تحلیل مکانی- زمانی تصادفات ترافیکی شهری: مطالعه موردی شهر تهران، ایران

حوادث ترافیکی شهری (UTAs) ممکن است به عنوان رویدادهای مجزا دیده شوند که در مکان و زمان محلی شده اند. نرخ UTA ها در سراسر جهان، به ویژه بین کشورهای توسعه یافته و در حال توسعه، تفاوت زیادی را نشان می دهد. امروزه بیشترین نتایج منفی حمل و نقل شهری UTA با عوارض جانبی فراوانی مانند جراحات و تلفات جانی است. UTA منجر به آسیب، مرگ، ناتوانی و درد، از دست دادن بهره وری، اندوه، مشکلات اجتماعی و روانی می شود. مطالعه و برنامه ریزی صحیح و عمیق می تواند ایمنی حمل و نقل و رانندگی را افزایش داده و تعداد و شدت تصادفات را کاهش دهد. بحران‌های ایمنی ترافیک، مرگ، آسیب و هزینه‌های ناشی از UTA جاده‌ای برخی از مهم‌ترین چالش‌های بهداشت عمومی و سازمان پلیس هستند. به ویژه قربانیان UTA اغلب افراد 15 تا 44 ساله در ایران هستند و UTA دومین عامل مرگ پس از بیماری قلبی در تهران است. آمار UTA در تهران حکایت از یک مشکل جدی با میزان قابل توجه مرگ و میر و جراحت دارد. این مطالعه با هدف شناسایی الگوی فضایی UTAها در شهر تهران به منظور یافتن علل و پیامدها و نیز تغییرات زمانی و مکانی یا مکانی – زمانی تصادفات انجام شده است. رابطه بین فضا و زمان فعالیت های روزانه که باعث ایجاد سفرهای روزانه شهری و UTA می شود، در شهر تهران برای سال های 1389 تا 1390 مورد بررسی قرار گرفته است. تاریخ، دلیل، نوع و غیره. بر اساس تجزیه و تحلیل داده‌ها، این مطالعه سعی کرده است تا در مورد علل عمده، عوامل و انواع تصادفات به منظور شناسایی مشکل و ارائه پیشنهادات مناسب جهت کاهش UTA، نکاتی را نشان دهد. از آنجایی که این مطالعه عوامل مختلف UTA را در نظر گرفت، محیط شهری، کاربری اراضی، جمعیت، فعالیت های انسانی و نقطه فرهنگ به عنوان مهمترین ارکان این تحقیق در نظر گرفته شد. به منظور درک دانش، فرهنگ و نگرش رانندگان نسبت به مقررات راهنمایی و رانندگی، پرسشنامه هایی بین 1500 راننده در منطقه مورد مطالعه توزیع شد تا اطلاعات مربوط به دانش، عقاید، نگرش و رفتار رانندگان جمع آوری شود و 1177 نفر از آنها برگشت داده شدند. نتایج بیانگر آن است که فرهنگ و دانش رانندگان تأثیر مستقیمی بر بومی‌سازی تصادفات دارد. علاوه بر این، تمرکز فعالیت‌های آموزشی، تجاری و فرهنگی که تعداد زیادی از سفرهای شهری را تشکیل می‌دهند و پویایی شهری، کاربری جاده و زمان از جمله ملاحظات اصلی این مطالعه هستند. روابط بین جمعیت، کاربری اراضی و الگوهای پویای شهر که ساختار شهری را تشکیل می دهند، برای ایجاد پیوند بین UTA و ساختار شهری شهر تهران استفاده می شود. زمان به عنوان متغیری حیاتی در این مطالعه در نظر گرفته می شود که افراد را به انواع مکان ها و ریسک ها هدایت می کند. داده‌های کاربری زمین و داده‌های جمعیت با داده‌های حوادث با استفاده از تکنیک‌های GIS ترکیب می‌شوند تا ورودی‌های مربوطه را برای تجزیه و تحلیل تولید کنند. با توجه به روش‌شناسی، تکنیک‌های تحلیل خوشه‌ای برای تجزیه و تحلیل ارتباط بین اعداد UTA و مقوله‌های کاربری زمین و به ازای هر 1000 ساکن شهر تهران توسعه داده شده‌اند. این تکنیک ها برای بررسی تغییرات زمانی UTA در طول دوره های زمانی تقسیم شده به مناطق مختلف توسعه یافته اند. نتایج نشان می دهد که پهنه برون شهری با انواع کاربری های صنعتی و بزرگراه های بیشتر با تصادفات فوتی و مجروح بیشتری همراه است. در مقایسه، منطقه CBD نه تنها از نظر تعداد تصادفات بلکه از نظر شدت تصادفات امن ترین است. محدودیت‌های ترافیکی، محدوده وسیع پیاده‌روی عابران پیاده و افزایش بازرسی‌های پلیس، این منطقه را با وجود تراکم جمعیت و فعالیت‌های روزانه بیشتر ایمن‌تر می‌کند. مشاهده شد که الگوی فضایی UTA در مناطق و ساعات مختلف به‌ویژه در طول RH به‌طور چشمگیری تغییر می‌کند. تصادفات فزاینده اما با شدت کمتر در تهران در روزهای RH رخ می دهد که ازدحام ترافیک در شبکه های حمل و نقل یا جاده ها وجود دارد و ازدحام در وسایل حمل و نقل عمومی در بالاترین حد خود است. به طور معمول، این دو بار در روز اتفاق می‌افتد، اول صبح و دوم در بعدازظهر تا عصر، زمان‌هایی که بیشتر مردم در آن رفت و آمد می‌کنند. مشاهده شد که مقوله کاربری اراضی، ساختار شهری و تراکم جمعیت ساعات شلوغی متفاوتی را در شهر ایجاد می کند، بنابراین مناطق مختلف دارای RH های متفاوتی هستند. با اشاره به جابجایی جمعیت یا ساختار پویایی و شهری شهری، انواع راه‌های اصلی در پهنه‌های شهری و برون شهری به دلیل فعالیت‌های زیاد مردم در ساعات مختلف شلوغ می‌شوند. بنابراین، این RH های مختلف در مناطق مختلف منجر به الگوهای فضایی متفاوتی از حوادث در داخل شهر می شود. در روزهای پنج‌شنبه، مدارس و ادارات اداری یک برنامه نیم روزی را دنبال می‌کنند و بسیاری از مردم به تفریحاتی مانند خرید و سایر فعالیت‌های اضافی می‌پردازند. این باعث می شود که RH های متفاوتی در پنجشنبه ها ایجاد شود، زیرا مقداری بار از RH عصر را می گیرد و بنابراین RH صبح را شدیدترین زمان روز می کند. علاوه بر این، این مطالعه توضیحی در مورد رابطه بین ساختارهای شهری ارائه کرد. ایجاد UTA در تهران. مشخص شد که الگوی مکان یابی کاربری های مختلف در محدوده شهری بازتابی از عوامل اجتماعی-اقتصادی و اکولوژیکی است. علاوه بر این، تجزیه و تحلیل مکانی و تحلیل زمانی خطرات نسبی حوادث به بخش‌های پرخطر برای مناطق مختلف شهر و کاربری‌های مختلف بسته به فصل، ماه، روز و زمان اشاره می‌کند.

کلید واژه ها

سیستم اطلاعات جغرافیایی (GIS) ، برآورد تراکم هسته ، ساعت شلوغی کاربری اراضی ، ساختار شهری ، UTAs

1. مقدمه

1.1. پیشینه و بیان مسئله

تلفات و جراحات ناشی از UTA به عنوان یک مشکل عمده در جوامع در سراسر جهان شناخته شده است زیرا پویایی شهری توسعه شبکه های حمل و نقل و تقاضا برای وسایل نقلیه موتوری را افزایش می دهد. در سال 2014 بیش از 16000 ایرانی در UTA جان خود را از دست دادند. بر اساس گزارش های اخیر سازمان بهداشت جهانی [ 1] یکی از مشکلات عمده جهان UTA بوده است که هر ساله منجر به حدود 1.24 میلیون مرگ و ده ها میلیون جراحت و معلولیت می شود. به عنوان یک کشور در حال توسعه، همراه با تکنولوژی رو به رشد و افزایش جمعیت در تهران، تعداد وسایل نقلیه در تردد روز به روز در حال افزایش است. رشد شهر تهران و نرخ بالای مهاجرت منجر به افزایش نیاز به تحرک و در نتیجه افزایش استفاده از هر نوع وسیله نقلیه ای که زیرساخت حمل و نقل شهری را اشغال می کند، شده است. در نتیجه، قرار گرفتن در معرض ترافیک و در نتیجه، تعداد UTA در حال افزایش است. با این حال، نرخ عادی شده UTA به ازای هر 1000 نفر جمعیت یا تعداد کل وسایل نقلیه هنوز هم میزان تلفات و جراحات بسیار بالایی را در تهران نشان می دهد. که یک مشکل ایمنی ترافیک قابل توجه را نشان می دهد که باید برای یافتن عوامل مؤثر مورد بررسی و تجزیه و تحلیل قرار گیرد. طبق آمار، UTA دومین دلیل مرگ در شهر تهران است.2 ] . وضعیت شدید UTAها و میزان تلفات و جراحات ناشی از UTAها در تهران و شهرستانها مشکلی حیاتی است که نیاز به رسیدگی فوری دارد. بررسی علل اصلی UTA ها برای یافتن راه حل ضروری است. برخی از مطالعات برای تجزیه و تحلیل UTA در سراسر جهان انجام شده است. با این حال، برای توسعه اقدامات متقابل مؤثر، به ویژه در مورد تهران، UTAها باید به صورت مکانی در یک محیط سیستم های اطلاعات جغرافیایی (GIS) که زمان وقوع، نوع، نتایج و مختصات آنها را شناسایی می کند، تجزیه و تحلیل شود. در نهایت، شناسایی مناطق UTA با احتمال بالا یک موضوع مهم در برنامه‌های ایمنی ترافیک است، زیرا اقدامات احتیاطی و ارزیابی‌های زیرساختی را می‌توان در این مکان‌ها برای ایجاد تخصیص منابع کارآمدتر اولویت‌بندی کرد.3 ] و به طور کلی آنها با روش های کاملاً تعریف شده شناسایی می شوند. از سوی دیگر، شناسایی این گونه مناطق مشکل ساز در ساختار شهری و محل وقوع حادثه، پیچیده تر است. در ادبیات ایمنی ترافیک شهری، این به طور کلی به عنوان «نقطه داغ» تعریف می‌شود، عمدتاً به این دلیل که شرایط ترافیک، مکانیسم‌های UTA و اقدامات پیشگیرانه در شبکه‌های ترافیک شهری بسیار متفاوت است. علاوه بر این، تعریف “نقطه داغ” می تواند با توجه به تمرکز تجزیه و تحلیل متفاوت باشد.

ثانیاً، هر راه حل یا گزینه بهبود ممکن است نیاز به طراحی و اقدامات احتیاطی فراتر از تغییرات ایجاد شده در کیفیت شبکه حمل و نقل، دانش رانندگان، قوانین رانندگی و بهینه سازی فرهنگ داشته باشد. بر اساس دامنه یک تجزیه و تحلیل تشخیص نقطه حساس، معیارهای تشخیص حداقل تعداد UTA، نوع UTA، زمان وقوع، منطقه وقوع و غیره را می توان در طول زمان تغییر داد. UTAهایی که در مجاورت فضایی رخ می دهند ممکن است به دلیل سطوح بالاتر سفرهای شهری روزانه و پویایی شهری، حرکات متضاد پس از شناسایی، نقض قوانین و غیره باشد. همچنین تجزیه و تحلیل توزیع نقاط داغ در شهرها که همیشه به طور یکسان در فضا توزیع نمی شوند مهم است. یا زمان محیط های ساخته شده شهری و شبکه های حمل و نقل همواره دارای یک تعامل فعال بوده اند که دارای ابعاد مستقیم مکانی و زمانی بوده است. الگوهای کاربری زمین بر رفتار سفر در تولید سفر و توزیع سفر تأثیر می‌گذارد، به طوری که سفرهای بیشتری در برخی مناطق مانند منطقه تجاری مرکزی (CBD) نسبت به سایرین تولید و توزیع می‌شود. زمان یکی از پارامترهای مهم در تحلیل UTA است، زیرا یک رابطه قوی بین ساختار شهری (US) و تعداد UTA وجود دارد.

انتظار می رود تعداد بیشتری از عابران پیاده در برخی مناطق مانند CBD یا در نزدیکی مراکز خرید، مدارس و دانشگاه ها، دفاتر اداری و امکانات بهداشتی در مناطق شهری وجود داشته باشد. به همین دلیل، نقاط حساس باید همراه با ساختارهای شهری یا ویژگی های محیط ساخته شده شهری و زمانی ارزیابی شوند. در غیاب داده‌های حجم ترافیک برای شهر تهران، سایر معیارهای مواجهه مانند محدوده جغرافیایی و ویژگی‌های شبکه حمل‌ونقل، از جمله انواع جاده‌ها، در این مطالعه استفاده شد. تجزیه و تحلیل نقاط حساس UTA همراه با زمان و مناطق ایالات متحده یا شهری برای نتیجه گیری در مورد اینکه کدام مناطق از نظر مقررات زیرساختی و اعمال محدودیت ها و محدودیت های ترافیکی جدید اولویت دارند، مهم است. از آنجایی که الگوی UTA ها از نظر زمانی و بر اساس مناطق متفاوت است،

1.2. اهداف پژوهش

هدف اصلی این مطالعه انجام مطالعه تجربی است که منجر به شناسایی و درک توزیع UTA و شناسایی نقاط داغ UTA در ایالات متحده با استفاده از GIS همراه با روش‌های تحلیل فضایی می‌شود. این طرح شامل موارد زیر است: شناسایی الگوی UTAها از طریق ساختار فضایی شهر، که بر اساس روش من سه منطقه است. شناسایی نقاط حادثه خیز بر اساس کاربری زمین و جمعیت با استفاده از روش های خوشه بندی. و شناسایی پراکندگی و الگوی کانون‌ها در مناطق مختلف شهر تهران بر حسب زمانی (که عاملی حیاتی است)، و پراکندگی کانون‌ها در بازه‌های زمانی مختلف (ساعات شلوغی و ساعات عادی).

اولین قدم برای شناسایی نقاط حساس استفاده از روش خوشه بندی است. هنگام یافتن هات اسپات ها، UTA ها را می توان با یا بدون گروه بندی بر اساس نوع و زمان استفاده کرد. برای شناسایی نقاط حساس، از یک روش خوشه‌بندی استفاده می‌شود که نسبت و نرخ UTA با توجه به تفاوت‌های زیاد بین آنها از نظر تعداد UTA تعیین می‌شود. شدت هات اسپات به عنوان تعداد UTAهای یافت شده در هر خوشه تعریف می شود، که همچنین تجزیه و تحلیل فواصل هات اسپات تا نزدیکترین کاربری زمین و چندضلعی جمعیت را در نظر می گیرد. این مطالعه همچنین از تکنیک های تجسم برای نشان دادن نقاط داغ و مقادیر شدت آنها استفاده می کند. در نهایت، رابطه بین نقاط حساس، محیط ساخته شده و مقوله کاربری زمین برای تعیین کاربری پرخطر بررسی می شود.

1.3. موقعیت جغرافیایی منطقه مورد مطالعه

منطقه مورد مطالعه این تحقیق شهر تهران است ( شکل 1 ) که در محدوده کلانشهر تهران واقع شده است و طبق گزارش ریاست سازمان برنامه و بودجه جمهوری اسلامی ایران، مرکز آمار تهران، جمعیت روزانه آن حدود 12000000 نفر می باشد. 4 ].] . شهر تهران مهمترین و پویاترین شهر ایران است که مرکز اصلی کلیه ادارات دولتی و دولتی، دانشگاههای بزرگ، بندر اصلی پزشکی ایران، مرکز اصلی ادارات اداری و غیره می باشد. تهران به عنوان پایتخت ایران یکی از شهرهای مهم نه تنها ایران، بلکه در خاورمیانه و مرکز بسیاری از سازمان های ملی و بین المللی است. رشد سریع جمعیتی را تجربه کرده است و اطراف آن را شهرهای مختلف حومه ای مانند کرج احاطه کرده اند. کرج با جمعیتی بالغ بر ۱٬۶۱۴٬۶۲۴ نفر، مهمترین شهر روستایی تهران است.کرج با جمعیتی بالغ بر 1614624] و از طریق جاده، مترو و سایر وسایل حمل و نقل عمومی تا تهران یک ساعت فاصله دارد. کرج یکی از کلان شهرهای ایران است و فاصله کم این کلانشهر تا تهران از طریق انواع حمل و نقل، باعث ۱۴۲۴۰ سفر روزانه می شود. .] برای اهداف مختلف مانند بهداشت، آموزش، کار و سایر فعالیت ها. بسیاری از ساکنان کرج هستند که به دلیل قیمت ارزان زمین در کرج در تهران کار یا تحصیل می کنند. آنها هر روز و به خصوص در روزهای هفته درگیر رفت و آمد از کرج به تهران هستند. همچنین مهم‌ترین و بزرگ‌ترین ورزشگاه ایران، ورزشگاه آزادی، در بزرگراه ارتباطی تهران – کرج قرار دارد. رویدادهای ورزشی در استادیوم آزادی، تعطیلات آخر هفته و برخی فعالیت‌های فرهنگی و مذهبی الگوهای متفاوتی از ترافیک و UTA را در داخل شهر تهران و جاده‌های رفت‌وآمد بین تهران و کرج ایجاد می‌کنند.

