تحلیلی بر روش‌های شناسایی نقاط حادثه‌خیز جاده‌ای و انتخاب روش بهینه

نوع مقاله: علمی ترویجی

نویسندگان

1 عضو هیئت‌علمی پژوهشکدۀ حمل‌و‌نقل، مرکز تحقیقات راه، مسکن و شهرسازی

2 دانشجوی دکتری مدیریت ایمنی ترافیک، دانشگاه علوم انتظامی امین

چکیده

زمینه و هدف: اقدامات اصلاحی و ارتقای ایمنی در راه‌ها مستمراً موردتقاضا است و اصولاً رویکرد جاری در زمینۀ مدیریت ایمنی زیرساخت‌های جاده­ای، انجام این اقدامات را ضرورتی اجتناب‌ناپذیر و به‌گونه‌ای اجباری می‌داند. باوجود این‌، کماکان هیچ‌گونه ابزار علمی که در سطح گسترده در زمینۀ ارزیابی اقدامات ایمنی مورداستفاده قرار گرفته باشد، در دسترس نیست. با اذعان به اینکه ایمنی به‌صورت مطلق وجود ندارد و همۀ فعالیت‌های حمل‌و‌نقلی با درصدی از خطرپذیری همراه است، لیکن مدیریت ایمنی راه با تمرکز بر شناسایی و اصلاح نقاط حادثه‌خیز می‌تواند اقدامات و طرح‌های اجرایی را برای ایجاد حداکثر کارایی ارائه و درعین‌حال ضرورت اقدام هماهنگ را اثبات و درمورد مراحل توسعه و بهبود ایمنی راه بحث کند؛ لذا روش‌های متنوعی در راستای شناسایی، رتبه‌بندی و ارائۀ یک برنامۀ عملیاتی برای ایمنی راه‌ها مورداستفاده قرار گرفته و نتایجی نیز در برداشته است.
روش‌شناسی پژوهش: این پژوهش با استفاده از یک روش مروری و مقایسه‌ای به بررسی انواع روش‌های نقاط حادثه‌خیز پرداخته است.
یافته‌ها: اکثر روش‌ها بر اساس فراوانی‌های گزارش‌شده برای یک مکان در دوره‌های زمانی کوتاه‌مدت (یک تا سه سال) به‌عنوان دورۀ تحلیل، منتج به ارائۀ لیستی از نقاط حادثه‌خیز و یا تعیین مبنایی برای اولویت‌بندی آن‌ها، محاسبات خود را انجام می‌دهند؛ لیکن باید توجه داشت که میانگین تصادفات گزارش‌شده در برخی نقاط کم است و ممکن است این فراوانی تحت‌تأثیر ماهیت تصادفی تصادفات (تحت‌تأثیر متغیرهای تصادفی) قرار گیرد؛ لذا برای کاهش این تغییرات، استفاده از روش‌های بایس تجربی (EB) توصیه می‌گردد.
نتیجه‌گیری: این پژوهش نشان داد که علاوه بر تعداد و فراوانی تصادفات، باید شدت و دیگر متغیرهای ترافیکی نیز برای شناسایی نقاط حادثه‌خیز در نظر گرفته شوند. روش بایس تجربی (EB)، یک روش مناسب برای به‌دست‌آوردن تخمین صحیح به‌منظور دستیابی به تصادفات یک مکان مشخص می‌باشد. همچنین زمان مناسبی که برای دریافت اطلاعات برای بسط مدل پیش‌بینی تصادفات و شناسایی نقاط حادثه‌خیز به کار می‌رود، بین سه تا پنج سال است.

کلیدواژه‌ها


-                    آیتی، ا. (1383). روش منطقی اولویت‌بندی در مدیریت تعمیر و نگهداری راه. تهران: دانشگاه علم و صنعت ایران.

