هدف این مقاله بررسی الگوی مکانی و زمانی تصادفات رانندگی با استفاده از داده‌های پنج ساله بین سال‌های 2015 و 2019 برای استان اربید، اردن است. الگوی فضایی نقاط حادثه خیز ترافیک و تکامل زمانی آنها در امتداد شبکه جاده های داخلی و شریانی در منطقه مورد مطالعه با استفاده از همبستگی خودکار مکانی (شاخص موران I جهانی) و تجزیه و تحلیل نقاط کانونی محلی (Getis–Ord Gi*) در محیط GIS شناسایی شد. . این مطالعه افزایش تدریجی تصادفات رانندگی گزارش شده را در حدود 38 درصد در سطح سال نشان داد. تجزیه و تحلیل تصادفات رانندگی در سطح شدت، توزیع فضایی متمایز مکان‌های کانون را نشان داد. تصادفات رانندگی با شدت کمتر (حدود 95 درصد) در شبکه جاده های داخلی در شهرهای استان اربید رخ داده است که بیشترین حجم ترافیک در آن وجود دارد. تجزیه و تحلیل خودهمبستگی فضایی و آمار Getis–Ord Gi* با 99 درصد سطح معنی‌داری، الگوهای خوشه‌بندی تصادفات رانندگی را در امتداد بخش‌های شبکه جاده‌ای داخلی و شریانی نشان داد. بین سال‌های 2015 و 2019، تحول قابل توجهی در خوشه‌های نقاط حادثه‌ای ترافیکی مشخص شد. نتایج را می توان برای راهنمایی مدیران ترافیک و تصمیم گیرندگان جهت انجام اقدامات مناسب برای ارتقای مکان هات اسپات و بهبود وضعیت ایمنی ترافیک آنها مورد استفاده قرار داد.

کلید واژه ها:

حوادث رانندگی ؛ خودهمبستگی فضایی ; آمار Getis–Ord Gi* ; GIS _ تجزیه و تحلیل شدت

1. مقدمه

حوادث ترافیکی به دلیل تهدید جدی برای زندگی انسان، اقتصاد و پیامدهای اجتماعی یکی از مهم ترین چالش های جهانی است [ 1 ]. بر اساس گزارش سازمان بهداشت جهانی، تعداد مرگ و میر در جاده های جهان به طور غیرقابل قبولی بالا است و تقریباً 1.35 میلیون نفر در سال جان خود را از دست می دهند [ 2 ، 3 ]. گزارش شده است که بیشترین تصادفات رانندگی در کشورهای با درآمد کم و متوسط ​​رخ می دهد که بیش از 90 درصد تلفات تصادفات رانندگی را شامل می شود. برای درک علل حوادث ترافیکی، تجزیه و تحلیل ایمنی ترافیک برای حمایت از تصمیم گیرندگان در اجرای اقدامات مناسب برای حذف یا کاهش وقوع حوادث ترافیکی پدیدار شده است [ 4 ، 5 ].]. بنابراین، پرداختن به حوادث ترافیکی در زمینه ابعاد مکانی و/یا زمانی برای تعیین بهترین و منسجم ترین راه حل ها برای چنین مسائلی مورد نیاز است.
آمار ملی سوانح رانندگی یک دید کلی از وضعیت ایمنی ترافیک جاده ای ارائه می دهد. بنابراین، تعامل بین حوادث ترافیکی و محیط آنها ممکن است ارائه نشود. به این دلیل که هر تصادف جاده ای از نظر محیط، وسیله نقلیه، جاده، راننده و ویژگی های مدیریت ترافیک ویژگی های خاص خود را دارد. بنابراین، تحلیل تصادفات رانندگی برای برنامه های ملی مدیریت ایمنی ترافیک ضروری است. در این زمینه محققان و آژانس های بین المللی مختلف از نقشه برداری مکانی و زمانی تصادفات رانندگی استفاده کرده و مدل های خود را برای اقدامات ایمنی راه ها ایجاد کرده اند. در این زمینه، چندین رویکرد برای تعیین توزیع زمانی (سالانه، ماهانه، روزانه، ساعتی) و همچنین توزیع مکانی تصادفات رانندگی در طول جاده ها استفاده شده است.6 ، 7 ]. این نقاط مهم برای تصمیم گیرندگان، مهندسان ترافیک، محققان ترافیک و رانندگان ارزش زیادی دارد.
در کشورهای در حال توسعه مانند اردن، تصادفات ترافیکی یک مشکل عمومی مهم است، زیرا آنها دومین عامل مرگ و میر هستند [ 8 ]. آنها یک چالش جدی در اردن هستند، جایی که تقریباً دو نفر در هر روز در تصادفات اتومبیل جان خود را از دست می دهند و این کشور 2 تا 3 درصد از تولید ناخالص داخلی (GDP) خود را به دلیل این موضوع از دست می دهد [ 9 ]. طبق گزارش اداره حوادث ترافیکی اداره امنیت عمومی اردن [ 10]، تعداد کل تصادفات رانندگی در اردن در سال 2019، 161,511 بوده که مجموعاً 643 کشته، 792 جراحت شدید و 10,159 جراحت جزئی داشته است. در استان اربید (دومین استان پرجمعیت اردن)، تصادفات رانندگی از 12293 در سال 2015 به 16940 در سال 2019 افزایش یافته است که نشان دهنده افزایش حدود 38 درصدی در آن دوره است [ 10 ]. از این رو، بررسی توزیع مکانی/تکامل تصادفات رانندگی در استان اربید ضروری است تا با توجه به بهترین دانش محققان، مطالعاتی برای ارزیابی تصادفات رانندگی در این منطقه انجام نشده باشد.
در اینجا، ما تجزیه و تحلیل Getis–Ord Gi* و شاخص جهانی Moran I را برای ارزیابی توزیع مکانی و زمانی تصادفات در استان اربید در اردن، از جمله مناطق روستایی، با استفاده از تمام تصادفات رانندگی بین سال‌های 2015 و 2019 در بخش‌های خیابان به‌عنوان یک مورد اجرا کردیم. واحد مقیاس این تجزیه و تحلیل اساسی برای برنامه ریزان و تصمیم گیرندگان برای اجرای اقدامات ایمنی در استانداری فراهم می کند که می تواند به سطح کشور گسترش یابد.