تهران به عنوان پایتخت و مهم‌ترین شهر ایران از نظر سیاسی، علمی، بهداشتی، آموزشی و غیره، پرجمعیت‌ترین شهر است حتی اگر بزرگ‌ترین شهر نباشد. جمعیت آن بین شب و روز بسیار متفاوت است. جمعیت در روز نزدیک به 12 میلیون نفر است در حالی که جمعیت شبانه بیش از 8.5 میلیون نفر است. 5] . وسعت شهر تهران 730 کیلومتر مربع است و نقش مهم این شهر به آن نسبت بین المللی خواهر شهر با برخی شهرها و کلانشهرهای بزرگ دیگر مانند سئول، مسکو، پکن، استانبول و … می دهد. شهرهایی شامل لس آنجلس و سئول بودند. ارتفاع شهر تهران در مرتفع‌ترین قسمت‌های شمالی ۲۰۰۰ متر و در جنوب (شهرداری تهران) از سطح دریا ۱۰۵۰ متر است. تهران توسط رشته‌کوه‌های البرز احاطه شده و از 22 ناحیه با مراکز اداری، 123 منطقه و 374 منطقه تشکیل شده است. تهران از شمال با شمیراناتین، از شرق به دماوند، از جنوب با شهرستان‌های اسلامشهر، پاکدشت و ری و در نهایت از غرب با کرج و شهریار همسایه است.

2. مواد و روشها

2.1. جمع آوری داده ها

این مطالعه نیز مانند سایر مطالعات از پایگاه های داده مختلف برای بررسی UTA ها استفاده می کند. در این مطالعه، من از چهار مجموعه داده برای توسعه GIS UTAها در تهران استفاده کردم. روش ها، طراحی،

و نمایش‌های بصری UTAها به طور گسترده در ادبیات موضوع مورد پذیرش قرار گرفته‌اند و مفید و مرتبط هستند. ArcGIS برای ایجاد GIS استفاده می شود و شامل مجموعه داده های UTA در تهران است. اولین مجموعه داده اصلی مهم (پایگاه اطلاعاتی UTA تهران) در ژانویه 2013 دریافت شد. داده ها از طریق اداره پلیس تهران به دست آمد. فرمت آن مایکروسافت اکسل (2007) است و شامل بیش از 64000 مورد UTA در یک سال (2011) است. ویژگی های هر UTA در داده ها شامل مکان، شرایط آب و هوایی، روشنایی، شدت UTA (آسیب، جراحت، کشنده)، تاریخ دقیق، روز هفته و زمان روز است. مکان با آدرس و نام تعریف می شود. هر UTA از نظر داشتن ویژگی های فهرست شده منحصر به فرد است. UTA در جایی که در زمان و مکان رخ داده در شبکه حمل و نقل تهران قرار می گیرد.

دومین پایگاه داده، پایگاه داده شبکه حمل و نقل تهران (TTN) است که در مهرماه 1391 دریافت شد. داده ها از طریق سازمان حمل و نقل تهران جمع آوری شده است. این قالب به دلیل برخی مشکلات زبانی و برخی اطلاعات گمشده در قالب GIS قابل استفاده نبود. با این حال، پایگاه داده توسط نویسنده توسعه و آماده شده است.

سومین پایگاه داده مربوط به کاربری زمین است. تا همین اواخر، تلاش جدی و کارآمدی در آمایش ملی در تهران انجام نشده بود. بنابراین، نویسنده یک فایل شکل پایگاه داده کاربری زمین را با استفاده از تکنیک دیجیتالی سازی جغرافیایی ایجاد کرد. پایگاه داده اصلی محصول جانبی نقشه گوگل در سال 2011 و نقشه تهران است. این مطالعه تجربی از تصاویر ماهواره‌ای Google با جزئیات بسیار زیاد و Google Earth استفاده می‌کند که امکان شناسایی دسته کاربری غالب زمین و امکانات شهری را در پایگاه داده کاربری زمین فراهم می‌کند.

پایگاه چهارم، (جمعیت)، از سازمان پیریمپو و بودجه، مرکز آمار ایران و داده های لندست برای سال 1390 به دست آمده است.

همچنین به منظور جمع‌آوری اطلاعات در مورد دانش، باورها، نگرش و رفتار رانندگان، 1500 پرسشنامه در منطقه مورد مطالعه توزیع و 1135 پرسشنامه عودت داده شد. فرم های پرسشنامه برای به دست آوردن داده های جدید اصلی و درک بهتر خود گزارش دهی رانندگان تهیه شد. این پرسشنامه بین 15 ژوئن 2015 تا 2 ژوئیه 2015 در مناطق تهران بین رانندگان تصادفی تهران توزیع شد. علاوه بر این، برای افزایش اصالت و به دست آوردن داده های جدید و منحصر به فرد، کار میدانی در منطقه مورد مطالعه در ژوئن 2015 انجام شد. روش شناسی این کار میدانی شامل استفاده از تکنیک درگیری ترافیکی بود.

2.2. روش شناسی

برای درک نقاط داغ یا نقاط سیاه UTAها در شهر تهران، از روش چگالی هسته به عنوان یک ابزار تحلیلی مناسب برای ارائه بهترین مکان سیاه UTAها در شهر استفاده شد. علاوه بر این، در تجزیه و تحلیل خوشه ای و منطقه پرخطر به چهار دسته بر اساس تعداد حوادث در تحلیل کاربری اراضی و سه دسته برای تجزیه و تحلیل جمعیت تقسیم شده است. 7 ].] . این روش استفاده شده است زیرا تفسیر کاربری زمین، تراکم جمعیت، و UTA با توجه به دامنه تحقیق مورد نیاز است. با استفاده از این روش می‌توان UTAها را بر اساس کاربری زمین و جمعیت در گروه‌های مشابه طبقه‌بندی کرد. در این تحقیق از پایگاه‌های اطلاعاتی و shapefile مختلفی نیز استفاده شده است، اما داده‌های مرکزی و مهم‌تر که داده‌های نقطه‌ای و ویژگی‌های مختلف مانند تاریخ، زمان، دلیل و نوع UTA هستند، از پایگاه داده UTA هستند. ویژگی‌ها متنوع هستند و شامل زمان واقعی UTA، تاریخ UTA، نوع UTA (مرگ، مجروح یا تلفات تجربه شده)، نوع UTA (ماشین با ماشین، ماشین با موتور سیکلت، ماشین با عابر پیاده) و دلیل است. برای UTA (عدم توجه، عدم اولویت، سرعت بالا و غیره).

برای درک بهتر رابطه بین UTAها و ساختار شهری، شهر تهران در این مطالعه به سه پهنه مختلف تقسیم شده است و این سه پهنه مختلف به طور جداگانه مورد تجزیه و تحلیل قرار گرفته اند ( شکل 2 ). این سه منطقه عبارت بودند از CBD، منطقه شهری و مناطق حاشیه شهر تهران. این انتخاب توسط نگارنده و با در نظر گرفتن طرح جامع تهران، رده کاربری غالب، جغرافیای تاریخی شهر و دانش و تجربه شخصی انجام شده است. اگرچه منطقه CBD، مناطق شهری و حومه بخش های مجاور شبکه هستند، مهم است که این سه منطقه را به طور جداگانه در نظر بگیریم زیرا این سه منطقه به دلیل ساختار متفاوتشان ویژگی های محیطی متفاوتی دارند. تهران

CBD در مرکز شرق شهر واقع شده است و شامل خیابان های اصلی بازار بزرگ است و شامل دسته های کاربری تجاری و اداری و چند منطقه مسکونی است. منطقه شهری تهران به دلیل تراکم جمعیت بالاتر، نرخ بالای شبکه های جاده ای و امکانات و تراکم ساختمانی بیشتر تصمیم گیری شد. پهنه شهری تهران در رده کاربری متفاوتی قرار دارد و پهنه اصلی مناطق مسکونی تهران است. منطقه حومه شهر با تراکم جمعیت کمتر مشخص می شود و شامل یک دسته کاربری صنعتی و حمل و نقل زمین با بزرگراه های بیشتر و جاده های مسکونی کمتر است.

3. توزیع فضایی حوادث در تهران

الگوی و موقعیت مکانی که UTAها در شبکه حمل و نقل داخل شهر تهران قرار دارند می تواند درک دقیق و معناداری از گرایش ها را ارائه دهد. برای به دست آوردن چنین اطلاعاتی و نتایج تحلیلی از UTA ها در مکان و زمان، از تحلیل خوشه ای در نرم افزار ArcGIS استفاده شده است. آرایش فضایی ویژگی‌های نقاط، مشخصه مهم یک الگوی فضایی است، زیرا مکان ویژگی‌های نقطه‌ای و روابط بین آنها تأثیر قابل‌توجهی بر فرآیند زیربنایی که توزیع را ایجاد می‌کند، دارد. پایگاه‌های اطلاعاتی درک آرایش فضایی UTAها نه تنها در تهران، بلکه در تمام شهرهای بزرگ دیگر مانند تهران که الگوی وقوع UTAها را دنبال می‌کنند، قابل توجه است. پراکندگی فضایی UTAها در شهر تهران به خوبی نشان می‌دهد که مکان‌هایی با چندبار وقوع UTA وجود داشته و بیشتر این نقاط ابتدا در بزرگراه‌ها و آزادراه‌ها و سپس در جاده‌های مسکونی قرار دارند. علاوه بر این، ارتباط فضایی در تحلیل الگوی نقطه‌ای، روابط بین نقاط و ویژگی‌ها و مجموعه‌های دیگر متغیرها را ارزیابی می‌کند، بنابراین می‌تواند برای بررسی پراکندگی الگوهای نقطه‌ای در برابر عوامل دیگر، ارتباط مکان UTAهای تهران با سایر ویژگی‌ها مفید باشد. تداعی های فضایی را می توان با همپوشانی ترکیبی از نقاط، خطوط و ویژگی های چند ضلعی بررسی کرد. شناسایی الگوهای توزیع مکانی و زمانی UTAها، و شناسایی عوامل خطر مرتبط از طریق ایالات متحده و عوامل اجتماعی-اقتصادی، کلید بهترین تصمیم‌گیری است. شناسایی این الگوها می‌تواند کیفیت ایمنی انسان، برنامه‌ریزی آینده و درک اینکه کدام حوزه‌ها اولویت اجرای برنامه‌های ایمنی هستند را افزایش دهد. پس از به دست آوردن داده های UTA از پلیس تهران، اولین گام این بود که پایگاه داده با پالایش آن برای ورودی های نادرست یا فاقد ویژگی های طول یا عرض جغرافیایی، پیش پردازش شود. سپس داده ها بر اساس ویژگی های زمانی مرتب شدند. UTA عموماً در طول ماه های تابستان در هر سه منطقه رخ می دهد. یکی از مهمترین تفاوت های فصول، ویژگی های آب و هوایی است. در حالی که در زمستان سرد و برفی است، گرمای خورشید در تابستان باعث افزایش دما می شود. این تفاوت ها بر رفتار و ایمنی رانندگان تأثیر می گذارد. با افزایش تعداد UTA در هوای گرم، اکثر تصادفات در تابستان تا حدی در نتیجه قرار گرفتن در معرض شخصی و استفاده از خودروهای شخصی به جای وسایل نقلیه عمومی یا پیاده روی حتی در مسافت کوتاه رخ داده است. رفتن مردم به تعطیلات به دلیل تعطیلی مدارس نیز به افزایش تصادفات رانندگی کمک می کند، اما این میزان در بهار و زمستان کاهش می یابد. در بهار، تعداد UTA در مناطق شهری کاهش می یابد، اما در جاده های برون شهری افزایش می یابد. این به دلیل تعطیلات سال نو (نوروز) و افزایش سفرهای داخل شهر به خارج است. در فصل زمستان به این دلیل است که کاربران جاده با احتیاط بیشتری رانندگی می کنند. این یافته ممکن است به فرهنگ نسبت داده شود. تعداد UTA در مناطق شهری کاهش می یابد، اما در جاده های برون شهری افزایش می یابد. این به دلیل تعطیلات سال نو (نوروز) و افزایش سفرهای داخل شهر به خارج است. در فصل زمستان به این دلیل است که کاربران جاده با احتیاط بیشتری رانندگی می کنند. این یافته ممکن است به فرهنگ نسبت داده شود. تعداد UTA در مناطق شهری کاهش می یابد، اما در جاده های برون شهری افزایش می یابد. این به دلیل تعطیلات سال نو (نوروز) و افزایش سفرهای داخل شهر به خارج است. در فصل زمستان به این دلیل است که کاربران جاده با احتیاط بیشتری رانندگی می کنند. این یافته ممکن است به فرهنگ نسبت داده شود.

همچنین نرخ UTA در زمستان پایین است که نشان می دهد شرایط آب و هوایی فصلی تأثیر کمتری بر کمیت و کیفیت تصادفات دارد. از نتایج این مطالعه کاملاً مشخص است که فصول تأثیر کمتری بر UTA دارند، اما برخی از ماه‌ها به دلیل سازماندهی رویدادهایی که در طول آنها رخ می‌دهند، بر میزان تصادفات تأثیر می‌گذارند. مانند مهر که اولین ماه تقویم تحصیلی است یا فروردین و اسفند که به ترتیب اولین و آخرین ماه سال هستند. در تمام این ماه ها فرهنگ و لباس مهم است. به عنوان مثال، در ماه سپتامبر (مهر)، در اولین روز سال تحصیلی، بیشتر دانش‌آموزان به جای استفاده از سرویس‌های مدرسه یا وسایل نقلیه عمومی، با خودروهای شخصی به همراه والدین خود به مدرسه می‌روند. بسیاری از این دانش آموزان سرویس حمل و نقل مدرسه دارند یا به اندازه کافی برای استفاده از وسایل حمل و نقل عمومی سن دارند. اما آنها در روز اول و در بسیاری از موارد در طول هفته اول با والدین خود به مدرسه می روند. به همین ترتیب، در نیمه دوم اسفند که از 16 اسفند آغاز می شود، مردم چیزهای زیادی را برای سال نو که از 21 مارس آغاز می شود آماده می کنند.^th ; طبق عرف باید لباس نو، غذاهای خاص و در برخی موارد چیزهای نو برای خانه بخرند. این فرهنگ خرید، شهر را پویاتر می کند و تحرک را چندین بار افزایش می دهد. CBD و منطقه شهری در مرکز این فعالیت ها قرار دارند. در تعطیلات سال نو، که تا 6 تا 7 آوریل ادامه دارد ، ^CBD و منطقه شهری کمترین میزان تحرک را دارند و ازدحام کمی در شبکه حمل و نقل وجود دارد. با این حال، UTAها در زمستان برای CBD و منطقه شهری، و در بهار برای منطقه حومه شهر نسبتاً کم است، زیرا بهار سال نوی ایران است (نوروز، 1 فروردین ^تا 13 ).^{با این حال، UTA}) و تمام مدارس، دانشگاه ها، ادارات اداری و منطقه تجاری برای بیش از دو هفته تقریبا تعطیل هستند. این به این معنی است که تحرک شهری کمتر و جمعیت کمتر در روز ناشی از فصل است، و این برابر است با UTAهای کمتر در تهران. علاوه بر این، بسیاری از تهرانی ها در این ماه به خارج از شهر سفر می کنند. علاوه بر این، UTA در روزهای هفته در ماه های تابستان نسبت به ماه های دیگر بیشتر است زیرا مدارس و دانشگاه ها در تابستان تعطیل هستند و دانش آموزان و خانواده هایشان زمان بیشتری برای اوقات فراغت و سرگرمی دارند. علاوه بر این، به دلیل هوای گرم، اکثراً ترجیح می دهند به جای وسایل نقلیه عمومی یا پیاده روی از ماشین شخصی خود استفاده کنند و این رفتارها باعث پویایی شهر و ایجاد تصادفات بیشتر می شود. UTA مناطق همچنین الگوی ساعات کار، فعالیت ها و ساعات پویا را نشان می دهد که نرخ UTA بالاتری را نسبت به صبح نشان می دهد.

