجه مدل شبکه عصبی به عنوان ورودی الگوریتم ژنتیک در نظر گرفته شد. یافته ها علاوه بر تعیین پارامترهای اصلی موثر بر شدت تصادفات (رفتار راننده، چگونگی حرکت وسیله نقلیه، نوع وسیله نقلیه و وضعیت ایمنی سطح سواره رو بزرگراه ها) نشان می دهد که الگویتم ترکیبی، عملکرد خوبی در شناسایی پارامترهای موثر بر شدت تصادفات دارد و می تواند یک بینش جدید را در راستای طراحی الگو در جهت درک بهتر و پیشگیری از حوادث مرتبط با آسیب های تصادفات در آینده فراهم سازد.

چراغ های راهنمایی به عنوان روشی برای بهبود ایمنی ترافیک و عملکرد در تقاطع ها در نظر گرفته می شوند. تعداد زیادی از تصادفات در تقاطع ها رخ می دهند و این تصادفات باعث خسارت های مالی، آسیب دیدگی، و حتی در بعضی موارد منجر به مرگ می شوند. این تحقیق به منظور پیش بینی شدت تصادف در تقاطع های چراغ دار شهر قزوین انجام شده و متغیرهای موثر بر وقوع تصادفات شدید را بررسی می کند. داده های تصادف براساس گزارش های پلیس شهر قزوین و داده های ارائه شده توسط معاونت حمل ونقل ترافیک شهرداری قزوین مورد استفاده قرار گرفته که شامل 288 تصادف در سال های 93 تا 95 در 38 تقاطع چراغ دار شهر قزوین است. گزارش تصادفات شامل توصیف شرایطی است که تصادف در آن رخ داده است. این تصادفات بر اساس شدت آنها به ترتیب در سه دسته خسارتی، جرحی و فوتی که بر اساس آمارها (128 تصادف خسارتی، 156 تصادف جرحی، 4 تصادف فوتی) دسته بندی شده اند. در این تحقیق مدل لوجیت ترتیبی مورد استفاده قرار گرفته است. نتایج نشان می دهد که حضور بعضی از متغیرها مانند زمان تصادف در روز، نرخ حجم تقاطع و وجود جزیره، در واقع احتمال وقوع یک تصادف با شدت زیاد را کاهش می دهند و بر عکس حضور بعضی از متغیرها مانند تصادفات در فصل تابستان، نوع برخورد، نحوه برخورد، تردد عابرین پیاده و تعداد خطوط در احتمال وقوع یک تصادف با شدت زیاد را افزایش می دهند.

زمینه و هدف پژوهش تعیین اثربخشی صدور بیمه نامه شخص ثالث بر اساس ویژگی های راننده در پیشگیری از تصادفات، در کشور ایران انجام گرفته است. بررسی های علمی انجام شده در خصوص تصادفات ترافیکی و علل آن ها نشان می دهد که عامل انسانی با اختلاف چشمگیری نسبت به دیگر عوامل، بالاترین سهم را در وقوع تصادفات دارد. به عبارتی می توان انسان و اشتباهات او را مهم ترین دلیل وقوع تصادف رانندگی دانست. بر همین اساس، از سال ها پیش در بسیاری از کشورها، در سراسر جهان قوانین و مقررات سخت گیرانه ای در خصوص چگونگی صدور بیمه شخص ثالث بر اساس ویژگی های راننده برای متقاضیان وضع شده است. هدف کلی این مطالعه، اثربخشی صدور بیمه نامه شخص ثالث بر اساس ویژگی های راننده در پیشگیری از وقوع تصادفات است. روش این پژوهش از نظر هدف، کاربردی و ازنظر روش، توصیفی-تحلیلی از نوع پیمایشی است. جامعه آماری این پژوهش، کارشناسان و متخصصان راهنمایی و رانندگی و بیمه می باشد و برای انتخاب آماری از روش گلوله برفی استفاده گردید. به این منظور، به روش مدل سازی رگرسیون خطی تعمیم یافته، سه مدل خطی برای کل تصادفات، تخلفات رانندگی پرخطر و تصادفات منجر به فوت ساخته شده است. یافته ها: نتایج این پژوهش نشان می دهد که سابقه تصادفات راننده، سابقه تخلفات رانندگی پرخطر، شغل راننده و قوانین سخت گیرانه به گونه ای که تمدید بیمه نامه را با مشکل مواجه می کند، متغیرهای مرتبط با صدور بیمه نامه بر اساس ویژگی راننده هستند که اثری جدی در کاهش تصادفات دارند. بحث و نتیجه گیری: مطالعات ثابت کرده است که تقریبا در تمامی موارد، وضع و اعمال چنین قوانینی تاثیر مثبتی روی کاهش تصادفات داشته است. این مقاله به ارزیابی این ادعا پرداخته است.

