استفاده از مدل‌‌های اقتصاد‌‌سنجی فضایی در پیش‌بینی نرخ تصادفات راه

نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران

2 دانشکده فنی مهندسی، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران

چکیده

پیش‌بینی تصادفات در قطعات راه عمدتاً به کمک مدل‌های آماری انجام می‌گیرد.مدلهای معمول آماری مانند مدل دوجمله‌ای منفی دارای محدودیت‌هایی هستند، برای مثال در این مدل‌ها اثر متقابل نزدیک بودن دو تقاطع خاص به یکدیگر در‌نظر گرفته نمی‌شود. به این اثر رابطه فضایی بین داده‌های قطعات متوالی گفته می‌شود.در اکثر مطالعات انجام شده وابستگی فضایی بین قطعات راه در نظر گرفته نشده است. در مواجهه با داده‌های مکانی، مدل‌های اتورگرسیو ‌فضایی که توانایی محاسبه وابستگی فضایی بین قطعات راه را دارند، می‌توانند جایگزین مدل‌ها و روش‌های مرسوم آماری گردند .در واقع زمانی که داده‌ها دارای مشخصه مکانی هستند، ممکن است وابستگی فضایی بین مشاهدات وجود داشته باشد و بکارگیری شیوه‌های مرسوم که این وابستگی را درنظر نمی‌گیرند، نتایج تحلیل را دچار خطا  می‌کند. این مدل‌ها توانایی محاسبه وابستگی فضایی و ناهمسانی فضایی را دارند. در این تحقیق پس از قطعه‌بندی راه و تخصیص تصادفات به هر قطعه، با تشکیل ماتریس وزن جهت محاسبه وابستگی فضایی قطعات به یکدیگر به بررسی عملکرد مدل‌های اتورگرسیو فضایی معمولی، تاخیر فضایی و خطای فضایی پرداخته و پس از برآورد پارامترها با روش بیزی در نهایت با مقایسه این مدل‌ها از طریق دو معیار ارزیابی مدل با نام ملاک ارزیابی آکائیک و ملاک ارزیابی بیزی،  بهترین مدل اتخاب شده است. در برآورد به روش بیزی  مدل خطای فضایی با مقدار AICو BIC به ترتیب برابر 274/0256 و 279/9365 به عنوان بهترین مدل در بین مدل‌های برآورد شده انتخاب گردید و در هر دو مدل‌های خطای فضایی و تاخیر فضایی برازش بهتری نسبت به مدل رگرسیون خطی ساده به دست آمد. سپس به پیش‌بینی نرخ تصادفات در قطعات راه پرداخته و با مقایسه نرخ تصادفات واقعی و پیش‌بینی شده و استفاده از ملاک RMSE  بهترین پیش‌بینی کننده انتخاب شده است که با بررسی RMSE مدلهای پیش‌بینی شده و مقادیر واقعی در روش بیزی، مدل خطای فضایی با مقدار RMSE به میزان 7/0697 به عنوان بهترین مدل‌ پیش‌بینی کننده نرخ تصادفات در این تحقیق شناخته شد. نتایج این تحقیق در رتبه بندی راه و اولویت بندی تخصیص بودجه و ایمن سازی قطعات تصادف‌خیز و تهیه نقشه پراکندگی احتمال تصادفات در قطعات راه، کاربرد خواهد داشت.

کلیدواژه‌ها


عنوان مقاله [English]

Using Spatial Autoregressive Lag Model to Predict Crash Rates in Roads Segments (Maximum Likelihood Estimation)

نویسندگان [English]

  • Amin mirza Boroujerdian 1
  • Mahmoud Saffarzade 1
  • Ali Ghasemzadeh Khoshgroudi 2
چکیده [English]

Fatality is a common disorder characterized by car crashes. One of the most significant current discussions in transportation science is to find a precise method to predict car crashes in different areas such as road segments. The past decades has witnessed the rapid development of using statistical methods to predict accidents. These rapid changes  have a serious effect on reduction of  the number of fatalities in car crashes. However, far too little attention has been paid to the role of spatial dependence between roads segments. This paper compares spatial autoregressive methods for considering spatial dependence in accident rate prediction. This paper has been divided into 4 parts. The first part deals with collecting accident data along the road. The second part focused on dividing road into the same length segments. Qazvin- Zanjan freeway was considered for this research. The third part deals with accident rates calculation in each segment. The forth part of this study deals with using spatial autoregressive methods to predict the accident rates in each segment and comparison the results with the results of conventional regression models such as linear regression model. The results of this investigation show that spatial dependence consideration lead to improve the accident rate prediction models accuracy.