الگوهای UTA بر اساس ماه و روز نیز متفاوت است. برای همه UTA ها، سپتامبر و ژوئیه، سه شنبه و چهارشنبه، ماه ها و روزهای سیاه هستند. در مقایسه، سپتامبر، ژوئیه و اکتبر ماه هایی با بیشترین تعداد UTA در شهر هستند که به ترتیب 11.3٪، 10.3٪ و 10.1٪ در کل UTA ها مشارکت دارند. این عمدتاً می تواند به دلیل تأثیرات زمان در مدارس و دانشگاه ها باشد. وقوع UTA می تواند در 24 ساعت روز در مناطق مختلف متفاوت باشد. عوامل محیطی مانند در دسترس بودن نور، طبقه کاربری غالب زمین، تعداد عابران پیاده و نزدیکترین نوع تأسیسات تأثیر قابل توجهی بر نوع و نوع توزیع UTA در یک روز دارند. از منظر فضایی، تغییرات جغرافیایی قابل توجهی در UTAهای تهران بر اساس منطقه وجود دارد ( شکل 3).). تغییر در ساعات یک روز تفاوتی را در وقوع UTA نشان می دهد. در سوابق، 39.5 درصد از UTA در ساعات شلوغی مشاهده شد. از قضا، زمان بین نیمه شب تا 06:00 تنها 7.8٪ از سوابق UTA در شهر در طول دوره مطالعه را شامل می شود. UTAها در شهر تهران اغلب در طول روز و نه در شب بین ساعت 18:00 تا 22:00 مشاهده می شوند. حدود 71.21% از کل UTAهای ثبت شده در طول دوره مطالعه در زمان ذکر شده مشاهده شده اند. 28.79 درصد دیگر UTA ها در شب بین ساعت 22:00 بعد از ظهر تا 06:00 صبح ثبت شده است. این بدان معناست که رانندگی یا سفر در TTN بین ساعت 12:00 تا 18:00 پنج برابر خطرناک تر از رانندگی یا مسافرت بین ساعت 22:00 بعد از ظهر تا 06:00 صبح است. این پدیده عمدتاً به دلیل پویایی شهری به عنوان حرکت، تعداد خودروها، و حجم عابران پیاده در طول روز افزایش می یابد و نسبت به پویایی در شب تفاوت زیادی ایجاد می کند. مقایسه UTAها در مناطق نشان می دهد که شدت و بروز UTAها با زمان و مکان همبستگی مثبت دارند. چیزی که این تفاوت ها را توضیح می دهد، نوع شبکه حمل و نقل و دسته کاربری زمین، به طور خلاصه ساختار شهری است. بر اساس نتایج تحلیل هات اسپات پس از کاربری مسکونی، سه منطقه پرخطر، کاربری صنعتی با 5054 حادثه و 147 خوشه گرم است. کاربری تجاری با 4069 حادثه و 121 خوشه گرم. و کاربری اراضی اداری با 2639 حادثه و 120 خوشه گرم. علاوه بر این، نتایج نشان داد که مقوله‌های کاربری مختلف، ساعات سیاه متفاوت و دلایل متفاوتی را برای تصادفات ایجاد می‌کنند.

سرعت، عدم توجه و خواب آلودگی در کاربری تجاری و اداری از دلایل عدم توجه و خطاهای عابر پیاده است. ساعت سیاه در منطقه صنعتی 5:00 الی 7:00 در حالی که در منطقه تجاری 16:00 الی 20:00 و برای رده کاربری اداری از ساعت 14:00 الی 16:00 است.

یافته‌های من از این مطالعه نشان داد که مقوله کاربری زمین بر تعداد و شدت تصادفات تأثیر دارد، اما تأثیری بر نحوه حمل‌ونقل، حجم ترافیک و نرخ سفر روزانه شهری ندارد.

3.1. توزیع زمانی UTAs

رابطه بین آب و هوا و UTA ساده نیست، اما با این وجود مشهود است. فصل ها نسبت به سایر عوامل درون شهرها تاثیر کمتری بر تصادفات دارند. مطالعه ای بر اساس عوامل زمانی انجام شده است و نتایج نشان می دهد که افزایش UTA و تصادفات از خرداد شروع می شود و شامل ماه های پاییز می شود. نتیجه گیری می شود که این افزایش ناشی از این واقعیت است که اکثر ساکنان از محل خود برای انجام تفریح ​​در منطقه تعطیلات سفر می کنند و شرایط آب و هوایی نامساعد در ماه های پاییز وجود دارد [ 8 ]. بزرگترین تفاوت بین فصل ها ویژگی های آب و هوا و روشنایی ( جدول 1). در حالی که در زمستان هوا سرد و برفی است، در تابستان در تهران خشک دمای بالایی دارد. این تفاوت ها بر رفتار رانندگان و ایمنی ترافیک تأثیر می گذارد. در شهر تهران، تعداد UTA در هوای گرم افزایش می‌یابد، تا حدی در نتیجه این که کاربران جاده تصمیم می‌گیرند به جای پیاده‌روی یا استفاده از وسایل حمل‌ونقل عمومی با ماشین شخصی خود استفاده کنند و در زمستان کاهش می‌یابد، زیرا کاربران جاده با احتیاط بیشتری رانندگی می‌کنند و معمولاً ساکنان ترجیح می‌دهند در آنجا بمانند. خانه به جای نقل مکان در شهربا احترام به بسیاری از محققین [ 9] که تعداد تصادفات در روزهای بارانی و برفی (پاییز و زمستان) بیشتر است، در شهر تهران سهم تصادفات در تابستان بیشتر است. 34 درصد تصادفات در تابستان رخ داده است که کلاس های مدرسه و دانشگاه عمدتاً برای ساعاتی تعطیل یا باز است. بیشترین تصادفات در تابستان و کمترین سهم مربوط به فصل بهار است. در بهار تعداد UTA در مناطق شهری کاهش می یابد، اما در جاده های برون شهری افزایش می یابد. این به دلیل تعطیلات سال نو (نوروز) و افزایش سفرهای داخل شهر به خارج است. در این بازه زمانی تعداد تصادفات خارج از شهر افزایش می یابد. با این حال، در تابستان، بالاترین فصل در UTAs، افزایش دما، تعطیلی مدارس و افرادی که به سمت مکان های تعطیلات حرکت می کنند، باعث افزایش UTA ها می شود.

فراوانی UTAها بر حسب ماه در تابستان و پاییز افزایش و در زمستان در شهر تهران کاهش می یابد. همانطور که رانندگان در زمستان بیشتر و در تابستان به دلیل دمای بالا توجه کمتری دارند. در فصل زمستان به دلیل شرایط آب و هوایی و نبود وسایل حمل و نقل شهری کافی در روزهای بارانی و برفی، مردم ترجیح می دهند در خانه بمانند، بنابراین جمعیت در شهر مهار شده و فعالیت های شهری کاهش می یابد.

بر اساس تجزیه و تحلیل زمانی UTAها، 21 درصد UTAها در بهار، 34 درصد در تابستان، 27 درصد در پاییز و 18 درصد در زمستان رخ داده است.

ماه تصادفات یکی از پایه‌های داده‌های ویژگی است که برای این مطالعه جمع‌آوری شده است، بنابراین می‌توان تفاوت ماه‌ها را در تعداد کل UTA جاده‌ها مشاهده کرد. رابطه بین UTA و ماه با فصول مشابه است زیرا ماه ها فصول مختلفی را ایجاد می کنند. اما برخی از ماه ها اثرات قابل توجهی بر UTA دارند. مانند سپتامبر (مهر) که اولین ماه سال تحصیلی جدید است یا ماه رمضان که در طول سال تغییر می کند. این تفاوت ماه ها و ماه رمضان نیز بر رفتار رانندگان و پویایی شهری تأثیر می گذارد. تعداد UTA در زمستان کاهش می یابد، زیرا کاربران جاده با احتیاط رانندگی می کنند و اکثر افرادی که شغل رسمی و همسر خانگی ندارند ترجیح می دهند در خانه بمانند، علاوه بر این کارمندان و کارگران معمولاً ساعات کاری را کاهش می دهند یا در روزهای برفی استراحت می کنند. علاوه بر این،جدول 1 ، تغییرات تعداد UTAهای جاده ای را در طول ماه های یک سال نشان می دهد. UTAها به طور نسبتاً یکنواخت بر اساس ماه توزیع می شوند که بین 11.3٪ در سپتامبر و 5.5٪ در فوریه متغیر است، و تصادفات در ماه های خشک جولای، سپتامبر و اکتبر نسبت به ماه های دیگر نسبتاً بیشتر بود.

UTAها بر اساس تغییرات روز تجزیه و تحلیل می‌شوند، زیرا اینها تأثیر مستقیمی بر حرکات شهری و الگوی فعالیت‌های روزانه ساکنان دارند.

بیشترین تعداد UTA در شهر تهران در روزهای چهارشنبه (18.1 درصد) و پس از آن سه شنبه (16.2 درصد) و کمترین تعداد در روزهای جمعه (11.3 درصد) ثبت شده است. در اینجا لازم به ذکر است که شنبه ها و یکشنبه ها در ایران روزهای هفته و جمعه ها آخر هفته است. حقایق پشت این الگوی هفتگی را می توان به پویایی شهری و تحرک انسانی و همچنین حجم و الگوی ترافیک نسبت داد که در روزهای هفته و آخر هفته متفاوت است. حجم و الگوی ترافیک عامل کلیدی ارتباط بین جمعیت و محل کار است. پنجشنبه آخرین روز کاری هفته است و پس از آن جمعیت سفرهای طولانی تری را به مناطق حومه شهر با مسافت طولانی تر، برای سرگرمی و استراحت علاوه بر سفر در محل کار انجام می دهند. جمعه ها رفت و آمد شهری کمتری دارد و سفرهای روزانه شهری کمتری انجام می شود زیرا تنها روز تعطیل است و تمام ادارات، مدارس، دانشگاه ها و بازار بزرگ تعطیل است. جمعه امن ترین روز هفته با کمترین تعداد UTA است، زیرا سفرهای کاری، شغلی و تحصیلی کمتری انجام می شود. پنجشنبه دارای بیشترین درصد UTA است. از آنجایی که تمام مدارس، دانشگاه ها، دولت و مناصب عمومی در روزهای جمعه تعطیل هستند، کمترین وقوع UTA (در این روز) را می توان به تعداد کمتر سفرهای شهری نسبت داد. اکثر امکانات فوق در روزهای پنج شنبه زودتر از سایر روزهای هفته تعطیل می شوند، اما از نظر فرهنگی و اجتماعی افراد در مدت زمان باقی مانده به فعالیت های دیگری می پردازند. اکثر خریدها، عروسی ها، مهمانی ها و بسیاری مراسم و فعالیت های دیگر در شب های پنجشنبه برگزار می شود. توزیع هفتگی شدت UTA در نشان داده شده است جمعه امن ترین روز هفته با کمترین تعداد UTA است، زیرا سفرهای کاری، شغلی و تحصیلی کمتری انجام می شود. پنجشنبه دارای بیشترین درصد UTA است. از آنجایی که تمام مدارس، دانشگاه ها، دولت و مناصب عمومی در روزهای جمعه تعطیل هستند، کمترین وقوع UTA (در این روز) را می توان به تعداد کمتر سفرهای شهری نسبت داد. اکثر امکانات فوق در روزهای پنج شنبه زودتر از سایر روزهای هفته تعطیل می شوند، اما از نظر فرهنگی و اجتماعی افراد در مدت زمان باقی مانده به فعالیت های دیگری می پردازند. اکثر خریدها، عروسی ها، مهمانی ها و بسیاری مراسم و فعالیت های دیگر در شب های پنجشنبه برگزار می شود. توزیع هفتگی شدت UTA در نشان داده شده است جمعه امن ترین روز هفته با کمترین تعداد UTA است، زیرا سفرهای کاری، شغلی و تحصیلی کمتری انجام می شود. پنجشنبه دارای بیشترین درصد UTA است. از آنجایی که تمام مدارس، دانشگاه ها، دولت و مناصب عمومی در روزهای جمعه تعطیل هستند، کمترین وقوع UTA (در این روز) را می توان به تعداد کمتر سفرهای شهری نسبت داد. اکثر امکانات فوق در روزهای پنج شنبه زودتر از سایر روزهای هفته تعطیل می شوند، اما از نظر فرهنگی و اجتماعی افراد در مدت زمان باقی مانده به فعالیت های دیگری می پردازند. اکثر خریدها، عروسی ها، مهمانی ها و بسیاری مراسم و فعالیت های دیگر در شب های پنجشنبه برگزار می شود. توزیع هفتگی شدت UTA در نشان داده شده است دانشگاه ها، دولت و پست های عمومی در روزهای جمعه تعطیل هستند، کمترین وقوع UTA (در این روز) را می توان به تعداد کمتر سفرهای شهری نسبت داد. اکثر امکانات فوق در روزهای پنج شنبه زودتر از سایر روزهای هفته تعطیل می شوند، اما از نظر فرهنگی و اجتماعی افراد در مدت زمان باقی مانده به فعالیت های دیگری می پردازند. اکثر خریدها، عروسی ها، مهمانی ها و بسیاری مراسم و فعالیت های دیگر در شب های پنجشنبه برگزار می شود. توزیع هفتگی شدت UTA در نشان داده شده است دانشگاه ها، دولت و پست های عمومی در روزهای جمعه تعطیل هستند، کمترین وقوع UTA (در این روز) را می توان به تعداد کمتر سفرهای شهری نسبت داد. اکثر امکانات فوق در روزهای پنج شنبه زودتر از سایر روزهای هفته تعطیل می شوند، اما از نظر فرهنگی و اجتماعی افراد در مدت زمان باقی مانده به فعالیت های دیگری می پردازند. اکثر خریدها، عروسی ها، مهمانی ها و بسیاری مراسم و فعالیت های دیگر در شب های پنجشنبه برگزار می شود. توزیع هفتگی شدت UTA در نشان داده شده است عروسی ها، مهمانی ها و بسیاری مراسم و فعالیت های دیگر پنجشنبه شب ها برگزار می شود. توزیع هفتگی شدت UTA در نشان داده شده است عروسی ها، مهمانی ها و بسیاری مراسم و فعالیت های دیگر پنجشنبه شب ها برگزار می شود. توزیع هفتگی شدت UTA در نشان داده شده استجدول 2 . روزهای اوج برای UTA ها دوشنبه ها و پنجشنبه ها است.

با مقایسه رابطه بین ساعات مختلف روز و UTAs در تهران، بروز و شدت UTA با RH و پویایی شهری همبستگی مثبت دارد. UTAها در داخل شهر تهران در هنگام صبح که ادارات، مدارس و مراکز تجاری باز می شوند و سپس در ساعات RH بعد از ظهر که ادارات، مدارس و سایر مراکز دولتی بسته می شوند و مردم در شبکه حمل و نقل برای بازگشت به خانه هستند، بالاتر است. این الگو ممکن است به دلیل شدت تولید سفر و جذابیت آن برای بسیاری از اهداف مختلف، به ویژه کار یا تحصیل باشد. علاوه بر این، در روز پنجشنبه ادارات دولتی زود تعطیل می شوند و کارمندان معمولاً نصف روز کار می کنند یا اصلاً کار نمی کنند، بنابراین زمان بیشتری برای صرف ناهار به خانه و سفرهای شهری بیشتری در همان روز دارند. از آنجایی که تعداد رانندگی در شب معمولا کمتر از روز است، اکثر UTAها در تهران در طول روز در ساعات روز رخ می دهند. تغییرات ساعتی UTAهای تهران در نشان داده شده استشکل 4 . جدول همزمانی UTAهای بالاتر را در طول RH در صبح، ظهر، بعد از ظهر و عصر نشان می دهد.

برای بررسی رابطه معنادار بین تعداد UTA در RH، نسبت تصادفات ساعت به ساعت محاسبه می‌شود. هنگامی که شبکه های حمل و نقل در طول RH شلوغ تر هستند، میزان تصادفات تحت تأثیر سرعت کمتر و تصادفات بیشتر است، اما شدت آنها کمتر است. سرعت رانندگی عامل کلیدی است که به حجم ترافیک، نوع جاده و نگرش راننده بستگی دارد که بیانگر رابطه بین UTA است. تغییرات نوع جاده ها به وضوح نشان می دهد که برخلاف بسیاری از شهرهای جهان، بزرگراه ها و بزرگراه های تهران برای رانندگی قابل اعتمادترین نیستند.

میزان تصادفات ترافیکی شهری در صبح هنگام باز شدن ادارات، مدارس و مراکز تجاری و سپس در ساعات اوج بعدازظهر که ادارات، مدارس و سایر مراکز دولتی بسته می‌شوند، بیشتر است. این به دلیل شدت تولید سفر برای اهداف مختلف، به ویژه کار و مطالعه است. این رقم نشان دهنده همزمانی تصادفات بالاتر در طول RH در صبح، بعد از ظهر و عصر است.

3.2. تنوع ساعتی در انواع UTA

با مقایسه رابطه بین ساعات مختلف روز و UTA در تهران، میزان بروز و شدت UTA با ساعات اوج مصرف همبستگی مثبت دارد. نرخ UTA در هنگام صبح که ادارات، مدارس و مراکز تجاری باز می شوند و سپس در ساعات اوج مصرف در بعد از ظهر که ادارات، مدارس و سایر مراکز دولتی بسته می شوند، بیشتر است. این به دلیل شدت تولید سفر برای اهداف مختلف، به ویژه کار و مطالعه است.

دو RH در ساعات صبح بین 7:00 تا 8:00 و 8:00 تا 9:00 و یک RH از ظهر تا بعد از ظهر در ساعت 14:00 تا 16:00 وجود دارد. در نهایت، یک RH در عصر بین ساعت 16:00 تا 19:00 وجود دارد. در طول RH ترافیک در نتیجه سفرهای شهری و حرکت انسان زیاد است. کارمندان دولتی، کارفرمای ادارات دولتی، برخی از کارگران صنعتی و بسیاری از دانشجویان به طور همزمان خانه خود را ترک می کنند. ازدحام RH و UTA در اواخر بعد از ظهر دوباره ناشی از رفت و آمدهای همان افراد است. علاوه بر این، بیشتر سفرهای خرید و تفریحی در بعد از ظهر و عصر انجام می شود. با این حال، RH برای FA با تلفات و آسیب های ناشی از انواع UTA متفاوت است. در این مدت مطالعه، 819 نفر به دلیل UTA در شهر تهران جان خود را از دست دادند. از این تعداد 491 نفر در ساعات شب و صبح زود از ساعت 22 تا 6 کشته شدند.