رفتارهای پرخطر، رفتارهای بالقوه مخربی هستند که افراد به طور ارادی یا بدون اطلاع از پیامدهای نامطلوب احتمالی، آن ها را انجام می دهند. این مفهوم، خود متاثر از عوامل اجتماعی و شخصیتی زیادی است و در این مقاله تلاش شده است تا نقش هیجان خواهی و تکانشگری در رفتارهای پرخطر رانندگی رانندگان بین شهری جاده تبریز-اهر انجام شود. روش پژوهش، توصیفی از نوع همبستگی بوده است. جامعه آماری پژوهش، کلیه رانندگان جاده تبریز-اهر با حداقل دو سال سابقه فعالیت رانندگی در سال 1397 بودند. از بین 130 راننده، نمونه ای با حجم 100 نفر به صورت در دسترس انتخاب شدند. ابزار اندازه گیری پژوهش شامل پرسش نامه سلامت عمومی (GHQ)، پرسش نامه هیجان خواهی زاکرمن (SSS)، پرسش نامه تکانشگری بارات (Barratt) و پرسش نامه رفتار رانندگی منچستر می باشد. یافته ها نشان داد که بین هیجان خواهی و رفتارهای پرخطر رانندگی رابطه معنی داری وجود دارد و همچنین رابطه بین مولفه های تکانشگری با رفتارهای پرخطر رانندگی در جاده تبریز-اهر معنی دار بوده است. پس نتیجه می گیریم که متغیرهای هیجان خواهی و تکانشگری قادر به پیش بینی رفتارهای پرخطر رانندگی جاده تبریز-اهر می باشند. با توجه به اینکه بر اساس یافته های پژوهش حاضر، هیجان خواهی و تکانشگری از مولفه های مرتبط با گرایش رفتارهای پرخطر رانندگی هستند، پیشنهاد می شود که اطلاع رسانی در زمینه هیجان خواهی، تکانشگری و عوارض آن ها به عنوان یکی از موارد موثر در برنامه آموزشی رفتارهای پرخطر رانندگی لحاظ گردد.

پلیس راهور ناجا در سال های اخیر، توجه ویژه ای را به آموزش کودکان و نوجوانان از طریق اجرای برنامه های «همیاران پلیس» و «پلیس یاران نوجوان» معطوف نموده است. این پژوهش با هدف بررسی تاثیر واگذاری نقش همیار پلیس بر یادگیری قوانین راهنمایی و رانندگی در کودکان انجام شده است. اینپژوهش، نیمه آزمایشی و طرح آن به صورت پیش آزمون-پس آزمون با گروه گواه است. جامعه آماری پژوهش را کودکان پسر 10 تا 12 ساله شهر تهران تشکیل داده اند و از بین آن ها، 30 کودک به روش نمونه گیری در دسترس و هدفمند انتخاب و به صورت تصادفی در دو گروه آزمایش و گواه گمارده شدند (هر گروه، 15 نفر). سپس پرسش نامه ای روا و پایا (آلفای کرونباخ 91/0) درمورد قوانین راهنمایی برای کودکان طراحی و در اختیار آن ها قرار گرفت. در ادامه به گروه آزمایش، نقش همیار پلیس واگذار شد و سه هفته بعد، مجددا همان پرسش نامه در اختیار هردو گروه قرار گرفت. نتایج این پژوهش نشان داد که نمرات گروه گواه در دو مرحله آزمون قوانین رانندگی تغییر چندانی نداشتند؛ درحالی که در گروه همیاران، این میانگین پس از واگذاری نقش همیار پلیس، افزایش زیادی داشت. همچنین، میانگین نمرات آزمون کودکان در دو گروه آزمایش و گواه، در ابتدای پژوهش کاملا مشابه بود؛ اما پس از واگذاری نقش همیار پلیس به گروه آزمایش، تفاوت قابل توجهی بین نمرات دو گروه ایجاد شد. به این ترتیب، با واگذاری نقش همیار پلیس به کودکان، یادگیری آن ها به طور قابل توجهی در سه سطح نگرش، دانش و رفتار بهبود می یابد.

شخصیت، الگوهای رفتاری ثابت و معینی است که چگونگی واکنش به رویدادها را مشخص می نماید. رفتار به طورکلی تحت تاثیر شخصیت است. رفتار رانندگی نیز از این امر مستثنا نیست. این پژوهش به منظور مقایسه ویژگی های شخصیتی و رفتار رانندگی در بین رانندگان پرخطر و ایمن شهرستان مریوان انجام شده است. روش انجام، پژوهش علی-مقایسه ای است. جامعه آماری آن شامل کلیه رانندگان دارای گواهینامه در سال 1394 بود که با مراجعه به مراکز بیمه و بر اساس نمونه گیری در دسترس، 225 نفر از رانندگان انتخاب و به دو گروه رانندگان ایمن (عدم تصادف و استفاده از کوپن بیمه خودرو) و رانندگان پرخطر (سابقه تصادف و استفاده از کوپن بیمه) تقسیم بندی شدند. برای سنجش متغیرهای پژوهش از پرسشنامه پنج عاملی بزرگ شخصیت نئو و پرسشنامه رفتار رانندگی منچستر استفاده شد. نتایج این پژوهش نشان داد که در عامل های برون گرایی، انعطاف پذیری، سازگاری و مسئولیت پذیری بین رانندگان پرخطر و رانندگان ایمن، تفاوت معناداری وجود دارد. همچنین میزان لغزش ها، خطاها، تخلفات عمدی و غیرعمدی در رانندگان پرخطر بیشتر از رانندگان ایمن بود و این تفاوت از لحاظ آماری معنادار بود.