2. کار مرتبط و مشارکت اصلی

مطالعات متعددی تصادفات رانندگی در مناطق شهری و روستایی را ارزیابی کرده است. به طور کلی، این مطالعات را می توان به دو گروه تقسیم کرد: گروه اول بر تجزیه و تحلیل عواملی که باعث تصادفات رانندگی می شوند تمرکز داشتند [ 4 ، 11 ، 12 ، 13 ، 14 ، 15 ]. ماهیت این مطالعات تعیین تعامل بین شخصیت‌های محیط، انسان، جاده و وسیله نقلیه در ارتباط با حوادث ترافیکی بود. گروه دوم از تکنیک های مکانی مختلف برای نقشه برداری از نقاط حادثه خیز ترافیکی استفاده کردند. این تکنیک‌های مکانی، مانند KDE، معمولاً برای ترسیم تراکم تصادفات ترافیکی بر اساس تعداد نقاط تصادف در هر مکان استفاده می‌شوند [ 16 ,17 ، 18 ، 19 ]. برخی از کارهای تحقیقاتی از رویکردهای مبتنی بر فاصله برای تعیین خوشه‌های تصادفات ترافیکی استفاده می‌کنند [ 6 ، 20 ، 21 ، 22 ].
بسیاری از کارهای تحقیقاتی تجزیه و تحلیل زمانی تصادفات رانندگی را در نظر گرفته اند [ 23 ، 24 ، 25 ، 26 ، 27 ] که در آن آنها تکامل خوشه های تصادفات ترافیکی را در یک دوره با استفاده از تحلیل سری های زمانی ساده بررسی کردند. کینگهام و همکاران [ 28 ] تکامل زمانی و خوشه‌بندی مکانی تصادفات رانندگی در شهر کرایست‌چرچ (نیوزیلند) را بررسی کرد، و تکامل زمانی تصادف‌های مرگبار در آیووا (ایالات متحده آمریکا) توسط [ 29 ] مورد مطالعه قرار گرفت. به طور مشابه، Bíl و همکاران. [ 6] تکامل نقاط حادثه خیز در شبکه جاده چک را بین سال های 2010 و 2018 بررسی کرد و دریافت که تنها 50 درصد از نقاط داغ در کل دوره 9 ساله پایدار بودند (تقریباً در همان موقعیت باقی ماندند).
علاوه بر این، تکنیک‌های تحلیل مکانی و زمانی تصادفات رانندگی توسط محققان مختلف انجام شده است. به عنوان مثال، Kaygisiz و همکاران. [ 30 ] و اولسن و همکاران. [ 31 ] نقاط حادثه خیز ترافیک را در جاده های جداگانه تعیین می کند. حریرفروش و همکاران [ 19 ] الگوهای مکانی و زمانی تصادفات رانندگی در شربروک را به مدت 3 سال (2011-2013) تجزیه و تحلیل کرد. KDE برای ترسیم الگوهای مکانی و زمانی تصادفات رانندگی برای 4 فصل مختلف استفاده شد. وانگ و همکاران [ 32] از تکنیک های تجزیه و تحلیل مکانی-زمانی برای کشف رابطه بین تراکم ترافیک و تصادفات جاده ای در انگلستان طی سال های 2003-2007 استفاده کرد. آن‌ها از مدل‌های دوجمله‌ای و فضایی منفی با اثرات تصادفی با استفاده از یک رویکرد سلسله مراتبی کامل بیزی برای بررسی اینکه آیا تراکم بر فراوانی تصادفات تأثیر می‌گذارد استفاده کردند. تولا و همکاران [ 5 ] از تجزیه و تحلیل خودهمبستگی فضایی و آمار Getis–Ord Gi* برای شناسایی نقاط حادثه خیز در سراسر مناطق اتیوپی به مدت 4 سال (2014-2017) استفاده کرد.
مطالعات متعددی برای ارزیابی تصادفات رانندگی در اردن انجام شده است. به عنوان مثال، عبیدات و رمضان [ 33 ] از مدل های رگرسیون آماری گام به گام مختلف برای بررسی تصادفات رانندگی در مکان های خطرناک در جاده های شهری استفاده کردند. المسائید [ 8 ] تأثیر ایمنی اقدامات سیاستی اجرا شده از سال 1997 تا 2008، از جمله افزایش اجرای پلیس و اجرای دقیق تر قوانین راهنمایی و رانندگی را ارزیابی کرد. این مطالعه نشان داد که اجرای قوانین راهنمایی و رانندگی با مجازات‌های سخت‌گیرانه، تأثیر مثبت و قابل‌توجهی بر ایمنی بر تصادفات و تلفات جانی دارد. العمری و همکاران [ 34] روندها و ویژگی های تصادفات رانندگی در اردن را از سال 1998 تا 2010 تجزیه و تحلیل کرد. این مطالعه نشان داد که بیشتر تصادفات رانندگی با سرعت مجاز 50 کیلومتر در ساعت یا کمتر از آن رخ داده است. الروسان و همکاران [ 35 ] از تجزیه و تحلیل توصیفی و آزمون‌های t نمونه مستقل برای بررسی ویژگی‌های تصادفات رانندگی حواس‌پرتی در جاده‌های روستایی و برون شهری در اردن استفاده کرد. با این حال، این مطالعات، حوزه فضایی تصادفات رانندگی را از منظر جغرافیایی و عناصر شبکه راه در نظر نگرفت. در این زمینه، مطالعات بسیار کمی برای درک توزیع فضایی تصادفات رانندگی در سطح شهر در اردن تلاش می‌کنند. مثلاً العمری و عبیدات [ 36] تصادفات عابر پیاده در اربید، اردن را تجزیه و تحلیل کرد و دریافت که بیشتر آنها در تقاطع های جاده اتفاق افتاده است. العمری و همکاران [ 37 ] تصادفات ترافیکی در جاده های شریانی در شهر Irbid را با استفاده از روش همپوشانی وزنی (WOM) و روش پوشش فازی (FOM) با استفاده از داده های تصادفات سال های 2013 و 2015 مدل کرد. این مطالعه نشان داد که هر دو WOM و FOM با موفقیت نقاط داغ را در بخش هایی شناسایی کردند. منطقه مورد مطالعه الخادور و همکاران [ 38] تصادفات رانندگی در امان، اردن را با استفاده از تحلیل شاخص نزدیکترین همسایه بررسی کرد. یافته ها حاکی از وجود خوشه بندی فضایی و تکرار تصادفات رانندگی در منطقه مورد مطالعه است. یافته‌ها تأیید می‌کنند که کانون‌ها عمدتاً در مناطق تجاری، مسکونی و صنعتی واقع در و اطراف مناطق مرکزی منطقه مورد مطالعه متمرکز شده‌اند. اگرچه این مطالعات خوشه های تصادفات رانندگی را برجسته کردند، اما توزیع مکانی و زمانی آنها را بر اساس آزمون های معنی دار آماری بررسی نکردند.