3.3. لکه های سیاه در طول زمان

نقاط سیاه UTA معمولا به عنوان مکان های خاص در یک شبکه حمل و نقل با نرخ UTA (نسبتا) بالا تعریف می شوند. برای تشخیص این مکان‌های خطرناک، ابتدا باید بدانید که این مکان‌ها کجا هستند و سپس احتمال UTA را با توجه به ویژگی‌های محیطی (به عنوان مثال، نوع جاده غالب، دسته کاربری زمین و غیره) تعیین کنید. یکی از مهمترین اهداف تجزیه و تحلیل نقاط سیاه UTA در این مطالعه، کشف و تولید اطلاعات و دلایل این مکان های خطرناک است. اطلاعات ایجاد شده می تواند کلیدی برای شناسایی مناطق لکه سیاه و تصمیم گیری با استفاده از اقدامات علمی و علمی تجربی برای کاهش وقوع UTA باشد. به طور کلی در این تحقیق آمار UTA از پلیس تهران به عنوان شاخص های ارزیابی پیش بینی UTAهای آینده و افزایش ایمنی در نظر گرفته شده است. با تجزیه و تحلیل مجموعه داده های واقعی GIS قابل اعتماد، الگوهای آینده UTA قابل اعتمادتر و قابل پیش بینی تر می شوند. در این مطالعه نقاط حساس UTA توسط KDE در داده های UTA در کل شبکه حمل و نقل تهران محاسبه و تجزیه و تحلیل شد.شکل 5 نتایج کاربرد تراکم هسته را در منطقه مورد مطالعه نشان می دهد.

بر اساس یافته‌ها، UTAها و نقاط داغ/نقاط سیاه پدیده‌های پویایی هستند که به پویایی شهری، ساختار شهری و زمان به عنوان یک عامل حیاتی وابسته هستند. مکان هات اسپات در طول زمان تغییر می کند. همانطور که شکل 5 نشان می دهد، مناطق پرخطر در صبح در مناطق برون شهری قرار دارند، همانطور که بسیاری از بزرگراه ها در آنجا قرار دارند و بزرگراه های برون شهری برای اتصال مناطق حومه به شهری استفاده می شوند. از آنجایی که مردم در اوایل صبح و اواخر شب از بزرگراه های برون شهری برای شروع فعالیت های روزانه و بعد از ظهر برای اتمام کار و بازگشت به خانه استفاده می کنند، از نقاط داغ صبح ها از ساعت 0:00 تا 6:00 و در بازه زمانی 18:00 شب استفاده می کنند. 0:00، در مناطق حومه شهر واقع شده اند. با این حال، با در نظر گرفتن فعالیت روزانه شهر، تعداد و مکان کانون ها تغییر می کند.

3.4. مناطق پرخطر

UTAهایی که از نظر فضایی نزدیک به هم اتفاق می‌افتند ممکن است محصولات مکان‌هایی با سطوح بالاتری از حجم متناقض باشند، مانند کاربری تجاری زمین یا برخی از انواع جاده‌های خاص، مانند بزرگراه‌ها. شناسایی مناطق UTA با احتمال بالا یک موضوع مهم برای برنامه های ایمنی ترافیک است. علی‌رغم تعریف دقیق‌تر «نقطه سیاه» در ایمنی بزرگراه، مکان‌های مستعد UTA به عنوان «نقاط داغ» در نظر گرفته می‌شوند که با توجه به تمرکز تحلیل می‌توان آن‌ها را متفاوت تعریف کرد.

تعداد قابل توجهی از مطالعات در مورد شناسایی نقاط حساس UTA موجود است که به طور گسترده در ادبیات مورد بحث قرار گرفته است. بسیاری از تکنیک های تجزیه و تحلیل نقطه اتصال UTA مانند KDE، شبکه KDE، الگوریتم خوشه بندی NNH، تجزیه و تحلیل نقطه سیاه و غیره استفاده می شود. بین این روش ها تفاوت هایی وجود دارد. یک روش از مکان واقعی یک UTA (نقطه در GIS) استفاده می کند و یکی از تعداد یا چگالی UTA ها برای یک منطقه جغرافیایی کوچک، مانند منطقه یا سلول شبکه استفاده می کند. KDE ها همه از داده های ناحیه استفاده می کنند در حالی که از سوی دیگر، روش های NNH و Black Spot از داده های نقطه ای استفاده می کنند. روش شناسی تحلیل فضایی می تواند با توجه به هدف تحقیق و نتایج مورد انتظار تغییر کند. برای این مطالعه، خوشه بندی

استفاده می شود؛ با این حال، یکی از پرکاربردترین روش ها در ایمنی ترافیک، روش KDE نیز انجام می شود.

3.5. حوادث ناشی از کاربری زمین

دسته کاربری اراضی و توزیع فعالیت ها دو عامل اصلی تأثیرگذار بر الگوهای UTA هستند. تقاضا برای سفر از توزیع امکانات کار، مدارس و دانشگاه‌ها، مراکز تفریحی و خرید و غیره ناشی می‌شود. مقوله کاربری اراضی یک عامل اصلی برای سفرهای روزانه شهری است که در محیط‌های شبکه حمل‌ونقل مؤثر است [ 10 ]. بن آکیوا و بومن [ 11] اظهار داشت که کاربری اراضی یکی از عوامل اصلی در ایجاد ترافیک و UTA نیز می باشد. آنها همچنین نشان دادند که کاربری زمین عامل اصلی تاثیر بر ایمنی و تراکم و حجم ترافیک است. امروزه ساکنان تهران برای مقاصد مختلف از جمله کار، تحصیل، خرید و … بین مناطق مختلف تردد می کنند که این حرکت شهری و پویایی آن باعث تعامل بین سیستم های کاربری اراضی و شبکه های حمل و نقل به طرق مختلف می شود. به طور کلی، محیط‌های مختلف با ویژگی‌های جغرافیایی و الگوهای کاربری متفاوت، تعداد سفرهای روزانه شهری متفاوتی را ایجاد می‌کنند. با افزایش تعداد سفرهای روزانه شهری، احتمال وقوع UTA با شدت کمتر نیز افزایش می یابد. پویایی شهر و دسترسی در داخل شهر تحت تأثیر الگوهای ایالات متحده و استفاده از زمین. در شهر تهران تقریبا 20000 – 3012 ] . تعداد نقاط داغ بر اساس دسته کاربری اراضی در جدول 3 نشان داده شده است.

شهر تهران با حدود 18 میلیون سفر شهری در روز با الگوی خاصی از پویایی شهری مواجه است [ 12 ] . این سفرها شامل سفر برای کار، تحصیل، خرید و تفریح ​​است و بر اساس هدف سفر دسته بندی می شوند.

درک رابطه بین نقاط حادثه خیز و ساختار شهری یا محیط های ساخته شده در دو بعد قابل بررسی است. ابتدا، شناسایی توزیع و الگوی نقاط داغ در ساختارهای شهری برای تعیین مناطق اولویت دار که در ابتدا اقدامات احتیاطی انجام می شود، ضروری است. از آنجایی که کاربری های مختلف شهری، تراکم جمعیت، مشخصات سرعت، حجم ترافیک و فعالیت عابران پیاده متفاوت را ایجاد می کند، مهم است که مناطق شهری را به مناطق مختلف تقسیم کنیم.

در بعد دوم، نقاط حساس UTA در تهران باید در طول زمان مورد تجزیه و تحلیل و مطالعه قرار گیرد تا مولفه های شبکه شهری در نظر گرفته شود. از آنجایی که زمان عامل مهمی در پویایی شهری از نظر وقوع UTA است، الگوهای نقاط داغ در طول زمان قابل توجه هستند. تجزیه و تحلیل Hotspot برای تعیین مکان های UTA بیشتر به منظور هشدار دادن به رانندگان و عابران پیاده بسیار مهم است. مناطق مختلف کاربری زمین، مانند CBD، توزیع جغرافیایی غیریکنواختی از مکان‌های UTA (و نقاط داغ) در فضا ایجاد می‌کنند. یک راه ساده برای مرتبط کردن نقاط حساس UTA (که “خوشه ها” نیز نامیده می شود) با کاربری زمین شهری، تقسیم منطقه شهری به مناطق با الگوهای حمل و نقل و کاربری متفاوت است. جدول 4).). به طور سنتی، مناطق شهری بالغ شامل، اما محدود به مناطق طبقه بندی شده به عنوان CBD، مناطق شهری (یا درون شهر)، و مناطق حومه (یا منطقه خارج) هستند.

مطالعه نقاط پرخطر یا نقاط پرخطر ایمنی ترافیک در تهران برای شناسایی نوع کاربری اراضی در مناطق شهری حائز اهمیت است ( شکل 6).). از آنجایی که CBD از نظر فعالیت های تجاری یک مرکز جذاب در شهر است، تعریف آن مهم است. علاوه بر CBD، تعریف شهر داخلی یا منطقه شهری مهم است که می توان آن را منطقه ای پرجمعیت توسط سکونتگاه ها و امکانات شهری در نظر گرفت. به طور کلی، راهروهای ورودی اصلی در داخل شهر قرار ندارند. به همین دلیل، مناطق حومه شهر باید از سایر مناطق جدا شود زیرا ورودی های شهر مرکزی در آنجا قرار دارد. علاوه بر این، مناطق انتقال شهری که کریدورهای پرسرعت در آن قرار دارند باید شناسایی شوند. موقعیت تأسیسات و وابستگی آنها به کاربری اراضی بازتابی از نیروهای اجتماعی-اقتصادی و اکولوژیکی است. در شهر تهران رشد جوامع شهری با افزایش جمعیت تسهیل می شود و با رشد کاربری های مختلف همراه است. این موارد منجر به چیدمان فعالیت‌ها، ساختمان‌ها و نقاط تجاری مردم در مکان‌های مختلف در امتداد شبکه حمل‌ونقل شده است که به نوبه خود سفرهای مختلفی را به صورت روزانه ایجاد می‌کند. تضاد بین پتانسیل افزایش جمعیت و رشد کاربری زمین منجر به افزایش سفرهای روزانه شهری می شود که UTAها را در منطقه شهری تولید می کند. رابطه بین کاربری اراضی و UTAs در تهران با افزایش کاربری مختلط زمین و تشدید و تنوع سبک زندگی مرتبط با آن پیچیده تر می شود. سفرهای ایجاد شده در یک مکان زیاد و در برخی نقاط متوسط ​​تا کم است. علاوه بر این، حرکت مداوم افراد روی دو و چهار چرخ باعث ایجاد UTA می شود. که به نوبه خود سفرهای مختلفی را به صورت روزانه ایجاد می کند. تضاد بین پتانسیل افزایش جمعیت و رشد کاربری زمین منجر به افزایش سفرهای روزانه شهری می شود که UTAها را در منطقه شهری تولید می کند. رابطه بین کاربری اراضی و UTAs در تهران با افزایش کاربری مختلط زمین و تشدید و تنوع سبک زندگی مرتبط با آن پیچیده تر می شود. سفرهای ایجاد شده در یک مکان زیاد و در برخی نقاط متوسط ​​تا کم است. علاوه بر این، حرکت مداوم افراد روی دو و چهار چرخ باعث ایجاد UTA می شود. که به نوبه خود سفرهای مختلفی را به صورت روزانه ایجاد می کند. تضاد بین پتانسیل افزایش جمعیت و رشد کاربری زمین منجر به افزایش سفرهای روزانه شهری می شود که UTAها را در منطقه شهری تولید می کند. رابطه بین کاربری اراضی و UTAs در تهران با افزایش کاربری مختلط زمین و تشدید و تنوع سبک زندگی مرتبط با آن پیچیده تر می شود. سفرهای ایجاد شده در یک مکان زیاد و در برخی نقاط متوسط ​​تا کم است. علاوه بر این، حرکت مداوم افراد روی دو و چهار چرخ باعث ایجاد UTA می شود. رابطه بین کاربری اراضی و UTAs در تهران با افزایش کاربری مختلط زمین و تشدید و تنوع سبک زندگی مرتبط با آن پیچیده تر می شود. سفرهای ایجاد شده در یک مکان زیاد و در برخی نقاط متوسط ​​تا کم است. علاوه بر این، حرکت مداوم افراد روی دو و چهار چرخ باعث ایجاد UTA می شود. رابطه بین کاربری اراضی و UTAs در تهران با افزایش کاربری مختلط زمین و تشدید و تنوع سبک زندگی مرتبط با آن پیچیده تر می شود. سفرهای ایجاد شده در یک مکان زیاد و در برخی نقاط متوسط ​​تا کم است. علاوه بر این، حرکت مداوم افراد روی دو و چهار چرخ باعث ایجاد UTA می شود.شکل 7 الگوی فضایی UTA ها را در طول زمان بر اساس کاربری زمین نشان می دهد. در دوره صبح، از ساعت 0:00 تا 06:00، بیشتر UTA ها در مناطق حومه شهر رخ داده است. زیرا ساکنان حومه شهر از جاده های برون شهری برای رفتن به مناطق شهری برای فعالیت های روزمره استفاده می کنند.

با گذشت زمان، الگوهای UTA نیز در سراسر شهر، از حومه شهر به منطقه شهری تغییر می کند، زیرا مناطق شهری بنادر اداری، آموزشی و تجاری هستند. در نتیجه، UTAها در دوره صبح بین 06:00 تا 12:00 و از بعد از ظهر تا عصر یا 12:00-18:00 در منطقه شهری متمرکز می شوند. از ساعت 18:00 مردم تمایل دارند با استفاده از بزرگراه ها و آزادراه ها در مناطق حومه شهر به خانه بازگردند و الگوی UTA از مناطق شهری به حومه شهر منتقل می شود.

در این پژوهش، تحلیل خوشه‌ای به‌عنوان یکی از روش‌های اصلی نه تنها به‌عنوان ابزار تحلیل فضایی، بلکه به‌عنوان روشی آماری برای طبقه‌بندی مشاهدات مشابه مورد استفاده قرار می‌گیرد. من از این روش برای طبقه‌بندی همه UTAها در یک چند ضلعی در گروه‌ها استفاده کردم، زیرا روش تحلیل خوشه‌بندی یکی از قابل اعتمادترین تکنیک‌ها برای شناسایی نقاط داغ است.

نتایج نشان داده شده در شکل 7 و به وضوح نشان می دهد که تعداد UTA ها بر اساس دسته های کاربری زمین در طول زمان تغییر می کند (نگاه کنید به جدول 5 را ببینید.). در بازه زمانی 0:00 تا 6:00 و 18:00 تا 24:00، UTAها در مناطق صنعتی یعنی حومه شهر متراکم تر هستند. این طبقه بندی بر اساس تعداد UTA است، 0 – 5 UTA به عنوان امن ترین منطقه و بیش از 25 به عنوان خطرناک ترین طبقه بندی می شود. تجزیه و تحلیل UTAs توسط تجزیه و تحلیل خوشه ای و در طول زمان نشان می دهد که الگوی و تعداد UTAs در طول زمان بر اساس کاربری زمین تغییر می کند. از ساعت 6:00 به بعد، UTAها از حومه به مناطق شهری منتقل می شوند زیرا مناطق شهری مراکز کاربری تجاری، اداری و آموزشی زمین هستند و مردم از آنها برای انجام فعالیت های روزانه استفاده می کنند. بسیاری از مردم در منطقه حومه شهر زندگی می کنند و در CBD و منطقه شهری کار، تحصیل و غیره می کنند، زیرا هر روز از منطقه حومه به منطقه شهری نقل مکان می کنند. از آنجایی که ساعت 8 شروع به کار کلیه اماکن عمومی و ادارات اداری است. افرادی که عاشق مناطق برون شهری هستند به زمان بیشتری برای رسیدن به منطقه شهری نیاز دارند، بنابراین مشاهده شد که منطقه برون شهری در اوایل صبح و اواخر شب تعداد زیادی تصادف دارد. CBDUTAها در بازه‌های زمانی بین 6:00 تا 12:00 و 12:00 تا 18:00 به دلیل افزایش جمعیت و تراکم ترافیک در این بازه‌های زمانی رخ می‌دهند.جدول 5 خطرناک ترین رده کاربری اراضی شهر تهران را بر اساس تعداد UTA در طول زمان نشان می دهد. منطقه CBD و منطقه داخلی پرخطرترین مناطق هستند در حالی که منطقه حومه شهر بیشترین خطر را در بازه زمانی 0:00 تا 06:00 و 18:00 تا 24:00 دارد.

تغییرات UTA برای هر ساعت در 24 ساعت روز، برای چهار دوره زمانی مختلف و 4 ساعت شلوغی بر اساس UTA (07:00-09:00، 12:00-14:00، 14:00) استخراج شد. -16:00، 18:00-20:00). نتایج توزیع‌های UTA متفاوت و مجزا بود.