-   احمدی‌نژاد، م؛ افندی‌زاده، ش؛ آتش‌خیر، ا. (1390). ارزیابی مدل بهینه‌سازی تعمیر شبکۀ راه با هدف افزایش ایمنی راه در راه‌های برون‌شهری. فصل‌نامه علمی ترویجی مطالعات راهور، سال 8، (15).

-     بروجردیان، م. (1388). مدل شناسایی قطعات تصادفخیز راه‌ها. طرح تحقیقاتی، دفتر تحقیقات کاربردی پلیس راهور، تهران، ایران.

-   صفارزاده، م؛ شعبانی، ش؛ آذرمی، ا. (1386). مدل پیش‌بینی تصادفات در قوس‌های واقع در راه‌های دوخطۀ برون‌شهری. پژوهش‌نامۀ حمل‌و‌نقل، (3).

-   عامری، ع؛ ملکوتی، م. (1384). برهم‌کنش ویژگی‌های روسازی راه و حجم ترافیک بر روی نرخ تصادفات جاده‌های دوطرفۀ برون‌شهری. پژوهش‌نامۀ حمل‌و‌نقل.

-   عرب، م؛ عباس‌زاده، ع؛ قدیرزاده، م ر. (1386). بررسی میزان تصادفات رانندگی منجر به فوت در شهرستان بم طی سال‌های 79 تا 81. مجله دانشکده پرستاری و مامایی رازی کرمان، سال 7.

-  Berhanu, G. (2004). Models relating traffic safety with road environment and traffic flows on arterial roads in Addis Ababa. Accident Analysis and Prevention, 36(5), 697–704.

-  Elvik, R. (2008). A survey of operational definitions of hazardous road locations in some European countries. Accident Analysis and Prevention, 40, 1830–1835.

-  Elvik, R., Hye, A., Vaa, T., Srensen, M. (2009). The Handbook of Road Safety Measures, 2nd ed. Emerald Publishing, Bingley.

-  Greibe, P. (2003). Accident Prediction Models for Urban, Roads. Accident Prevention, No.35.

-  Herbert, R. (1956). An empirical Beyes Approach to statistics. Proceedings of the Berkelysymposiom on mathematical statistics and probability and probability, 1, 03-15.

-  Hirasawa, M., Asano, M. (2003). Development of traffic accident analysis system using GIS. In: Proceedings of the Eastern Asia Society for Transportation Studies, 4, 1193–1199.

-  Hsu, A., Li-Chang, C. (2011). Using improved gray forecasting models to forecast the output of opto-electronics industry. Expert Systems with Application, 38, 13879-13885.

-  Kayacan, E., Ulutas, B., Kaynak, O. (2010). Gray system theorybased models in time series prediction. Expert Systems with Applications, 37, 1784-1789.

-  Liang, LY., Mo’some, DM., Hua, LT. (2005). Traffic accident application using geographic information system. Journal of the Eastern Asia Society for Transportation Studies, 6, 3574–3589.

-  Mccullagh, JM. (2006). Detecting Hotspots in Time and Space. ISG06, University of Nottingham.

-  Panden, M., Scurfield, R., Sleet, D., Hyder, AA., Jarawen, E. (2004). World report on road traffic injury prevention. World Health Organization.

-  Peltola, H., Rajamaki, R., Luoma, J. (2013), A tool for safety evaluations of road improvements. AccidentAnalisis and Prevention, 60, 277-288.

-  Ratcliffe, JH., Mccullagh, MJ. (1999). Hotbeds of crime and the search for spatial accuracy. Journal of Geographical Systems, 1(4), 385–398.

-  Socio- Economic Planning Sciences. (2012). Transportation in Disaster Response Operations, 46, pp 23-32.

-  World Health Organization. (2013). Road Safety is no Accident. A Brochure for World Health Day.

-  Yamamoto, A. (2012). Climatology of the Trafic Accident in japan on the Expressway with Dense Fog and Accuse study. Meteorological Research Institute.81.110-119.