3. بازنگری در روش های ارزیابی تصادفات ترافیکی مبتنی بر GIS

با توجه به توزیع مکانی و زمانی، تصادفات رانندگی به طور مساوی در خیابان ها پخش نمی شود. آنها در برخی مناطق خوشه می شوند و در برخی دیگر وجود ندارند. تجزیه و تحلیل حوادث ترافیکی از طریق فناوری های نقشه برداری می تواند اطلاعات حیاتی را به مقامات ترافیک و اعضای جامعه به طور کارآمد و مؤثر انتقال دهد. در این زمینه، بسیاری از تکنیک های نقشه برداری تصادفات ترافیکی به شناسایی مناطق با تراکم بالا (نقاط داغ) اختصاص داده شده است. یک مفهوم رایج از مکان کانون، منطقه ای بزرگتر از ارزش خاص یک رویداد خاص است. این نشان دهنده وجود نقاط/مناطق سرد یا گرم با مقدار کمتر یا بیشتر از مقدار مشخص است که بر اساس میزان فاصله کمتر یا بالاتر از مقدار مشخص است. چندین تکنیک سیستم های اطلاعات جغرافیایی (GIS) می توانند چنین تحلیل و نقشه برداری را انجام دهند.جدول 1 . در همین حال، نمایش بصری و ترسیم نقشه‌های نقاط مهم نیز حیاتی است و باید با ویژگی‌های مورد علاقه سازگار باشد. به عنوان مثال، در مورد تصادفات رانندگی، یک نقطه یا یک نقشه منطقه که توزیع مکانی یا تراکم تصادفات را نشان می دهد بسیار نادقیق خواهد بود. با این حال، یک نقشه خطی مناسب تر خواهد بود. در این سطح از تجزیه و تحلیل، به سؤالاتی مانند تصادفات در کدام بخش از خیابان ها و در کدام بخش ها پاسخ داده می شود. در این زمینه، واحد تحلیل مناسب می‌تواند بخش‌های خیابان، مسیرها یا بخش‌هایی از بزرگراه‌ها باشد که روی نقشه‌ها به صورت خطوط مستقیم، خمیده یا منحنی نمایش داده می‌شوند. در چنین حالتی، مدیریت ترافیک در تغییر الگوهای ترافیک و خیابان نسبتاً دقیق خواهد بود.

4. مواد و روش ها

4.1. منطقه مطالعه

استان اربید در قسمت شمالی اردن بین 32 درجه و 45 دقیقه و 38 دقیقه و 35 درجه و 33 دقیقه و 21 دقیقه شمالی و 32 درجه و 14 دقیقه و 11 دقیقه و 36 درجه و 4 دقیقه و 36 دقیقه شرقی با مساحت 1571.7 واقع شده است. کیلومتر 2. از شمال با جمهوری عربی سوریه، از غرب با فلسطین، از شرق با استان مفرق و از جنوب با استان های البلقا، عجلون و جراش همسایه است. این منطقه از نظر جغرافیایی شامل تپه هایی با ارتفاعات متوسط ​​است که به تدریج فرود می آیند تا به ارتفاعات کمتر از سطح متوسط ​​دریا در دره اردن می رسند. موقعیت استراتژیک به عنوان ایستگاه ترانزیتی به کشورهای همسایه و اهمیت تاریخی و باستانی دارد. از نظر جمعیت، این استان دومین استان بزرگ اردن پس از امان است، با تقریباً 1957000 نفر در سال 2019 (بالاترین تراکم جمعیت در این کشور با 1178.7 نفر در کیلومتر مربع است ). از 18 شهرداری تشکیل شده است ( شکل 1). این استان به دلایل مختلف از جمله رشد طبیعی جمعیت و مهاجرت خارجی از سایر شهرها و کشورهای همسایه پس از سال 1990 شاهد رشد مترقی شهری و اقتصادی بود. این منطقه شماره یک کشاورزی در اردن به‌ویژه در کشت مرکبات، زیتون و غلات محسوب می‌شود. ویژگی منحصر به فرد آن در دسترس بودن خدمات اجتماعی و جوانان، توسعه ساخت و ساز و ترکیبی سه فرهنگی از بادیه نشین، روستایی و شهری است. این استانداری دارای پنج دانشگاه، چندین مکان گردشگری باستانی و طبیعی، سه شهرک صنعتی و چندین مرکز حرفه آموزی و بازارهای تجاری است که زیرساخت هایی از جمله شبکه راه های محلی و سراسری، برق، وسایل حمل و نقل، خدمات پستی و ارتباطی و… یک شبکه فاضلاب