3.6. تصادفات بر اساس تراکم جمعیت

یکی از شاخص های اساسی هویت اجتماعی-اقتصادی، تراکم جمعیت است. بررسی تراکم جمعیت در شهر تهران، تفاوت های آشکار بین مناطق شمالی و جنوبی شهر تهران را نشان می دهد.

تراکم جمعیت تهران از الگوی خاصی برخوردار است که تراکم جمعیت در سال های اخیر افزایش یافته و قیمت زمین و مسکن در داخل مناطق کاملا متفاوت است. مناطق جنوبی زمین و مسکن ارزان هستند، بنابراین اکثر مهاجران در آنجا زندگی می کنند و این مناطق پرجمعیت ترین مناطق هستند در حالی که مناطق شمالی تراکم کمتری دارند زیرا این مناطق گران ترین مناطق هستند. بر اساس محاسبات سرشماری سال 1390، منطقه 2 و منطقه 5 به ترتیب با 434 و 402 نفر در هکتار پرجمعیت ترین و منطقه 22 با 1.3 نفر در هکتار کمترین جمعیت را به خود اختصاص داده اند. جدول 6 و شکل 8 نتیجه تصادفات را بر اساس جمعیت نشان می دهد. تصادفات بر اساس 1000 نفر نتیجه در شکل 8 نشان داده شده است.

همانطور که در بررسی ادبیات ذکر شد، تکنیک‌های کانونی زیادی وجود دارد که می‌توان از آنها استفاده کرد. در این مطالعه، روش تجزیه و تحلیل خوشه‌بندی NNH برای شناسایی نقاط داغ مورد استفاده قرار می‌گیرد، زیرا بر شناسایی گروه‌هایی از داده‌هایی که از نظر مکانی نزدیک هستند متمرکز است. صلاحیت این روش خاص برای استفاده، فاصله اقلیدسی بین هر نقطه داده است. اگر فاصله آستانه انتخاب شود، جفت های نقطه با فواصل کوچکتر با هم خوشه می شوند. الگوریتم خوشه‌بندی NNH خوشه‌هایی را از همه مشاهدات در منطقه مورد مطالعه ایجاد نمی‌کند. از آنجایی که به معیارهای مربوط به فاصله بستگی دارد، تنها نقاطی که معیارها را برآورده می کنند خوشه بندی می شوند.

ساده ترین راه برای اندازه گیری رفتار، دانش و فرهنگ رانندگان این است که از آنها بپرسیم که معمولاً چگونه عمل می کنند و بنابراین از افراد به عنوان دستگاه نظارتی خود استفاده می کنند. به این ترتیب، هر رفتار، فکر، نگرش یا تجربه ای را می توان برای هر دوره زمانی ثبت کرد. یکی از ملاحظات من شناسایی رابطه بین ویژگی‌های فردی رانندگان (نگرش‌ها، رفتارها و غیره) درگیر در UTA است، بنابراین پرسشنامه‌ای در شهر تهران در خرداد 1395 انجام شد. 1500 پرسشنامه در منطقه مورد مطالعه توزیع شد که 1135 پرسشنامه از آن‌ها بود. بازگردانده شدند. نتایج پرسشنامه نشان داد که رانندگان با تحصیلات کمتر پتانسیل وقوع تصادف با رانندگی پرخطر را دارند و رانندگان تحصیل‌کرده‌تر کمترین احتمال درگیر شدن در UTA را دارند. بر اساس نتیجه پرسشنامه، مردان در مقایسه با زنان، اولویت ندادن به دیگران، رفتارهای خطرناک تری دارند و سریع تر رانندگی می کنند. 30 درصد از پاسخ دهندگان معتقد بودند که UTAهای تهران ناشی از عادت یا از سوی دیگر یک مشکل فرهنگی است. علاوه بر این، آنها اعتقاد داشتند که مجازات ها عامل اصلی پیشگیری در رعایت و رعایت مقررات راهنمایی و رانندگی است. علاوه بر این، در شهر تهران، عمده ترین عوامل مؤثر در تصادفات در اکثر UTAها، رفتارهای رانندگان است. سهل انگاری یکی از ویژگی های اصلی UTA در تهران است. خودداری از اولویت دادن به عابران پیاده و سایر وسایل نقلیه، عدم فاصله کافی بین وسایل نقلیه، عدم توجه به جلو و سرعت بالا از مهمترین مشکلات هستند. 30 درصد معتقد بودند که UTAهای تهران ناشی از عادت یا از طرف دیگر یک مشکل فرهنگی است. علاوه بر این، آنها اعتقاد داشتند که مجازات ها عامل اصلی پیشگیری در رعایت و رعایت مقررات راهنمایی و رانندگی است. علاوه بر این، در شهر تهران، عمده ترین عوامل مؤثر در تصادفات در اکثر UTAها، رفتارهای رانندگان است. سهل انگاری یکی از ویژگی های اصلی UTA در تهران است. خودداری از اولویت دادن به عابران پیاده و سایر وسایل نقلیه، عدم فاصله کافی بین وسایل نقلیه، عدم توجه به جلو و سرعت بالا از مهمترین مشکلات هستند. 30 درصد معتقد بودند که UTAهای تهران ناشی از عادت یا از طرف دیگر یک مشکل فرهنگی است. علاوه بر این، آنها اعتقاد داشتند که مجازات ها عامل اصلی پیشگیری در رعایت و رعایت مقررات راهنمایی و رانندگی است. علاوه بر این، در شهر تهران، عمده ترین عوامل مؤثر در تصادفات در اکثر UTAها، رفتارهای رانندگان است. سهل انگاری یکی از ویژگی های اصلی UTA در تهران است. خودداری از اولویت دادن به عابران پیاده و سایر وسایل نقلیه، عدم فاصله کافی بین وسایل نقلیه، عدم توجه به جلو و سرعت بالا از مهمترین مشکلات هستند. مهمترین عوامل مؤثر در تصادفات در اکثر UTAها رفتارهای رانندگان است. سهل انگاری یکی از ویژگی های اصلی UTA در تهران است. خودداری از اولویت دادن به عابران پیاده و سایر وسایل نقلیه، عدم فاصله کافی بین وسایل نقلیه، عدم توجه به جلو و سرعت بالا از مهمترین مشکلات هستند. مهمترین عوامل مؤثر در تصادفات در اکثر UTAها رفتارهای رانندگان است. سهل انگاری یکی از ویژگی های اصلی UTA در تهران است. خودداری از اولویت دادن به عابران پیاده و سایر وسایل نقلیه، عدم فاصله کافی بین وسایل نقلیه، عدم توجه به جلو و سرعت بالا از مهمترین مشکلات هستند.

یکی از مهم‌ترین مشکلات فرهنگی در UTAهای تهران، تردد عابران پیاده در جاده‌ها بدون توجه به تابلوهاست. این همچنین به بروز UTAها کمک می کند که در گذرگاه های جاده ای بزرگ می شوند. در تهران، بسیاری از UTAها در جاده‌هایی که فضایی برای عابران پیاده وجود نداشت و هنگام حرکت در دو طرف جاده بدون استفاده از پیاده‌روها اتفاق افتاد. برخی از مشکلات مهم فرهنگی دیگر عبارتند از: عدم توجه کافی رانندگان و عابرین پیاده به تابلوها، نقض قوانین، احساس انتقام جویی بالا، عوامل قانونی، برخورد با متخلفان، عدم اجرای قوانین جامع که جلوی تخلفات را می گیرد، و فقدان مجازات های بازدارنده فقرا. رفتار – اخلاق.

4. تحلیل مکانی- زمانی UTAهای تهران

هدف اصلی این پژوهش، بررسی تجربی UTAهای شهر تهران بر اساس ساختار شهری، که زون‌ها، از نظر زمانی و مکانی است، بود. برای درک بهتر الگوی فضایی UTAها از طریق ساختار فضایی شهر، محدوده مورد مطالعه بر اساس عوامل مختلف به 3 پهنه تقسیم شده است که شامل موارد زیر است: 1- کاربری اراضی تهران 2- هواپیمای اصلی تهران 3- الگوی فعالیت های اقتصادی اجتماعی تهران. . 3 منطقه از نظر مکانی و زمانی برای درک بهتر اثر ساختار شهری بر UTAها تشکیل شده است. تحلیل زمانی فضایی UTAهای تهران تفاوتهای قابل توجهی را در ایالات متحده نشان می دهد. الگوی UTA بر اساس منطقه شهری، زمانی و مکانی متفاوت است.شکل 9تغییرات UTA را بر اساس ماه نشان می دهد. روز و ساعت در مناطق مختلف و بیان مناطق مختلف دارای الگوها و تعداد UTAهای مختلف است. مقایسه UTAs در مناطق نشان داد که شدت و بروز UTAs با زمان و مکان همبستگی مثبت دارد. چیزی که این تفاوت ها را توضیح می دهد پویایی ایالات متحده و شهری است.

الگوی UTA بر اساس ماه و روز نیز متفاوت است. برای منطقه CBD، مارس و سپتامبر، یکشنبه ها و دوشنبه ها ماه ها و روزهای سیاه هستند. در مقایسه، مارس و سپتامبر برای منطقه شهری، جولای و آگوست برای منطقه حومه شهری، ماه هایی هستند که بیشترین تعداد UTA در شهر را دارند، شنبه ها، یکشنبه ها و پنجشنبه ها برای منطقه شهری، پنجشنبه ها و جمعه ها برای منطقه حومه شهری، روزهای سیاه هستند. این امر می تواند عمدتاً ناشی از تأثیر زمان و فرهنگ در پویایی شهری باشد. به دلیل پویایی شهری، وقوع UTA می تواند در 24 ساعت روز در مناطق مختلف متفاوت باشد. تعداد و شدت UTA ها در منطقه متفاوت است. ساعت‌های 09:00 و 18:00 ساعت‌های سیاه برای منطقه CBD و 07:00 و 16:00 برای منطقه شهری، 6:00 و 15:00 برای منطقه برون شهری ساعات سیاه هستند. از منظر فضایی، تغییرات جغرافیایی قابل توجهی در UTAهای تهران به تفکیک منطقه وجود دارد.

توزیع UTA در CBD تهران به وضوح نشان می دهد که ماهیت و منشأ آنها کاملاً با سایر مناطق متفاوت است. CBD با سهم 54 کیلومتر در بزرگراه، 159 کیلومتر در جاده های اولیه، 254 کیلومتر در جاده فرعی و 212 کیلومتر در جاده سوم با 4792 تصادف. ، امن ترین منطقه شهر تهران است. از آنجایی که CBD یک مرکز اشتغال است که سفرهای بسیار بیشتری را در هر کیلومتر مربع نسبت به مناطق دیگر جذب می کند، تحرک فعالیت های عابران پیاده در مقایسه با

مناطق دیگر، اما محدودیت های ترافیکی، سیستم متروی معاصر، و یک منطقه نفوذ گسترده این منطقه را امن می کند. هر حرکتی در تهران باید بر اساس محدوده ترافیکی برنامه ریزی شود. دو نوع منطقه ترافیکی در شهر وجود دارد:

1) مناطق محدود، بر اساس شماره ثبت خودرو (برای روزهای زوج و فرد).

2) مناطق ممنوعه مرکزی که برای تردد خودروهای عمومی (اتوبوس، تاکسی، آمبولانس و …) باز است» (شهرداری تهران).

دلیل اصلی UTAها در منطقه CBD اشتباهات نفوذ است در حالی که نوع اصلی تصادف موتور سیکلت به عابران پیاده است، زیرا این منطقه دارای حجم زیادی از عابران پیاده و موتورسیکلت در روز است. در CBD تهران موتورسیکلت وسیله نقلیه غالب است زیرا این محدوده دارای محدودیت ترافیکی است و خودروها بدون مجوز رسمی نمی توانند وارد منطقه شوند اما موتورسیکلت می تواند به راحتی حرکت کند و حتی بدون مجوز به مرز محدودیت تردد برسد. همچنین بر اساس ساختار این منطقه، موتور سیکلت به راحتی به جای اتومبیل راند. در این منطقه موتورسیکلت ها به عنوان وسیله نقلیه عمومی کار می کنند و افراد زیادی از این نوع حمل و نقل مانند تاکسی یا اتوبوس استفاده می کنند. روزهای سیاه منطقه CBD یکشنبه و دوشنبه است. دلیل آن کاملاً مشخص نیست اما بر اساس فرهنگ فعالیت معمولاً مردم اوقات فراغت خود را به CBD از شنبه (روز اول) به یکشنبه و دوشنبه موکول می کنند زیرا فکر می کنند روز اول بسیار شلوغ است. همچنین از آنجایی که جمعه تعطیلات آخر هفته است و مردم در این روز سرگرمی و اوقات فراغت انجام می‌دهند، پس ترجیح می‌دهند روز به آخر هفته در خانه بمانند.

منطقه شهری تهران یا ضلع درونی شهر با الگوی متفاوتی از UTA بین شهر (منطقه شهری و CBD) و منطقه حومه شهر مواجه است. شبکه حمل و نقل تهران دارای الگوی شعاعی از جاده ها است که تابش به بیرون دارد. جاده ها بر اساس مکان، اهمیت (کاربری زمینی که در آن خدمت می کنند)، عرض و طول، حجم ترافیک و بارهای حمل شده طبقه بندی می شوند [ 13 ]. نوع اصلی راه های شبکه حمل و نقل شهر تهران به سه دسته بزرگراه، راه های اولیه، راه های فرعی و راه های سوم طبقه بندی می شود. این نوع جاده ها تأثیر مستقیمی بر جریان ترافیک، ازدحام و الگوی UTA دارند.

افراد زیادی در شهر کرج (یکی از بزرگ‌ترین شهرهای روستایی) و سایر شهرهای اطراف زندگی می‌کنند، اما در شهر تهران کار یا تحصیل می‌کنند و به این ترتیب از کرج به تهران رفت و آمد می‌کنند. این تفاوت بین محل سکونت و زندگی روزمره شامل کار و تحصیل، الگوی خاصی از پویایی شهری، سفرهای روزانه شهری و UTAها را ایجاد می کند. این تفاوت ها به وضوح تأثیر فعالیت های اجتماعی-اقتصادی را بر برابری و کمیت UTA، حجم ترافیک و الگوهای ترافیک نشان می دهد. علاوه بر این، فعالیت‌های مذهبی تهران و همچنین فعالیت‌های اجتماعی و برخی رویدادهای ورزشی در بزرگ‌ترین و معروف‌ترین استادیوم ایران (ورزشگاه آزادی) برگزار می‌شود و برخی رویدادهای خاص مانند ماه رمضان، الگوهای متمایزی را از زمان و مکان وقوع UTA در داخل کشور نشان می‌دهد. شهر. دانش رانندگی، فرهنگ و رفتارهایی مانند کار، مدرسه و معاشرت بر UTAها تأثیر می گذارد [14] . فعالیت های اجتماعی، اقتصادی و فرهنگی بر ترتیب مکانی و زمانی UTAs در تهران تأثیر می گذارد. تجزیه و تحلیل فضایی UTAها با استفاده از GIS، کشف مکان و زمان وقوع UTAها، ممکن است امکان دستیابی به درک بیشتر را فراهم کند. درک الگوها و دلایل UTA بر تصمیمات مربوط به جاده های بهبود یافته و ایمن تر تأثیر می گذارد. نتایج نشان می‌دهد که FAهای بیشتری در مناطق کمتر شهری و پرجمعیت، با بزرگراه‌های بیشتر و جاده‌های عریض رخ داده است. یافته‌های من آن نقاط داغ FA را در مناطقی با حجم ترافیک کم و مناطق مسکونی کمتر، انواع جاده‌های بزرگراه و آزادراه، جاده‌های همگرا با کنترل پلیس کمتر، و مناطق با محدودیت سرعت بالاتر نشان داد. آنها همچنین کمتر شهری هستند و تمرکز کمتری از فعالیت ها و در نتیجه حجم کم ترافیک دارند. پراکندگی فضایی UTAها در شهر تهران نشان داد که UTAها از سمت غرب شهر به سمت جنوب که از خیابان آزادی تا کازانه است بیشتر برجسته می شوند. این الگو ناشی از قرارگیری دو پایانه مسافربری اصلی و بزرگ است که یکی در غرب و دیگری در جنوب و در امتداد بزرگراه قرار دارند. این دو تسهیلات به وضوح نحوه ارتباط ایالات متحده با UTAها را بیان می کنند.