تصادفات ترافیکی به صورت یک معضل اجتماعی در کشور مطرح است که همه ساله جان تعداد زیادی از مردم را گرفته و هزینه های اقتصادی بزرگی را به جامعه وارد می کند. در سال های اخیر، در بحث مدیریت ترافیک به روش های پیش بینی تصادفات توجه زیادی شده است. پیش بینی حادثه، اثر زیادی در کاهش تلفات، جراحات و خسارات مالی ناشی از بروز تصادفات دارد. هدف اصلی این مطالعه، پیش بینی حوادث ترافیکی با استفاده از مدل فضایی ناحیه ای تهران بزرگ در سال 1396 می باشد. این پژوهش از نظر روش گردآوری داده ها، توصیفی-مقطعی است. جامعه آماری پژوهش حاضر، آمار و داده های مربوط به تصادفات در مناطق 22 گانه شهر تهران در سال 1396 بوده که در بانک اطلاعاتی پلیس راهور ناجا ثبت شده است. در این پژوهش، ضمن بررسی عوامل موثر بر حوادث ترافیکی، برای تحلیل داده های و ارائه مدل های پیش بینی، از مدل رگرسیون فضایی ناحیه ای استفاده شد. یافته های این پژوهش نشان می دهد که سه عامل انسانی، راه و وسایل نقلیه، از عوامل موثر بر تصادفات ترافیکی شهر تهران بوده اند؛ به نحوی که متغیرهای کمکی تعداد سفرهای جذب شده و سفرهای تولیدشده بر شدت حوادث ترافیکی (تخلفات تامه تصادفات یعنی تغییر مسیر ناگهانی، عدم توجه به جلو، رعایت نکردن حق تقدم و عدم رعایت فاصله طولی) تاثیرگذار هستند؛ به نحوی که افزایش یک درصدی در سفر جذب شده و تولیدشده به ترتیب به افزایش 7/21 و 2/23 درصدی نرخ تخلفات رانندگی منجر می شود. همچنین نتایج این پژوهش نشان داد که با لحاظ نمودن ساختار همبستگی داده های شمارشی می توان به مدل های پیش بینی حوادث ترافیکی در سال های آینده پرداخته و عوامل موثر بر آن ها را تعیین و کنترل نمود.

زمینه و هدف ده درصد کل تصادفات در منطقه موردمطالعه مربوط به تصادفات در میادین شهری می باشد. هدف از این پژوهش، تعیین پارامترهای موثر در تصادفات در میادین شهری و ارائه مدل پیش بینی فراوانی تصادفات می باشد. روش: روش این پژوهش به صورت توصیفی-پیمایشی است. در این پژوهش، 456 تصادف که در 26 میدان شهر اردبیل از سال 1393 تا 1395 رخ داده است، بررسی و عوامل موثر در هریک از آن تصادفات جمع آوری شدند. عوامل به صورت پرسش نامه طراحی شد تا با استفاده از روش طیف لیکرت و روش دلفی و نظرسنجی از خبرگان، عوامل موثر پالایش و پارامترهای نهایی جهت مدل سازی انتخاب شوند. نمونه آماری، 102 نفر انتخاب شد. تعداد 40 پارامتر اولیه موثر در تصادفات انتخاب شدند. پرسش نامه ها با آزمون های آماری و میانگین و توان افتراقی تجزیه وتحلیل شدند که تعداد 16 پارامتر با تاثیر بالا برای مدل سازی شناخته شدند. تحلیل و مقایسه نتایج مدل سازی به دو روش انجام شد؛ روش اول، استفاده از مدل آماری رگرسیون خطی با نرم افزار مینی تب 14 و روش دوم، استفاده از مدل شبکه عصبی مصنوعی با نرم افزار متلب است. یافته ها نتایج تحلیل آماری نشان می دهد که از بین مدل های رگرسیون ارائه شده، بهترین مدل پیش بینی فراوانی تصادفات شامل سه پارامتر حجم ترافیک میدان، تعداد معابر منتهی به میدان، وجود یک مکان تولید و جذب سفر است. همچنین نتایج تحلیل شبکه عصبی نیز نشان داد که مدل برتر در پیش بینی تعداد تصادفات، مدلی با 4 پارامتر ورودی حجم ترافیک اصلی، وجود ایستگاه تاکسی و اتوبوس، سرعت گیر در معابر اصلی و تعداد معابر منتهی به چهارراه است.