4.2. مواد و روش ها

این مطالعه از یک پروتکل خاص ( شکل 2 ) برای شناسایی نقاط حادثه خیز جاده ای به شرح زیر پیروی کرد:

4.2.1. داده ها و پیش پردازش آن

در این مطالعه، ما از کل آرشیو پایگاه داده تصادفات ترافیکی ثبت شده از اداره امنیت عمومی اردن استفاده کردیم. پایگاه داده شامل تمام تصادفاتی است که بین سال های 2015 و 2019 گزارش شده است. پایگاه داده حاوی اطلاعات مختصات تصادفات، انواع، تاریخ، زمان، سطح شدت، جنسیت و سن رانندگان، تعداد وسایل نقلیه درگیر در تصادف، وضعیت جاده است. ، سرعت و اشتباهات رانندگان تعداد کل تصادفات گزارش شده در طول دوره مورد مطالعه 76163 بوده است. همچنین شبکه راه خط مرکزی انواع خیابان های محدوده مورد مطالعه (یعنی خیابان های مسکونی، خیابان های یک طرفه و دو طرفه، خیابان های ترانزیتی و بزرگراه های شریانی)، محدوده های اداری در سطح شهرداری و نقشه های گوگل برای منطقه مورد مطالعه در تجزیه و تحلیل استفاده شد.
ما یک بازنگری فشرده برای پایگاه داده تصادفات ترافیکی انجام دادیم و نشست های مورد نیاز و قالب بندی داده ها را با الزامات تجزیه و تحلیل GIS سازگار کردیم. این شامل تفکیک اطلاعات مربوط به تاریخ و زمان تصادفات در فیلدهای جداگانه و یکپارچه سازی اطلاعات مربوط به اشتباهات رانندگان به عبارات رایج بود (52 عبارت مختلف وجود داشت که در 11 عبارت یکسان شدند). ما همچنین اطلاعات مربوط به شدت تصادف را به جای پنج فیلد جداگانه در یک فیلد ترکیب و کدگذاری کردیم. این فیلد شامل شدت تصادفات از 1 تا 5 بود (یعنی 1 = بدون جراحت، 2 = جراحت خفیف، 3 = جراحت متوسط، 4 = آسیب شدید، و 5 = کشنده). در نهایت، تصادفات مکرر را با استفاده از شماره شناسه آنها به عنوان کلید اصلی بررسی و حذف کردیم. سپس پایگاه داده را به یک کلاس ویژگی نقطه ای GIS تبدیل کردیم تا برای تجزیه و تحلیل مکانی-زمانی استفاده شود. با این حال، ما متوجه خوشه های گیج کننده در نقشه های تولید شده شدیم (نگاه کنید بهشکل 3 به عنوان مثال) – این تصادفات نشان دهنده حوادث ترافیکی است که در محل واقعی خود گزارش نشده و توسط یک اداره پلیس گزارش شده است و مختصات یکسانی داشتند. برای تجزیه و تحلیل مکانی-زمانی، این حوادث از پایگاه داده حذف شدند. جدول 2مجموع تصادفات گزارش شده، موارد فیلتر شده و درصد تصادفات فیلتر شده در هر سال را خلاصه می کند. در همین حال متوجه فواصل جابجایی مختلف محل تصادفات از خط مرکزی شبکه جاده‌ای شدیم. این ممکن است به دلایل مختلفی از جمله دقت واحدهای GPS که سطح دقت 5 تا 10 متر دارند، محیط اطراف مانند ساختمان‌های مرتفع و عرض خیابان و سایر خطاهای عملیاتی در زمان گزارش حوادث ترافیکی باشد. بنابراین، تمام تصادفات فیلتر شده دقیقاً منطبق بر لبه نزدیکترین بخش جاده در فاصله 30 متری قرار گرفتند ( شکل 4).) زیرا این تقریباً حداکثر فاصله دورترین نقطه تا یک بخش خیابان (خط مرکزی) بود. شبکه جاده‌ای به بخش‌های حداکثر 1000 متری تقسیم شد که به شناسایی بخش‌های خاص جاده‌ای که احتمال بالاتر بودن نقاط داغ (یعنی واحد تحلیل فضایی) را دارند، کمک می‌کند.
4.2.2. تجزیه و تحلیل کانون حوادث ترافیکی در استان اربید

تعریف واحد فضایی تحلیل

برای مطالعه توزیع فضایی حوادث ترافیکی، آرایش فضایی کوچکترین واحدهای فضایی تشکیل دهنده آنها باید درک شود. این واحدهای فضایی ممکن است بسته به اهداف یک تحلیل داده شده متفاوت باشد. به عنوان مثال، زمانی که تاکید بر درک توزیع فضایی یک تصادف رانندگی فردی است، تصادفات نباید جمع شوند. بنابراین، آنها باید با یکدیگر ارتباط داشته باشند تا با عناصر شبکه جاده (به عنوان مثال، تقاطع ها، بخش های جاده) و هر حادثه فردی را به عنوان یک واحد تجزیه و تحلیل در جایی که واقع شده است، در نظر بگیرند. از سوی دیگر، با توجه به وابستگی فضایی عناصر شبکه جاده‌ای، حوادث ترافیکی که در مجاورت رخ می‌دهند باید تجمیع شوند تا نمایشی یکپارچه از آن عنصر شبکه را تشکیل دهند. در نتیجه،39 ]. در این پژوهش از این نوع واحد فضایی استفاده شده است.