یافته‌ها نشان داد که نوع جاده بزرگراه و آزادراه با سطوح سرعت بالا دارای نرخ بالاتری از تصادفات و تصادفات ناشی از جراحات است که یک نقطه سیاه‌تر است. در شهر تهران بزرگراه های اصلی و قابل استفاده ترین مسیر از ورودی های شرقی و جنوبی شهر قرار گرفته و در داخل شهر ادامه داشته است. مناطق پرجمعیت تر، مانند منطقه شهری یا درون شهر، به طور مداوم به عنوان نقاط داغ برای حوادث ناشی از جراحات شناسایی می شوند، در حالی که CBD، به عنوان پرجمعیت ترین و پویاترین منطقه، به عنوان امن ترین منطقه با کمترین نقاط داغ شناخته می شود. این الگو به وضوح نشان می دهد که مناطق شهری تر با تراکم ساختمان ها و جمعیت بالا در مقایسه با محدوده برون شهری حجم ترافیکی قابل توجهی دارند، بنابراین شدت تصادفات متفاوت است. با افزایش سرعت رانندگان، تعداد نقاط و شدت تصادفات افزایش می یابد. نتایج نشان داد که نقاط مهم FA در بزرگراه‌ها و آزادراه‌هایی که مردم سریع‌تر رانندگی می‌کنند، کمک می‌کنند. و مطابق با احساسات و فرهنگ درونی آنها باشند. نتایج نشان داد که منطقه‌ای با تراکم جمعیت و اشتغال بالاتر و بزرگراه‌ها، آزادراه‌ها و مناطق محدود ترافیک کمتر، تمایل به داشتن FA کمتر دارد و در مقابل، UTAهای بیشتری را می‌توان در مناطقی با بزرگراه‌ها و آزادراه‌های بیشتر مشاهده کرد. UTAهای کمتر در مناطقی با بزرگراه ها و آزادراه های کمتر ممکن است ناشی از دو عامل اصلی باشد: اولی کنترل شدید پلیس و دومی رانندگی با احتیاط بیشتر با سرعت کمتر به علاوه نظارت پلیس. شدت تصادف با توجه به حجم ترافیک و فعالیت های شهر کاهش یافت. جاده های شلوغ بیشتر برابر است با UTA های بیشتر اما شدت کمتر. حجم ترافیک بر نوع و شدت تصادفات تأثیر می گذارد، زیرا با کاهش ازدحام بر سرعت تأثیر می گذارد. با استفاده از تحلیل زمانی و مکانی، دریافتم که در شهر تهران، UTAهای بیشتری در روزهای شنبه، یکشنبه و پنج شنبه بر اساس مناطق و ویژگی های جغرافیایی محیط رخ داده است. برای منطقه برون شهری، پنجشنبه و جمعه بر اساس تعداد و نوع تصادفات روزهای سیاه است. در CBD، یکشنبه ها و دوشنبه ها به عنوان روزهای گرم یا سیاه شناخته شدند. در CBD، بیشتر اوقات، به ویژه در طول RH، یکشنبه ها و دوشنبه ها به عنوان روزهای گرم یا سیاه شناخته می شدند. در CBD، بیشتر اوقات، به ویژه در طول RH، یکشنبه ها و دوشنبه ها به عنوان روزهای گرم یا سیاه شناخته می شدند. در CBD، بیشتر اوقات، به ویژه در طول RH،

با توجه به زمان روز، مشخص شد که UTA در زمان‌های مختلف در مناطق مختلف رخ می‌دهد، زیرا زمان مناطق برای تولید سفرهای روزانه شهری متفاوت است. از بین همه UTA، بیشتر بین ساعت 8:00 تا 20:00 رخ داده است. نتایج تجزیه و تحلیل مکانی-زمانی UTAها در شهر تهران نشان می‌دهد که الگوهای نقاط کانونی بر اساس زمان، مکان و ایالات متحده تغییر می‌کنند. مشخص شد که بروز UTAها به دلیل عوامل مختلفی است که مهمترین آنها زمان، ایالات متحده (مناطق)، کاربری اراضی و جمعیت است که روابط متقابلی با یکدیگر دارند. ویژگی های کاربری اراضی تعیین کننده عملکرد یک منطقه و جمعیت تعیین کننده میزان فعالیت در منطقه است. مقوله کاربری زمین تأثیر مستقیمی بر خطر بالقوه UTA دارد. در شهر تهران، مقوله کاربری اراضی و فعالیت‌های شهری که مختص مناطق مختلف است، به طور قابل توجهی در نوع، نوع و میزان UTA ها نقش دارند. تعامل UTA و کاربری زمین می تواند بین مناطق یا درون یک منطقه اتفاق بیفتد. احتمال و میزان UTAها در منطقه شهری تهران به دلیل کاربری مختلط ایجاد شده در داخل منطقه وجود دارد. منطقه شهری تهران ترکیبی از اقامتگاه ها، امکانات بهداشتی و اداری، تفریحی و مراکز خرید است. هنگامی که کاربری زمین به عنوان داشتن یک هدف واحد، مانند کاربری صنعتی در یک منطقه حومه شهر تعریف می شود، تعامل کاربری زمین و حمل و نقل تمایل دارد بین یا درون مناطق رخ دهد. منطقه شهری تهران ترکیبی از اقامتگاه ها، امکانات بهداشتی و اداری، تفریحی و مراکز خرید است. هنگامی که کاربری زمین به عنوان داشتن یک هدف واحد، مانند کاربری صنعتی در یک منطقه حومه شهر تعریف می شود، تعامل کاربری زمین و حمل و نقل تمایل دارد بین یا درون مناطق رخ دهد. منطقه شهری تهران ترکیبی از اقامتگاه ها، امکانات بهداشتی و اداری، تفریحی و مراکز خرید است. هنگامی که کاربری زمین به عنوان داشتن یک هدف واحد، مانند کاربری صنعتی در یک منطقه حومه شهر تعریف می شود، تعامل کاربری زمین و حمل و نقل تمایل دارد بین یا درون مناطق رخ دهد.

برخی از مقوله‌های کاربری زمین اثرات متفاوتی بر شدت UTA در دوره‌های مختلف RH و غیرRH دارند. به عنوان مثال، در CBD، امکانات تجاری و بازار بزرگ به عنوان جاذبه سفر در زمان کار عمل می‌کنند، در حالی که بیشتر امکانات تفریحی و فعالیت‌های کاربری زمین مسکونی افراد را بعد از ساعات کاری جذب می‌کنند. بنابراین الگوهای متفاوتی در UTAها با توجه به RHها و غیر RHها در دسته کاربری اراضی ایجاد می شود.

برای همه نتایج کشنده، بیشتر نقاط داغ در منطقه محلی قرار دارند که در آن راهروهای پرسرعت و شریان‌های اصلی بیشتر قرار دارند. دسته کاربری زمین و تراکم شهری با افزایش تعداد UTA و صدمات جدی همراه بود.

بر اساس روش شناسی در این مطالعه، زمان یک عامل مهم در UTAها است که تأثیر مستقیمی بر سطح ازدحام شبکه حمل و نقل، حالت حمل و نقل، فعالیت روزانه شهری، سفرهای روزانه شهری، تحرک دارد که بر سطح سرعت تأثیر می گذارد. در طول RH و زمانی که شبکه حمل و نقل شلوغ است، کاهش سرعت شدت UTA را کاهش داد، که نشان داد سرعت سفر یک عامل کلیدی است که تحت‌تاثیر طبقه‌بندی کاربری زمین، جمعیت، دانش رانندگان و فرهنگ قرار می‌گیرد. تغییرات دوره به وضوح نشان می دهد که دوره سیاه بر اساس طبقه کاربری اراضی و مناطق شهری در حال تغییر است.

همانطور که انتظار می رفت، توزیع UTA ها در یک منطقه شهری یکسان نبود. بنابراین، شناسایی مکان‌ها یا نقاط حساس UTA مهم است. اگرچه یک تعریف کاملاً مشخص برای “نقطه سیاه” برای UTA وجود دارد، اقدامات ایمنی در مناطق شهری چندان آسان یا ساده نیست. عمدتاً به دلیل شبکه پیچیده راه در مناطق شهری، تعریف یک بخش واحد آسان نیست. به همین دلیل، هیچ تعریف دقیقی از نقاط مهم UTA وجود ندارد. تعریف نقاط داغ در مناطق شهری نیز می تواند بر اساس دامنه مطالعه متفاوت باشد.

برای پرداختن به این عوارض در تحلیل‌های ایمنی ترافیک شهری، توسعه یک چارچوب روش‌شناختی برای مطالعه نقاط داغ در مناطق شهری، که تمرکز اصلی این مطالعه است، مهم است. روش پیشنهادی نه تنها بر تشخیص نقاط حساس UTA، بلکه بر ارزیابی توزیع آنها با توجه به ویژگی‌های محیط ساخته شده متمرکز بود. ArcGIS که خوشه‌ها را تولید می‌کند، فرآیند تشخیص نقطه‌های مهم را فراهم می‌کند. روابط محیطی ساخته شده در سطح مناطق شهری و فاصله تا کاربری مورد تجزیه و تحلیل قرار می گیرد. در حالی که تمام محاسبات در یک محیط GIS انجام می شود، اهمیت روابط از طریق ابزارهای آماری آزمایش می شود ( جدول 7 ).

هدف اصلی این تجزیه و تحلیل، بررسی ساختار مکانی و زمانی UTAها بود. برای دستیابی به این، تحلیل‌های زمانی و مکانی برای مناطق مختلف فضایی (CBD، شهری و حومه‌ای) انجام شد. وقتی اینها با هم ترکیب شدند، مشخص شد که احتمال بیشتری برای توزیع موقتی دارند. CBDUTAs بیشتر در اوج صبح رخ می دهد. با این حال، احتمالاً UTAهای بیشتری در طول دوره بعد از ظهر در مناطق شهری و به ویژه از ساعت 14:00 تا 17:00 رخ می دهد. این به دلیل تعداد بالای کارگران یا خریداران در شهر است که باعث مکرر UTAهای وسایل نقلیه عابر پیاده می شود در حالی که زمان سیاه برای UTAهای حومه شهر بعد از نیمه شب است. همچنین متوجه شدم که تلفات یا آسیب UTA ها بیشتر در طول روز اتفاق می افتد، در حالی که UTA های کشنده و آسیب زا بیشتر در شب اتفاق می افتد. برای نشان دادن خوشه بندی فرکانس UTA، و در نتیجه مناطق هات اسپات فضایی را نشان می دهد، KDE اعمال شد. در حالی که تجزیه و تحلیل در مقیاس فضایی بزرگتر یک نمای کلی از ماهیت UTA ها ارائه می دهد، روندها و الگوهای اساسی را که ممکن است برای درک ویژگی های UTA ها بر اساس کاربری زمین و جمعیت مفید باشد، آشکار نمی کند. برای درک رابطه بین وقوع UTA و کاربری زمین، مناطق شهری را می توان به زیر منطقه تقسیم کرد. مناطق مسکونی، تجاری، آموزشی، صنعتی و غیر شهری از جمله مناطق دیگر را می توان با دقت بیشتری برای درک رابطه بین نقاط مهم UTA و کاربری زمین تعریف کرد. روندها و الگوهای اساسی را که ممکن است برای درک ویژگی های UTA ها بر اساس کاربری زمین و جمعیت مفید باشد، آشکار نمی کند. برای درک رابطه بین وقوع UTA و کاربری زمین، مناطق شهری را می توان به زیر منطقه تقسیم کرد. مناطق مسکونی، تجاری، آموزشی، صنعتی و غیر شهری از جمله مناطق دیگر را می توان با دقت بیشتری برای درک رابطه بین نقاط مهم UTA و کاربری زمین تعریف کرد. روندها و الگوهای اساسی را که ممکن است برای درک ویژگی های UTA ها بر اساس کاربری زمین و جمعیت مفید باشد، آشکار نمی کند. برای درک رابطه بین وقوع UTA و کاربری زمین، مناطق شهری را می توان به زیر منطقه تقسیم کرد. مناطق مسکونی، تجاری، آموزشی، صنعتی و غیر شهری از جمله مناطق دیگر را می توان با دقت بیشتری برای درک رابطه بین نقاط مهم UTA و کاربری زمین تعریف کرد.جدول 8 ). علاوه بر این، در صورت وجود، اطلاعات کاربری زمین باید مورد استفاده قرار گیرد. تجزیه و تحلیل نقاط حساس با اطلاعات کاربری زمین ممکن است برای مقامات ایمنی ترافیک آموزنده تر باشد.

همانطور که انتظار می‌رفت، تعداد نقاط مهم به‌دست‌آمده از همه UTA تفاوت‌هایی را در زمان و مناطق مختلف نشان می‌دهد. با توجه به همه نتایج، می توان گفت که اکثر نقاط داغ در منطقه سوم قرار دارند که کریدورهای پرسرعت، صنایع اولیه و کارخانه ها بیشتر در آن قرار دارند. بیش از نیمی از تعداد کل هات اسپات های محاسبه شده در منطقه سوم که راهروهای پرسرعت و شریان های اصلی قرار دارند دیده می شود. مسئولان ایمنی ترافیک باید از این وضعیت آگاه باشند زیرا نزدیک به نیمی از کل نقاط داغ محاسبه شده در این منطقه دیده می شود.

نقاط آسیب دیدگی نیز بر اساس زمان و مناطق مختلف محاسبه می شود. بارزترین نتیجه ای که از تجزیه و تحلیل هات اسپات UTAهای عابر پیاده به دست می آید این است که بیشتر نقاط داغ در منطقه دوم قرار دارند که مناطق سکونتگاهی بیشتر در آن دیده می شود. همانطور که انتظار می رود، بیش از نیمی از تعداد کل کانون ها در منطقه دوم متمرکز شده است. این وضعیت ممکن است ناشی از تحرک کم فعالیت های پیاده در مقایسه با سایر مناطق باشد. کانون های UTA کمتری در CBD دیده می شود. این ممکن است به دلیل محدودیت های ترافیکی سختگیرانه در CBD باشد که فقط به برخی خودروها اجازه ورود به این منطقه را می دهد.

مکان‌های کانونی مبتنی بر زمان نیز در منطقه مورد مطالعه پراکنده شده‌اند. در تمام دوره‌ها، نقاط داغ مشاهده‌شده در CBD حداقل هستند، با توجه به اینکه توزیع یکنواخت تعداد کانون‌ها در چهار دوره زمانی تفاوت‌هایی را نشان می‌دهد، ناحیه شهری و منطقه حومه‌ای دارای مقادیر بالاتر از حد انتظار هستند. بر این اساس تعداد کانون های مشاهده شده برای بازه های زمانی صبح و شب کمتر از حد انتظار است. در مقابل، زمانی که بعدازظهر تعطیل و دوره‌های شبانه در نظر گرفته می‌شود، نرخ یافت شده بالاتر از تعداد نقاط مورد انتظار است. توزیع زمانی نقاط داغ تفاوت هایی را نشان می دهد. بر این اساس، نقاط حساس کمتری در مقایسه با مقادیر مورد انتظار برای اوج صبح و شب UTA مشاهده می شود. از سوی دیگر،

در این تحقیق سعی شده است تا روابط بین کاربری های مختلف ایالات متحده و UTA در شهر تهران را مورد بررسی و تبیین قرار دهم. نتایج نشان داد که کاربری‌های مختلف زمین، انواع مختلفی از حرکت شهری و انسانی را ایجاد می‌کنند که با استفاده از شیوه‌های مختلف حمل‌ونقل برای رسیدن به مراکز مختلف فعالیت انجام می‌شود. ارتباط بین جریان ترافیک و کاربری زمین، UTAهای جاده ای را در منطقه شهری ایجاد می کند، که زمانی رخ می دهد که تعامل بین خودروها، کاربران شبکه حمل و نقل و جاده ها معیوب شود. یافته ها نشان داد که کاربری زمین تنها عامل تعیین کننده UTA جاده نیست. موارد دیگری مانند افزایش جریان ترافیک، رانندگی خطرناک، عدم تمرکز، امتناع از رعایت قوانین راهنمایی و رانندگی و عیوب مکانیکی نیز از عوامل اصلی UTA جاده ای در شهر تهران هستند. ارزیابی نتایج نشان می دهد که مناطق شهری با کاربری تجاری و اداری، و مناطق حومه با کاربری صنعتی از نظر UTAهای کشنده و زیان آور بسیار خطرناک هستند. این وضعیت ممکن است به دلیل طراحی هندسی ضعیف یا مقررات ناکافی رخ دهد. برای تامین ایمنی ترافیک، می توان تلاش بیشتری برای توسعه و مدیریت ساختار مناطق انجام داد. هنگام ایجاد یا بهبود هندسه جاده ها، مسائل ایمنی ترافیک باید در نظر گرفته شود. به جای اولویت دادن به خودرو، اولویت های عابر پیاده باید در نظر گرفته شود. از طرفی به خصوص در تهران پروفیل سرعت بالاتر از سرعت های مورد نظر است. این وضعیت برای همه مناطق در منطقه مورد مطالعه صادق است. در CBD و مناطق مسکونی، میانگین سرعت باید 30 کیلومتر در ساعت باشد. با این حال، مشخصات سرعت بیشتر در 50 کیلومتر در ساعت و بیشتر دیده می شود. این مشکل از طراحی نادرست جاده ها ناشی می شود. در تهران، حمل و نقل با در نظر گرفتن اولویت های وسیله نقلیه برنامه ریزی شده است. این را می توان به وضوح از طراحی بدون توقف جاده های شریانی مشاهده کرد. حتی در مناطق شهری که مناطق مسکونی بیشتر دیده می شود، سرعت بیش از 50 کیلومتر در ساعت مشاهده می شود. در ساعات کم پیک، سرعت می تواند به 70 تا 90 کیلومتر در ساعت برسد. سرعت بالا در جاده های شریانی، به ویژه در مناطق مسکونی، منجر به وقوع تعداد زیادی UTA می شود. به طور خلاصه، بدیهی است که برای تامین ایمنی ترافیک در شهر تهران، سرعت و حجم ترافیک باید توسط مسئولان ایمنی ترافیک کنترل شود. سرعت می تواند به 70 تا 90 کیلومتر در ساعت برسد. سرعت بالا در جاده های شریانی، به ویژه در مناطق مسکونی، منجر به وقوع تعداد زیادی UTA می شود. به طور خلاصه، بدیهی است که برای تامین ایمنی ترافیک در شهر تهران، سرعت و حجم ترافیک باید توسط مسئولان ایمنی ترافیک کنترل شود. سرعت می تواند به 70 تا 90 کیلومتر در ساعت برسد. سرعت بالا در جاده های شریانی، به ویژه در مناطق مسکونی، منجر به وقوع تعداد زیادی UTA می شود. به طور خلاصه، بدیهی است که برای تامین ایمنی ترافیک در شهر تهران، سرعت و حجم ترافیک باید توسط مسئولان ایمنی ترافیک کنترل شود.