خودهمبستگی فضایی (Global Moran’s I)

برای تعیین الگوهای توزیع مکانی تصادفات رانندگی در استان اربید از خودهمبستگی فضایی (Global Moran’s I) استفاده شد. مقادیر Moran’s I نشان می‌دهد که آیا مکان و مقادیر ویژگی‌ها از نظر فضایی خوشه‌ای، پراکنده یا به‌طور تصادفی توزیع شده‌اند. Moran’s I، z-score و pمقدار با استفاده از خودهمبستگی فضایی (Global Moran’s I) با استفاده از رابطه (1) محاسبه شد. این با (i) شناسایی روش باند فاصله ثابت به عنوان یک فاصله قطع به عنوان روشی برای مفهوم سازی روابط فضایی (CSR) انجام شد. این امکان تجزیه و تحلیل هر ویژگی (یعنی تصادف رانندگی) را در زمینه ویژگی های همسایه فراهم می کند. بنابراین، ویژگی‌های همسایه در این فاصله مشخص وزن یک را دریافت می‌کنند و بر محاسبات ویژگی هدف تأثیر می‌گذارند. سایر ویژگی‌ها وزن صفر دریافت می‌کنند و تأثیری بر محاسبات ویژگی هدف ندارند، (2) با استفاده از فاصله اقلیدسی (معادله (2)) به عنوان روش فاصله برای محاسبه فواصل هر ویژگی تا ویژگی‌های همسایه،

که در آن N تعداد موارد است، X i مقدار متغیر در یک مکان خاص، X j مقدار متغیر در مکان دیگری است، میانگین متغیر است و W وزنی است که برای مقایسه بین مکان i و مکان j اعمال می شود. W i.j یک ماتریس وزنی مبتنی بر فاصله است که فاصله معکوس بین مکان‌های i و j است (1/ dij ).

جایی که ( ) مختصات نقطه a است ، ( ) مختصات نقطه b و d فاصله خط مستقیم بین نقاط a و b است.

آمار Getis–Ord Gi*

این مطالعه یک تجزیه و تحلیل کانونی را بر اساس آمار Getis–Ord Gi* (یعنی Gi*) اجرا کرد. Gi* یکی از قوی‌ترین روش‌های زمین‌آماری برای نقشه‌برداری خوشه‌ها و شناسایی مکان‌هایی است که از نظر آماری نقاط گرم یا سرد مهم هستند. تجزیه و تحلیل Hotspot به ویژه برای (i) تنظیم اقدامات مورد نیاز برای مکان هایی که دارای یک یا چند الگوی خوشه بندی مانند تصادفات ترافیکی هستند، (2) درک علل بالقوه آن خوشه بندی، و (iii) تجسم مکان های خوشه و گستره جغرافیایی آنها مفید است. . Gi* را برای هر ویژگی در یک مجموعه داده محاسبه می‌کند و مشخص می‌کند که ویژگی‌های دارای امتیاز z بالا یا پایین و p– ارزش‌ها به صورت فضایی خوشه‌بندی شده‌اند. هر ویژگی را در چارچوب ویژگی‌های همسایه‌اش در نظر می‌گیرد و اگر دارای ارزش بالایی باشد و توسط ویژگی‌های دیگر با مقادیر بالا نیز احاطه شود، آن را به‌عنوان یک نقطه مهم آماری شناسایی می‌کند. امتیاز z آماری معنی‌دار زمانی محاسبه می‌شود که مجموع محلی برای یک ویژگی و همسایه‌های آن نسبتاً با مجموع محلی مورد انتظار بسیار متفاوت باشد، و زمانی که این تفاوت بیش از حد بزرگ باشد که نتیجه یک شانس تصادفی باشد [ 40 ، 41 ، 42 ] . آمار Gi* یک z – score است. هرچه امتیاز z بزرگتر باشد (امتیاز z مثبت) خوشه بندی مقادیر بالا شدیدتر است، در حالی که z کوچکتر است.-امتیاز (امتیاز z منفی) هر چه خوشه بندی مقادیر پایین شدیدتر باشد. آمار Getis–Ord Gi* با پیروی از مراحل زیر انجام شد:
  • ارزیابی فرضیه صفر توزیع فضایی تصادفات رانندگی که تصادفی مکانی کامل تصادفات رانندگی در منطقه مورد مطالعه را فرض می کند. محاسبه z-scores و p – value ویژگی های نقطه (یعنی تصادفات رانندگی) برای تعیین اینکه آیا فرضیه صفر رد شود یا خیر.
  • جمع آوری تعداد تصادفات مرتبط با هر بخش جاده با استفاده از یک تابع پیوست فضایی که یک فیلد مشخصه جدید برای لایه شبکه جاده ایجاد می کند که مجموع تمام تصادفات رخ داده در یک بخش جاده خاص (یعنی واحد فضایی) را نشان می دهد. سپس از این فیلد مشخصه به عنوان ورودی برای محاسبه تابع hotspot (Getis–Ord Gi*) استفاده شد.
  • اعمال یک باند فاصله ثابت یا فاصله آستانه برای محاسبه مفهوم سازی روابط فضایی.
  • انجام تجزیه و تحلیل هات اسپات (یعنی Getis–Ord Gi*) و شناسایی بخش های جاده هات اسپات در سطوح مختلف تجزیه و تحلیل (یعنی ویژگی مورد علاقه) مانند (i) سال، (ii) ماه، (iii) روز از هفته، (IV) زمان یک روز، و (v) شدت. معادله آماری برای محاسبه Gi* را می توان به صورت معادلات (3) – (5) نوشت:

که در آن x j مقدار ویژگی برای ویژگی j است، w i,j وزن بین ویژگی های i و j است، n برابر با تعداد کل ویژگی ها است. آمار Gi* یک امتیاز z است.

5. نتایج و بحث

5.1. تجزیه و تحلیل داده های تصادفات جاده ای

شکل 5توزیع تصادفات رانندگی در استان اربید را از سال 2015 تا 2019 در پنج دسته تحلیل (یعنی سالانه، ماهانه، روزانه، دوره زمانی و شدت) نشان می دهد. تجزیه و تحلیل در سطح سال افزایش تدریجی تصادفات رانندگی گزارش شده را بین سال‌های 2015 و 2019 به میزان تقریباً 38 درصد نشان داد. در سطح ماهانه، تجزیه و تحلیل نشان داد که تصادفات رانندگی بین ماه‌ها متفاوت است. با این حال، جولای و آگوست شاهد بالاترین مقادیر میانگین درصد (به ترتیب 9.76% و 8.96%) در طول دوره مورد مطالعه بودند. این ممکن است به دلیل تعطیلات تابستانی و تعطیلات مدرسه در اردن باشد که با فعالیت های اجتماعی، گردشگری، تفریحی و تجاری مترقی در منطقه مورد مطالعه مرتبط است. از سوی دیگر، دی و بهمن با 7.38 درصد و 7.08 درصد کمترین میانگین درصد تصادفات رانندگی را شاهد بوده اند. به ترتیب در تمام سال های تحصیل. در سطح روزانه، روزهای یکشنبه و پنجشنبه به ترتیب با میانگین 15.42 درصد و 17.20 درصد بیشترین درصد تصادفات رانندگی را در تمامی سال ها شاهد بوده اند. این را می‌توان به این دلیل نسبت داد که این دو روز نشان‌دهنده شروع و پایان کار در طول هفته در اردن است، که معمولاً سطح ترافیک بالاتری بین و درون شهرها و روستاهای اردن از جمله استان اربید دارد. روز جمعه با 10.82 درصد کمترین میانگین درصد تصادفات رانندگی را شاهد بوده است. در سطح روز، ساعات 12 تا 18 و 18 تا 24 بعدازظهر به ترتیب با 18.82 درصد و 32.46 درصد بیشترین میانگین درصد تصادفات رانندگی را داشته است. روزهای یکشنبه و پنجشنبه به ترتیب با میانگین 15.42 درصد و 17.20 درصد بیشترین درصد تصادفات رانندگی را در تمام سال ها شاهد بوده اند. این را می‌توان به این دلیل نسبت داد که این دو روز نشان‌دهنده شروع و پایان کار در طول هفته در اردن است، که معمولاً سطح ترافیک بالاتری بین و درون شهرها و روستاهای اردن از جمله استان اربید دارد. روز جمعه با 10.82 درصد کمترین میانگین درصد تصادفات رانندگی را شاهد بوده است. در سطح روز، ساعات 12 تا 18 و 18 تا 24 بعدازظهر به ترتیب با 18.82 درصد و 32.46 درصد بیشترین میانگین درصد تصادفات رانندگی را داشته است. روزهای یکشنبه و پنجشنبه به ترتیب با میانگین 15.42 درصد و 17.20 درصد بیشترین درصد تصادفات رانندگی را در تمام سال ها شاهد بوده اند. این را می‌توان به این دلیل نسبت داد که این دو روز نشان‌دهنده شروع و پایان کار در طول هفته در اردن است، که معمولاً سطح ترافیک بالاتری بین و درون شهرها و روستاهای اردن از جمله استان اربید دارد. روز جمعه با 10.82 درصد کمترین میانگین درصد تصادفات رانندگی را شاهد بوده است. در سطح روز، ساعات 12 تا 18 و 18 تا 24 بعدازظهر به ترتیب با 18.82 درصد و 32.46 درصد بیشترین میانگین درصد تصادفات رانندگی را داشته است. این را می‌توان به این دلیل نسبت داد که این دو روز نشان‌دهنده شروع و پایان کار در طول هفته در اردن است، که معمولاً سطح ترافیک بالاتری بین و درون شهرها و روستاهای اردن از جمله استان اربید دارد. روز جمعه با 10.82 درصد کمترین میانگین درصد تصادفات رانندگی را شاهد بوده است. در سطح روز، ساعات 12 تا 18 و 18 تا 24 بعدازظهر به ترتیب با 18.82 درصد و 32.46 درصد بیشترین میانگین درصد تصادفات رانندگی را داشته است. این را می‌توان به این دلیل نسبت داد که این دو روز نشان‌دهنده شروع و پایان کار در طول هفته در اردن است، که معمولاً سطح ترافیک بالاتری بین و درون شهرها و روستاهای اردن از جمله استان اربید دارد. روز جمعه با 10.82 درصد کمترین میانگین درصد تصادفات رانندگی را شاهد بوده است. در سطح روز، ساعات 12 تا 18 و 18 تا 24 بعدازظهر به ترتیب با 18.82 درصد و 32.46 درصد بیشترین میانگین درصد تصادفات رانندگی را داشته است.
از نظر شدت شدت، رده تصادفات بدون جراحت با 80.35 درصد، بالاترین میانگین را به خود اختصاص داده است و پس از آن جراحات خفیف (16.36 درصد)، جراحات متوسط ​​(1.50 درصد) و جراحات شدید (1.16 درصد) قرار دارند. تعداد کل فوتی ها در طول دوره مورد مطالعه 407 مورد بود که 0.62 درصد از کل تصادفات رانندگی گزارش شده در استان اربید را نشان می دهد. شایان ذکر است که اکثر تصادفات رانندگی با شدت کمتر (حدود 95%) در سطوح پایین تر رانندگی (یعنی 40 تا 60 کیلومتر در ساعت) در داخل شبکه راه های داخلی در شهرها، شهرک ها و روستاهای رخ داده است. حجم ترافیک بالاتری در استان اربید دارند. حوادث رانندگی باقیمانده در جاده های شریانی که این شهرک ها را به هم متصل می کنند و محدودیت سرعت و شدت بالاتری دارند، رخ داده است. همچنین لازم به ذکر است که با افزایش سرعت رانندگی احتمال وقوع تصادفات رانندگی شدید افزایش می یابد. سازمان بهداشت جهانی [3 ] گزارش داد که افزایش 1 کیلومتر در ساعت در سرعت رانندگی می تواند درصد صدمات انسانی را 3٪ و موارد کشنده را 4-5٪ افزایش دهد. این در مورد عابران پیاده به 20 درصد می رسد. اگرچه تعداد تصادفات رانندگی مرگبار در استان اربید کم است، اما بر بخش های اجتماعی و اقتصادی تأثیر منفی می گذارد. این در حالی است که سایر حوادث رانندگی باعث افزایش فشار بر تولید ملی داخلی در کشور و سطوح زیرساختی در استانداری می شود.