توزیع نقاط داغ UTA نشان می دهد که در CBD، تعداد نقاط حساس مشاهده شده کمتر از حد انتظار است که کل منطقه شهری در منطقه در نظر گرفته شود. از آنجایی که CBD یک مرکز اشتغال است و تعداد سفرهای بیشتری را در هر کیلومتر مربع نسبت به مناطق دیگر جذب می کند، تحرک فعالیت های عابران پیاده و حجم ترافیک بیشتر از سایر مناطق است، اما محدودیت های ترافیکی سختگیرانه نیز این منطقه را ایمن تر می کند. برای تأمین ایمنی، مقرراتی می‌تواند در مناطق دیگر نیز اعمال شود.

در مورد تجزیه و تحلیل عوامل دموگرافیک بر اساس داده های سرشماری تهران و نتایج پرسشنامه، گروه سنی در معرض بالاترین خطر استخراج شده است. سن اکثر رانندگانی که در رده های مرگ و میر و مجروح تصادفات نقش داشته اند بین 19 تا 39 سال هستند. آنها همچنین معتقدند که قوانین مقررات راهنمایی و رانندگی نمی تواند آنها را از نقض قوانین باز دارد. بر اساس داده های تفسیر شده، مردم درک می کنند که مجازات های فعلی به اندازه کافی قوی نیستند: هر کسی می تواند به راحتی قوانین را زیر پا بگذارد و جریمه را بپردازد، جریمه های فعلی به اندازه کافی بازدارنده هستند و هر کسی به راحتی می تواند قانون را زیر پا بگذارد و آن را با پول بخرد. البته جریمه ها وقتی خیلی ارزان هستند اصلا جواب نمی دهند. به طور خلاصه مشخص شد که تابستان بیشترین میزان UTA را به خود اختصاص می دهد، اما تفاوت بسیار زیادی بین تابستان و سایر فصول وجود ندارد.

در دوره مورد مطالعه، ماه رمضان در مرداد ماه بود. تغییر در الگوهای خواب، وعده های غذایی با هم، روزه گرفتن در طول روز، و میزان بالای پویایی شهری در بیش از یک حوزه زندگی، شامل خواب آلودگی، افزایش تحریک پذیری، کاهش تمرکز و کاهش عملکرد فیزیکی است. در نتیجه، مشخص شد که در ماه رمضان، تغییرات در وعده‌های غذایی و رفتار استراحت بر پویایی شهری، الگوهای حرکتی انسان و الگوی UTA تأثیر می‌گذارد. کاهش ساعات کاری در تهران و سایر شهرهای ایران و تغییر ساعت کاری بر الگوی و تعداد UTA در شهر تهران تأثیر مستقیم دارد. به این ترتیب میزان UTA جاده ای در ماه رمضان نسبت به ماه های دیگر کمتر بود.

حداقل نرخ UTA مربوط به روز جمعه بوده است زیرا جمعه در تقویم ایران آخر هفته است. UTA بیشتر بین ساعت 14:00 تا 16:00 در شهر تهران رخ می دهد زیرا اکثر مدارس، دانشگاه ها و حتی ادارات اداری در این ساعت به پایان می رسند. این مطالعه نشان داد که مقوله‌های کاربری زمین، ویژگی‌های فیزیکی محیط، و ساختار شهری همگی بر رانندگان و رفتار انسان تأثیر دارند. نرخ UTA پنج‌شنبه‌ها در شهر تهران بالاست زیرا آخرین روز هفته است. ساعت 18:00 الی 21:00 آخرین دوره کاری در آخرین روز کاری هفته است و پس از ساعت 21:00 مشاغل و فروشگاه های بزرگ تعطیل می شوند.

UTA ها رویدادهای پیچیده ای هستند و بسیاری از عوامل مختلف بر آن تأثیر دارند. در این مطالعه، مشخص شد که زمان‌ها و الگوهای وقوع UTA بر اساس پویایی شهری، حجم ترافیک و تحرک شهری تغییر می‌کند. من 64421 UTA را که در سال 2011 در تهران اتفاق افتاد را بررسی کردم. این UTA ها در شهر تهران ممکن است در هر روز و در هر زمانی رخ دهد و عوارض جانبی منفی زیادی را به همراه داشته باشد. مشخص شد که بروز UTA در طول زمان و در ایالات متحده، از جمله مناطق، جمعیت، کاربری زمین، و انواع جاده‌ها ارتباط نزدیکی با دسته کاربری زیربنایی و ویژگی‌های جغرافیایی منطقه دارد. این مطالعه به تجزیه و تحلیل مکانی-زمانی UTAs در شهر تهران پرداخته و به بررسی رابطه بین UTAs و ایالات متحده از جمله کاربری زمین و جمعیت در شهر تهران پرداخته است. این تحقیق همچنین به دنبال توسعه یک رویکرد مبتنی بر GIS برای انجام تجزیه و تحلیل خطر تصادفات نسبی مبتنی بر پیوند در سطح منطقه است. این روش برای گرفتن الگوهای مکانی و زمانی عوامل خطر برای UTA و شناسایی بخش‌های پرخطر واقعی شبکه ترافیک استفاده شد. تجزیه و تحلیل خوشه‌ای و KDE برای تخمین مکانی ریسک‌های مشاهده‌شده با واریانس قابل‌توجه و عدم قطعیت بالا، و برای بررسی گرایش‌های ایمنی واقعی زیربنای داده‌های UTA کافی هستند. روش KDE و روش تحلیل خوشه‌ای در این مطالعه به عنوان ابزاری برای تولید نقشه‌های ریسک نسبی و بررسی مناطق واقعی با نرخ بالای UTA استفاده شد. توزیع کانون‌های UTA نشان می‌دهد که در CBD، تعداد کانون‌های مشاهده شده کم است. از آنجایی که CBD یک مرکز اشتغال است و سفرهای بسیار بیشتری را در هر کیلومتر مربع نسبت به مناطق دیگر جذب می کند، تحرک فعالیت های پیاده در مقایسه با مناطق دیگر بیشتر است. با این حال، محدودیت های ترافیکی، سیستم مترو جذاب و منطقه ای با نفوذ گسترده، این منطقه را ایمن می کند. با توجه به نتایج مرگبار، بیشتر نقاط داغ در منطقه حومه شهر قرار دارند که اکثر راهروهای پرسرعت و جاده های شریانی اصلی در آن قرار دارند. مقوله کاربری زمین و تراکم شهری با افزایش تعداد UTAها و صدمات جدی همراه بود. اکثر نقاط مهم در منطقه حومه شهر قرار دارند که در آن بیشتر راهروهای پرسرعت و جاده های شریانی اصلی قرار دارند. مقوله کاربری زمین و تراکم شهری با افزایش تعداد UTAها و صدمات جدی همراه بود. اکثر نقاط مهم در منطقه حومه شهر قرار دارند که در آن بیشتر راهروهای پرسرعت و جاده های شریانی اصلی قرار دارند. مقوله کاربری زمین و تراکم شهری با افزایش تعداد UTAها و صدمات جدی همراه بود.

تغییرات زمانی به وضوح نشان می دهد که دوره سیاه بر اساس طبقه کاربری اراضی و پهنه شهری در حال تغییر است. نتایج تحلیل مکانی و زمانی نشان می‌دهد که مناطق حومه شهر با کاربری صنعتی، نوع کاربری اصلی زمین مرتبط با UTAهای خطرناک یا کشنده هستند. علاوه بر این، CBD، با نرخ بالای تحرک شهری اما تراکم کم مناطق مسکونی، پویاترین منطقه است و با تصادفات کمتری در تعداد و شدت همراه است. نتایج زمانی تغییرات، الگوها و وقوع UTAها در شهر تهران را بر اساس فصل، ماه، روز و ساعت نشان می‌دهد. برای همه UTAها در هر فصل و در هفته، تابستان فصل سیاه بر اساس افزایش تحرک شهری و UTAهای کشنده است. روزهای اخیر بیشتر اتفاق می‌افتد و پنجشنبه و دوشنبه کم‌خطرترین روزها هستند. پس از آن آخر هفته (جمعه)، که نسبتا بی ضررتر است. این الگوی روزانه به وضوح اثرات تحرک شهری و سفرهای روزانه شهری را بر نرخ UTA نشان می دهد.

در یک بازه زمانی 24 ساعته، روز نسبت به شب از امنیت کمتری برخوردار است، به ویژه در بعد از ظهر (15:00 تا 16:00) که کمترین زمان امن در تمام روزها است. در روزهای هفته و جمعه، دو پیک خطر ثابت در روز وجود دارد: اوج صبح (7:00 تا 9:00) و اوج بعد از ظهر (14:00 تا 16:00). در UTAهای مورد بررسی در تهران، نقاط حساس شناسایی شده قابل توجه بودند. با توجه به ایمنی ترافیک، نتایج زیر از یافته ها به دست آمد.

مشاهده شد که الگوی چگالی UTA در مناطق و دوره های زمانی مختلف به طور چشمگیری تغییر کرده است. از این رو، هرگونه تغییر در مجاورت مقاطع راه باید از نظر ایمنی در مکان و زمان ارزیابی شود. مراکز خرید تعداد UTA ها را به میزان قابل توجهی افزایش می دهند و بنابراین در صورت عدم سازگاری محیط اطراف، خطر UTA را در اطراف آنها افزایش می دهند. منطقه حومه شهر با کاربری صنعتی به تعداد UTA های ناشی از سرعت زیاد در بزرگراه ها مربوط می شود.

مشاهده شد که الگوی چگالی UTA به طور چشمگیری در مناطق مختلف بر اساس ساعت به ساعت و بر اساس RH ها تغییر می کند. UTAهای بیشتر اما با شدت کمتر در طول روز در تهران رخ داد که ترافیک در شهر شلوغ است و ازدحام در شبکه حمل و نقل عمومی وجود دارد. معمولاً این حالت در دو زمان از روز رایج است، ابتدا در RH صبح و سپس در RH بعدازظهر و عصر، زمان هایی که اکثر مردم رفت و آمد می کنند و شهر پویایی خاصی دارد. این شرایط بسیار گسترده است و اغلب به طور خاص به پویایی شهری اشاره دارد که حجم زیادی از خودروها وجود دارد، مردم در جاده هستند و برخی اختلالات در سرعت وجود دارد.

مناطق مختلف دارای RH های مختلف هستند. این باعث می‌شود که مناطق CBD، شهری و حومه‌ای الگوی تراکم متفاوتی داشته باشند و باعث UTA نیز می‌شود. این به خاطر تعداد زیادی از مردم است که در فعالیت هایی که شامل استفاده از اتومبیل یا وسایل حمل و نقل عمومی آنها می شود، می پردازند. این رانندگان اغلب به رستوران‌ها، مکان‌های کاربری اداری و تجاری در منطقه شهری و مکان‌های صنعتی و گورستان‌ها در منطقه حومه شهر که وسایل نقلیه شلوغ است و منطقه به دلیل جمعیت آن پویاتر است، می‌روند. مناطق آکادمیک، که به مناطقی با مدارس، مؤسسات، دانشگاه‌ها و امکانات آموزشی بیشتر اشاره می‌کنند، ممکن است حجم بیشتری از ترافیک و ازدحام داشته باشند. بدین ترتیب، دسته بندی های مختلف کاربری زمین و عملکردهای مختلف مناطق با RH های مختلف در مناطق به الگوی فضایی مختلف UTAs در داخل شهر کمک می کند. روزهای پنجشنبه مدارس و ادارات اداری بر اساس برنامه نیم روزه هستند و بسیاری از مردم فقط نیمه وقت کار می کنند. این امر زمان بیشتری را برای تفریح، خرید و هر فعالیت دیگری باقی می گذارد. این باعث می شود RH متفاوتی در روزهای پنجشنبه به عنوان روز قبل از تعطیلات آخر هفته ایجاد شود. این مقداری بار ترافیکی را از RH بعدازظهر می گیرد و بنابراین RH صبح را به شدیدترین زمان روز تبدیل می کند. علاوه بر این، تجزیه و تحلیل مکانی و تجزیه و تحلیل مکانی و زمانی ریسک‌های نسبی UTA به بخش‌های پرخطر شبکه حمل‌ونقل برای مناطق مختلف شهر و کاربری‌های مختلف زمین و همچنین فصول، ماه‌ها، روزها و زمان‌ها اشاره می‌کند. مدارس و دفاتر اداری در یک برنامه نیم روزه هستند و بسیاری از مردم فقط نیمه وقت کار می کنند. این امر زمان بیشتری را برای تفریح، خرید و هر فعالیت دیگری باقی می گذارد. این باعث می شود RH متفاوتی در روزهای پنجشنبه به عنوان روز قبل از تعطیلات آخر هفته ایجاد شود. این مقداری بار ترافیکی را از RH بعدازظهر می گیرد و بنابراین RH صبح را به شدیدترین زمان روز تبدیل می کند. علاوه بر این، تجزیه و تحلیل مکانی و تجزیه و تحلیل مکانی و زمانی ریسک‌های نسبی UTA به بخش‌های پرخطر شبکه حمل‌ونقل برای مناطق مختلف شهر و کاربری‌های مختلف زمین و همچنین فصول، ماه‌ها، روزها و زمان‌ها اشاره می‌کند. مدارس و دفاتر اداری در یک برنامه نیم روزه هستند و بسیاری از مردم فقط نیمه وقت کار می کنند. این امر زمان بیشتری را برای تفریح، خرید و هر فعالیت دیگری باقی می گذارد. این باعث می شود RH متفاوتی در روزهای پنجشنبه به عنوان روز قبل از تعطیلات آخر هفته ایجاد شود. این مقداری بار ترافیکی را از RH بعدازظهر می گیرد و بنابراین RH صبح را به شدیدترین زمان روز تبدیل می کند. علاوه بر این، تجزیه و تحلیل مکانی و تجزیه و تحلیل مکانی و زمانی ریسک‌های نسبی UTA به بخش‌های پرخطر شبکه حمل‌ونقل برای مناطق مختلف شهر و کاربری‌های مختلف زمین و همچنین فصول، ماه‌ها، روزها و زمان‌ها اشاره می‌کند. و بنابراین RH صبح را به شدیدترین زمان روز تبدیل می کند. علاوه بر این، تجزیه و تحلیل مکانی و تجزیه و تحلیل مکانی و زمانی ریسک‌های نسبی UTA به بخش‌های پرخطر شبکه حمل‌ونقل برای مناطق مختلف شهر و کاربری‌های مختلف زمین و همچنین فصول، ماه‌ها، روزها و زمان‌ها اشاره می‌کند. و بنابراین RH صبح را به شدیدترین زمان روز تبدیل می کند. علاوه بر این، تجزیه و تحلیل مکانی و تجزیه و تحلیل مکانی و زمانی ریسک‌های نسبی UTA به بخش‌های پرخطر شبکه حمل‌ونقل برای مناطق مختلف شهر و کاربری‌های مختلف زمین و همچنین فصول، ماه‌ها، روزها و زمان‌ها اشاره می‌کند.

این مطالعه بررسی کرد که چگونه استفاده از زمین باعث ایجاد سفرهای عبور از بحران با استفاده از روش های مختلف حمل و نقل برای انتقال مردم می شود. توضیحی در مورد چگونگی ارتباط با جریان های ترافیک زمینی باعث ایجاد UTAهای جاده ای در تهران می شود. مشخص شد که الگوی مکان یابی کاربری های مختلف در محدوده شهری بازتابی از عوامل اجتماعی-اقتصادی و اکولوژیکی است. همچنین مشخص شد که مناطق مسکونی مناطق سفر یا ترافیک هستند، در حالی که مناطق جذاب خود فعالیت برای محل کار هستند. جابجایی وسایل نقلیه حامل افراد و کالا بین این مناطق منجر به عبور بحران از جریان های ترافیکی می شود که به طور ناخواسته UTAهای جاده ای را همراه با سایر UTAهای شناسایی شده ایجاد می کند. این مطالعه نشان داد که میزان وقوع UTA به دلیل ترافیک جاده‌ای در جاده‌های تعیین‌شده متفاوت است.

یافته‌های این مطالعه می‌تواند کلید مفیدی برای تصمیم‌گیری بهتر در مورد ایمنی ترافیک و سیاست‌های کاهش نرخ و تعداد UTA باشد. نتایج این مطالعه می تواند مورد استفاده پلیس یا سایر ادارات مرتبط با ایمنی ترافیک و حمل و نقل قرار گیرد.