5.2. نقشه برداری فضایی و زمانی حوادث ترافیکی نقاط داغ در استان اربید

5.2.1. خودهمبستگی فضایی (Global Moran’s I)

اجرای تابع geoprocessing ” Distance Band from Neighbor Count ” فاصله متوسط ​​65 متر را نشان داد که به عنوان فاصله شروع برای تجزیه و تحلیل خودهمبستگی فضایی و فاصله از آن برای افزایش استفاده شد. با اعمال این مقدار هنگام محاسبه تابع خودهمبستگی فضایی افزایشی، یک فاصله قله در 105 متر با بالاترین مقدار z-score پیدا شد ( شکل 6 ). این فاصله در مطالعه موردی ما 100 متر تعیین شد، و اطمینان حاصل شد که هر حادثه حداقل شش همسایه دارد، همانطور که توسط [ 42 ] پیشنهاد شد. این مقدار منعکس کننده روابط ذاتی در ویژگی های نقطه ای تجزیه و تحلیل در مجموعه داده ورودی است. جدول 3خلاصه جهانی مورن I را بر اساس فاصله که توسط تابع خودهمبستگی فضایی افزایشی برای همه تصادفات رانندگی در سال‌های 2015-2019 محاسبه شده است، نشان می‌دهد. شکل 7 نمودار همبستگی فضایی امتیاز z و p -value تمام تصادفات رانندگی بین سال‌های 2015 و 2019 در استان اربید را با استفاده از آمار موران I نشان می‌دهد. در شکل 7 ، Moran’s I 0.018، z-score برای همه تصادفات 24.291 و p-value 0.000 بود. این وضعیت از نظر آماری معنی‌دار را نشان داد، یعنی به صورت خوشه‌ای متراکم، به‌عنوان من مثبت موران، امتیاز z بالا، و p کوچک.-مقادیر نشان می‌دهد که تصادفات رانندگی از نظر مکانی خوشه‌بندی شده‌اند و کمتر از 1 درصد احتمال دارد که این الگوی خوشه‌ای نتیجه تصادف تصادفی باشد.
5.2.2. تجزیه و تحلیل Hotspot با استفاده از Getis–Ord Gi*
در اینجا، ما در درجه اول تصادفات رانندگی در استان اربید را در هر دو سطح سالانه و شدت بین سال‌های 2015 و 2019 با استفاده از آمار Getis–Ord Gi* تجزیه و تحلیل کردیم. شکل 8 نقشه توزیع جغرافیایی مکانی-زمانی نقاط حادثه خیز ترافیکی را در سطح سال بین سال های 2015 تا 2019 نشان می دهد. این نقشه بخش های جاده را با نقاط داغ یا سرد آماری تصادفات ترافیکی تعیین می کند. نقشه باز شده، تکامل زمانی مکان‌های کانونی را بین سال‌های مورد علاقه نشان می‌دهد. از شکل 8، دو نوع مکان هات اسپات قابل شناسایی است. شکل اول کانون در کنار شبکه‌های جاده‌ای داخلی شهر اربید، به‌ویژه جایی که فعالیت‌های مسکونی و تجاری در فرمانداری اربید است، قرار دارد. دومین نقطه داغ را می توان در امتداد جاده های شریانی که شهر اربید را با دیگر شهرها و مناطق اردن مرتبط می کند، شناسایی کرد. نمونه‌هایی از این جاده‌ها آنهایی هستند که اربید را به شهرهای دره اردن در غرب، شهرهای مفرق و رمثا در شرق و شهرهای جراش، عجلون، عمان و زرقا در جنوب متصل می‌کنند.
علاوه بر این، می توان یک تحول زمانی نقاط حادثه خیز در استان را بین سال های 2015 و 2019 مشاهده کرد. به ویژه، طول بخش های جاده مرتبط با سطح اطمینان 99٪ (یعنی GiBin = 3) از 183.2 کیلومتر به 129.1 کیلومتر بین سال 2015 کاهش یافته است. و 2019 ( جدول 4 ). این کاهش فاصله نقاط حساس به مداخلات مختلف مدیریت ترافیک مانند ایستگاه‌های پلیس ثابت، دوربین‌های کنترل سرعت، چراغ‌های راهنمایی بیشتر و سرعت‌گیرهای اعمال‌شده توسط مقامات مدیریت ترافیک در استان نسبت داده می‌شود.
از آنجایی که نقشه هایی که مکان نقاط حادثه خیز تصادفات ترافیکی را به صورت ماهانه، روزانه و دوره ای از روز نشان می دهند با نقشه هایی که در سطح سالانه هستند مطابقت دارند، در اینجا نشان داده نمی شوند. در جدول 4 ، طول بخش‌های جاده در سطح اطمینان 99% (یعنی GiBin = 3) برای ماهانه، روزانه، و دوره روزانه منطبق با تعداد تصادفات رانندگی ثبت شده است، به طوری که افزایش تعداد تصادفات نشان دهنده یک افزایش طول نقاط داغ بخش جاده و بالعکس. به عنوان مثال، از آنجایی که بیشترین تعداد تصادفات در خرداد، تیر و مرداد مشاهده شده است (به شکل 3 مراجعه کنید.طول مسیرها در این سه ماه به ترتیب 154.6 کیلومتر، 145.3 کیلومتر و 157.2 کیلومتر بوده است. از سوی دیگر، کمترین تصادفات در دی ماه، بهمن و آذر به ترتیب با 117.1 کیلومتر، 113.5 کیلومتر و 126.7 کیلومتر از محورها مشاهده شده است. وضعیت مشابهی را می توان در سطوح روزانه و دوره زمانی مشاهده کرد.
تجزیه و تحلیل تصادفات رانندگی در سطح شدت، توزیع فضایی متمایز مکان های کانون را نشان داد ( شکل 9 ). همانطور که مشاهده می شود، تصادفات بدون صدمه در منطقه تجاری مرکز شهر (CBD)، جایی که سرعت وسیله نقلیه از 40 کیلومتر در ساعت تجاوز نمی کند، دسته بندی می شوند. اما با افزایش محدودیت سرعت، شدت جراحات نیز افزایش می یابد. به عنوان مثال، تصادفات مرگبار در جاده های شریانی به دلیل محدودیت سرعت بالا در حدود 100 کیلومتر در ساعت رخ می دهد.
شکل 10 چهار نمونه از مکان های کانون مرگبار و آسیب شدید را نشان می دهد که بالاترین سطح اطمینان را دارند. شکل 10 a بخشی از جاده شریانی را نشان می دهد که شهر اربید را به پایتخت، امان، پیوند می دهد. با احاطه شدن توسط فعالیت های مختلف مسکونی، آموزشی و تجاری، شاهد ترافیک و حجم بالای عابران پیاده است. این بخش توسط یک جزیره ترافیک مرکزی با سه خط برای هر طرف تقسیم شده است. محدودیت سرعت بسته به نوع خودرو 90 تا 100 کیلومتر در ساعت است. این بخش دارای نقاط دسترسی عابر پیاده و علائم راهنمایی و رانندگی مورد نیاز نیست. برای بهبود ایمنی تردد در این بخش جاده، پیشنهاد می شود نقاط دسترسی عابر پیاده و نرده های محافظ برای جلوگیری از عبور تصادفی از جاده اضافه شود.
مثال دوم ( شکل 10ب) یکی از بخش های عمده شهر اربد را نشان می دهد. این شهر دارای ترافیک و حجم عابران پیاده بسیار بالایی است زیرا توسط فروشگاه های تجاری متعدد با فعالیت های مختلف، خانه های مسکونی، ساختمان های دولتی و دانشگاه یرموک احاطه شده است. تمام بخش‌های خیابان در این منطقه توسط یک جزیره ترافیک مرکزی از هم جدا شده‌اند، اما فاقد دسترسی عابران پیاده و سایر نیازهای ترافیکی-ایمنی هستند. پیشنهاد می‌شود برای جلوگیری از عبور تصادفی خیابان‌ها، کلیه بخش‌های خیابان در این منطقه با دسترسی عابر پیاده در ورودی‌های اصلی دانشگاه یرموک و علائم راهنمایی و رانندگی و گاردریل در مکان‌های خاص بازسازی شود. علاوه بر این، اختصاص پارکینگ ها و ایستگاه های اتوبوس مشخص برای کاهش پارک تصادفی خودروها و حمل و نقل عمومی توصیه می شود.
شکل 10 ج بخشی از جاده شریانی را نشان می دهد که شهر اربید را به شهرهای دره اردن متصل می کند. این بخش دارای محدودیت سرعت بالا 80 کیلومتر در ساعت با شیب ملایم و پیچ های تند و نیمه تند و اتصالات جاده ها و حلقه های پل است. دلیل اصلی آمار بالای تصادفات رانندگی در این قسمت مربوط به اشتباهات رانندگان از جمله تخطی از سرعت مجاز و زیگزاگی بین خطوط است. این اشتباهات را می توان با تنظیم دوربین های سرعت ترافیک کاهش داد.
شکل 10 d بخشی از جاده دره جردن را نشان می دهد که ترافیک و حجم عابران پیاده زیادی را دریافت می کند. دلایل اصلی تصادفات رانندگی به اشتباهات رانندگان مانند تخطی از سرعت مجاز، رانندگی در لاین مخالف و عبور از چراغ راهنمایی اشاره دارد. توصیه می شود با تنظیم ایستگاه پلیس ثابت یا دوربین های کنترل سرعت، کنترل های ترافیکی را در این قسمت افزایش دهید. همچنین توصیه می‌شود دسترسی عابر پیاده را در مکان‌های مناسب با نگهبان و سرعت‌گیر و دوربرگردان اضافه کنید.
جدول 4 نشان می دهد که طول خوشه ها با توجه به شدت آسیب ها از مکانی به مکان دیگر متفاوت است. در سطح اطمینان 99 درصد، می توان متوجه شد که مکان های کانون تصادفات بدون جراحت، جراحات خفیف، جراحات متوسط ​​و جراحات شدید در حدود 150.8 کیلومتر، 134.5 کیلومتر، 105.7 کیلومتر، 80.1 کیلومتر و 80.7 کیلومتر در محدوده مشاهده شده است. شبکه راه های داخلی شهرها و شهرستان ها و راه های شریانی به ترتیب.