بی توجهی رانندگان ویژگی اصلی UTAهای تهران است. امتناع از اولویت دادن به عابران پیاده و سایر وسایل نقلیه، عدم مسافت کافی یا رانندگی خیلی نزدیک، عدم توجه به خطرات احتمالی و سرعت زیاد مشکلات غالب هستند. یکی از مهمترین مشکلات فرهنگی در UTAهای شهر تهران، تردد عابران پیاده در معابر است. عابران پیاده نیز با توجه نکردن به علائم، در بروز UTA نقش دارند و این امر در معابر جاده ها بزرگتر می شود. در تهران، بسیاری از UTAها در جاده‌هایی اتفاق می‌افتند که هیچ گذرگاهی برای عابران پیاده وجود ندارد، و هنگام حرکت در دو طرف جاده بدون استفاده از پیاده‌روها. برخی دیگر از مشکلات مهم فرهنگی عبارتند از: عدم توجه کافی به تابلوها (اعم از رانندگان و عابر پیاده)، قانون شکنی آسان، داشتن حس انتقام جویی بالا، عوامل قانونی، برخورد با متخلفان، نقض قوانین، عدم اجرای کامل و بازدارنده قوانین، فقدان مجازات هایی که مانع از اعمال نادرست می شود. عوامل انسانی مانند حس و حال راننده، غرور، محرک‌های درونی مانند خشم، استرس و هیجان و رانندگان ناآگاه نیز می‌توانند نقش داشته باشند. نگهداری کافی از خودروها و وسایل نقلیه در طول عمر کاری آنها یکی دیگر از عوامل مهم در رانندگی ایمن است. UTA اغلب توسط وسایل نقلیه قدیمی با نقص های مکانیکی و همچنین اتومبیل های جدید با تعمیر و نگهداری ضعیف ایجاد می شود. با این حال در تهران، اکثر خودروها خودروهای نو هستند. خودروهای قدیمی کمترین تعداد خودرو را به خود اختصاص می‌دهند، اما کیفیت خودروهای جدید عامل مهمی است که شرکت‌های تولیدکننده خودرو مسئول آن هستند. متأسفانه نه دولت و نه نویسنده نتوانستند پاسخی از آنها دریافت کنند. تغییرات UTA بر اساس فصل،شکل 10 و شکل 11 .

5. نتیجه گیری ها

هدف اصلی این مطالعه یک مطالعه تجربی برای تجزیه و تحلیل مکانی و زمانی UTAs در شهر تهران به منظور آشکارسازی الگوها و عوامل مرتبط مهم UTAs در منطقه مورد مطالعه و مقایسه مناطق شهری در سراسر ایالات متحده برای شناسایی رابطه بین ایالات متحده و آمریکا بود. UTA در طول زمان. از آنجایی که تنوع در توزیع UTA در یک دوره 24 ساعته در ایالات متحده رخ می دهد، در فرکانس های UTA بین عوامل مختلف تفاوت وجود دارد که کاربری زمین، جمعیت، نوع جاده و زمان بیشترین عوامل مرتبط در این مطالعه بودند. تنوع قابل توجهی در وقوع UTA در ایالات متحده وجود دارد که 3 منطقه (CBD، منطقه شهری و منطقه حومه) و همچنین زمان است.

این مطالعه قابلیت GIS را در شناسایی مکان‌های UTA در شهر تهران نشان می‌دهد. برای توصیف ویژگی‌های UTAها، مکان آنها، علل اصلی آنها، تأثیرات اجتماعی-اقتصادی آنها از نظر زمانی و مکانی، و پیشنهاد مداخلات مناسب که می‌تواند به کاهش UTAها کمک کند، انجام شد. این مطالعه می تواند برای مقایسه انواع مختلف UTA در رابطه با زمان های مختلف، مناطق مختلف شهری، تغییرات جاده ها، کاربری های زمین و

جمعیت به طور خاص، کار احتمال UTA را در مکان‌های مختلف در ایالات متحده ارائه کرد. تجزیه و تحلیل نشان داد که مناطق حومه شهر و مناطق شهری با بزرگراه های بیشتر دارای بالاترین احتمال تصادفات کشنده و آسیب زا هستند در حالی که CBD بر اساس تعداد و شدت UTA به عنوان امن ترین منطقه شناخته می شود.

یافته های من نشان می دهد که علل UTA در مناطق مختلف متفاوت است. علت UTAها را معمولاً می توان در ترکیبی از شرایط در زنجیره ای از رویدادها ردیابی کرد که با تفسیر روابط بین 1) پویایی شهری 2) کاربر شبکه حمل و نقل، 3) نوع جاده، 4) محیط جاده، به بهترین شکل توصیف می شود. و 5) فرهنگ. از طریق شهر، بر اساس ایالات متحده، چندین منطقه مناطق پرخطر در نظر گرفته می شوند اما CBD مستثنی است. اکثر UTAهای فوتی و مجروح در بزرگراه هایی که در محدوده برون شهری و ورودی اصلی یعنی مناطق جنوب، شرق و شمال غرب تهران قرار دارند، رخ داده است. از این رو بزرگراه ها خطرناک ترین نوع جاده و پهنه برون شهری خطرناک ترین منطقه در شهر تهران هستند. نتایج همچنین نشان می‌دهد که مناطقی با بزرگراه‌ها و آزادراه‌های بیشتر که شهرنشینی کمتری دارند و تراکم جمعیت کمتری دارند، UTA و FAهای خطرناک‌تری دارند. در مقابل، مناطق شهری و مسکونی بیشتر دارای UTAهای بیشتر اما با شدت کمتر هستند. این وضعیت ناشی از یک عامل کلیدی، یعنی سرعت است. در مناطق شهری‌تر با تراکم جمعیت و ساختمان‌ها، حجم ترافیک بیشتر و کنترل پلیس بیشتر، مانند CBD، رانندگان مجبورند بدون توجه به رده کاربری زمین، سرعت را کاهش دهند و با احتیاط بیشتری رانندگی کنند، گاهی اوقات حجم ترافیک شدید است و تصادفات افزایش می‌یابد. بر این اساس، اما شدت آنها کم است. نتایج حاکی از آن است که با کاهش ازدحام و افزایش سرعت، میزان تصادفات افزایش یافته است. تعامل ایمن تر بین ایالات متحده و UTA با سرعت کمتر تشویق می شود. بر اساس روش شناسی این مطالعه، زمان یا ساعت از روز بیشترین بستگی را به نوع، میزان و شدت UTA دارد. انواع تنوع جاده ها در مناطق مختلف به خوبی نشان می دهد که برخلاف بسیاری از شهرهای جهان، بزرگراه ها و بزرگراه های تهران امن ترین برای رانندگی نیستند. این مطالعه نشان داد که مناطقی با تحرک شهری و تراکم جمعیت بیشتر – CBD و منطقه شهری – نرخ UTA نسبتاً بالاتر اما کمتری دارند.15 ] .

متغیرهای مختلفی مانند ماه، نوع روز، زمان، مکان و ساختار محیط اطراف مانند شرایط آب و هوا و روشنایی تأثیرات مختلفی بر میزان و شدت UTA دارند. به همین دلیل فراوانی و وقوع UTA در شهر تهران الگوهای متفاوتی را نشان می دهد. UTAها از نظر زمان و مکان به صورت تصادفی در شهر توزیع می شوند. دلایل مختلفی که باعث UTAهای متعدد می شود عدم اولویت در بین رانندگان، عدم توجه به خطر احتمالی، سرعت بالا و اشتباهات عابر پیاده است.

نقاط UTA با ویژگی های ویژگی ارزشمند می توانند به عنوان ابزار تحلیلی عمل کنند. استفاده از GIS با این داده ها می تواند یک الگوی فضایی خاص را اثبات کند و همچنین می تواند نشان دهد که چگونه الگوهای فضایی UTAها ممکن است بعد فضایی داشته باشند (یعنی رابطه بین زمان و دلایل نتایج UTA از نظر تلفات، جراحات و تلفات). . از این مطالعه می توان برای مقایسه انواع مختلف UTA با توجه به تغییرات زمان و جاده استفاده کرد. به طور خاص، این کار احتمال UTA را در مکان‌های مختلف در شبکه جاده‌ها نشان می‌دهد. از تجزیه و تحلیل، مشخص شد که انواع بزرگراه و آزادراه، مسکونی و جاده های فرعی آنهایی هستند که بیشترین احتمال UTA را دارند. علل اولیه و عوامل کمک کننده UTAs در تهران با استفاده از داده های UTA از پلیس تهران و داده های اصلی به دست آمده از پرسشنامه و کار میدانی درمان شده است. تهران به عنوان پایتخت ایران و یکی از مهم ترین شهرهای نه تنها ایران بلکه در خاورمیانه و مرکز بسیاری از سازمان های ملی و بین المللی، رشد سریع جمعیت شهری خود را تجربه کرده است.

افزایش گستردگی محدوده شهرها و محدودیت ها و نبود وسایل حمل و نقل عمومی کافی (با وجود فراوانی حمل و نقل شهری و استفاده زیاد از ماشین برای سفرهای روزانه شهری)، پیاده روهای نامناسب و فرهنگ رانندگی مشکل ساز، به علاوه تعداد زیادی UTA، مشکل UTA تهران را شدید می کند. تمرکز بالایی از امکانات و موسسات اداری دولتی، فعالیت های تجاری، آموزشی و تجاری آمیخته با مناطق مسکونی و کاربری های مسکونی در تهران به ویژه در مرکز وجود دارد. شهر تهران همچنین دارای پیشرفته ترین سیستم ها و مقررات کنترل ترافیک در ایران است. اما فقدان مجازات برای کاهش نرخ بالای تخلف و فقدان فرهنگ رانندگی کافی و همچنین فقدان مقررات فعلی حمل و نقل جاده ای منجر به تعداد قابل توجهی UTA شده است. این مطالعه به بررسی علل اولیه و عوامل مؤثر در UTAهای تهران پرداخت. در این مطالعه انواع راه ها و برخی از امکانات به صورت جداگانه بررسی شده است. زمان نیز به عنوان یک عامل بسیار مهم در نظر گرفته می شود و این مطالعه به درک دقیق ویژگی های مکانی و زمانی UTAs در شهر تهران کمک می کند. مقوله کاربری زمین بر الگوهای اقتصادی-اجتماعی و در نتیجه نوع و شدت UTAها تأثیر دارد. نتایج نشان داد که تمامی مناطق تهران نقش سفر یا ترافیک زایی دارند، اما این نقش در طول زمان تغییر می کند. هر منطقه و مقوله کاربری خاص دارای نقش تولید سفر شهری است، اما این نقش در هر منطقه با توجه به زمان تغییر می کند. یافته‌های من نشان می‌دهد که مناطق شهری‌تر با تراکم جمعیت بالاتر با تعداد بزرگراه‌ها، آزادراه‌ها و مناطق محدود ترافیک کمتر، تصادفات خطرناک کمتری دارند، به‌ویژه مناطق شهری، به‌ویژه مناطق شهری کمتر با بزرگراه‌ها و آزادراه‌های بیشتر، UTA بیشتری دارند. این به دلیل سرعت پایین تر است که به دلیل ازدحام و حجم بالای ترافیک ایجاد می شود. موضوع بعدی ناشی از فعالیت های شهری و اجتماعی- اقتصادی بیشتر است. با توجه به داده‌های تصادف در این مطالعه، زمان سفر ممکن است بیشتر به ازدحام، کیفیت جاده و عناصر هندسی وابسته باشد تا محدودیت‌های سرعت بر روی علائم. تغییرات نوع جاده به وضوح نشان می دهد که برخلاف بسیاری از شهرهای جهان، بزرگراه ها و بزرگراه های تهران برای رانندگی امن ترین نیستند. مناطقی با فعالیت های اجتماعی-اقتصادی و شهری بالا تمایل به نرخ UTA بیشتر اما با شدت کمتر دارند.15 ] طول جاده نیز بر میزان و شدت UTAها تأثیر دارد. UTA ها در جاده های وسیع تر صدمات جدی تری دارند، به خصوص برای بزرگراه ها. داده های سری زمانی همچنین امکان تجزیه و تحلیل بیشتر تغییرات را در طول زمان فراهم می کند و می تواند از مشکلات جلوگیری کند.

علاوه بر این، با توجه به تعداد تصادفات در تهران و درصد تخلفات رانندگی، وضع قوانین و مقررات پیشگیرانه‌تر واقعاً حائز اهمیت است. به نظر می رسد قوانین فعلی به اندازه کافی مؤثر نیستند. برای اطمینان از کنترل مؤثرتر، پلیس باید در ارائه قوانین و مقررات جدید کمک کند. علاوه بر این، جریمه ها به اندازه کافی بالا نیستند و اکثر مردم می توانند به راحتی جریمه ها را پرداخت کنند. این بدان معناست که متخلفان به راحتی می توانند نقض قانون را “خرید” کنند. از سوی دیگر مقررات موجود راهنمایی و رانندگی برای کنترل و مجازات متخلفان ضعیف است و باید هر چه سریعتر مورد بازنگری قرار گیرد. اشتباهات رانندگان همیشه دلیل تصادف نیست. در بسیاری از موارد، عابر پیاده شرایط غیرممکنی را ایجاد می کند. بسیاری از عابر پیاده به دلیل نداشتن پیاده رو یا عبور از جاده بدون علامت جان خود را از دست می دهند. آموزش و آگاهی عابرین پیاده باید هر چه سریعتر بهبود یابد. دانش و آگاهی می تواند جان عابرین پیاده و تلفات خودرو را به طور موثر نجات دهد. این آموزش باید از طریق تلویزیون، روزنامه، رادیو و پوستر ارائه و تشویق شود.

منابع

[ 1 ]	سازمان جهانی بهداشت (2011) پروژه بار بیماری، برآورد بار بیماری 2011. https://www.who.int/mediacentre/factsheets/fs310/en/index.html
[ 2 ]	آفتاب نیوز (1395) https://aftabnews.ir/vdciqqazwt1awv2.cbct.html
[ 3 ]	Reshma, EK and Sharif, SU (2012) اولویت بندی نقاط سیاه تصادف با استفاده از GIS. مجله بین المللی فناوری های نوظهور و مهندسی پیشرفته، 2، 117-122.
[ 4 ]	فارس نیوز (2016) https://www.farsnews.com/newstext.php?nn=13910503000432
[ 5 ]	ریاست جمهوری اسلامی ایران، سازمان مدیریت و برنامه ریزی، مرکز آمار ایران (1390) سالنامه آماری. تهران، ایران.
[ 6 ]	معاونت حمل و نقل و ترافیک شهرداری تهران. https://traffic.tehran.ir/
[ 7 ]	Kusselson، SB (2006) بررسی چگونگی تأثیر الگوهای شکایت زمینی بر نرخ تصادفات در نزدیکی مقطع جاده Frontage: مطالعه موردی در بین ایالتی 610 در هیوستون، تگزاس. پایان نامه کارشناسی ارشد، کالج تحصیلات تکمیلی دانشگاه ایالتی اوکلاهاما.
[ 8 ]	Karacacasu, M., Er, A., Bilgic, S. and Barut, HB (2011) تغییرات در تصادفات ترافیکی بر اساس فصلی، ماهانه، روزانه و ساعتی: مورد اسکی شهیر. Procedia-Social and Behavioral Sciences, 20, 765-775. https://doi.org/10.1016/j.sbspro.2011.08.085
[ 9 ]	وون-کیونگ، ال، هایه، ال، سونگسیک، اچ، هو، کی، یون هی، ال.، یون-چول، اچ، یون هی، اچ، و هیسوک، پی. (2015) آیا دما تأثیر بارش باران و برف را بر آسیب های ترافیکی جاده ای تغییر می دهد؟ مجله اپیدمیولوژی، 25، 544-552.
[ 10 ]	Dissanayake, D., Aryaija, J. and Wedegama, DMP (2009) مدلسازی اثرات کاربری زمین و عوامل زمانی بر تلفات عابر پیاده کودک. تجزیه و تحلیل حوادث و پیشگیری، 41، 1016-1024. https://doi.org/10.1016/j.aap.2009.06.015
[ 11 ]	Ben-Akiva، ME و Bowman، JL (1995) سیستم مدلسازی مبتنی بر فعالیت برای پیش بینی تقاضای سفر. وزارت حمل و نقل ایالات متحده و آژانس حفاظت از محیط زیست ایالات متحده، واشنگتن، دی سی. https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.634.7812&rep=rep1&type=pdf
[ 12 ]	خبرگزاری پندار (1395) https://www.pendaronline.com/
[ 13 ]	Subramani, T. (2012) مطالعه پارکینگ در راهروهای اصلی در مرکز شهری بزرگ. مجله بین المللی تحقیقات مهندسی مدرن، 2، 742-748.
[ 14 ]	کیم، کی و یاماشیتا، EY (2001) خواب در چرخ: الگوهای مکانی و زمانی تصادف‌های مرتبط با خستگی در هونولولو. گزارش تحقیقات حمل و نقل، 1779، 46-53. https://doi.org/10.3141/1779-07
[ 15 ]	Abdalla, IM, Robert, R., Derek, B. and McGuicagan, DRD (1997) بررسی روابط بین ویژگی های اجتماعی منطقه و تلفات تصادفات جاده ای. تجزیه و تحلیل حوادث و پیشگیری، 29، 583-593. https://doi.org/10.1016/S0001-4575(97)00011-0