6. نتیجه گیری

در چند دهه گذشته، ظهور سیستم اطلاعات جغرافیایی (GIS) ابزارهای ضروری برای مدل‌سازی توزیع مکانی و زمانی رویدادهای جغرافیایی مانند تصادفات ترافیکی فراهم کرده است. این ابزارهای GIS برای دستکاری، ذخیره و تجسم مکان‌ها و خوشه‌های تصادفات ترافیکی و همچنین برای تحلیل اهمیت توزیع تصادفات ترافیکی بر اساس رویکردهای آماری مورد استفاده قرار گرفتند. علاوه بر این، نرم افزار GIS امکان ذخیره پایگاه های جغرافیایی مکانی و زمانی را برای پیش بینی های آینده و تکامل خوشه های تصادفات ترافیکی فراهم می کند. در این مطالعه، تحلیل مکانی و زمانی تصادفات رانندگی در استان اربید با استفاده از رویکردهای خوشه‌بندی مورد بررسی قرار گرفت. توزیع زمانی تصادفات رانندگی در منطقه مورد مطالعه با استفاده از آمار توصیفی مورد تجزیه و تحلیل قرار گرفت. علاوه بر این، نقاط حادثه خیز ترافیک در امتداد بخش های جاده با استفاده از شاخص جهانی Moran I و تجزیه و تحلیل Getis-Ord G* تعیین شد. این امر به درک تأثیر ویژگی های سایت بر فراوانی، شدت و شدت تصادفات رانندگی اجازه داد.
تجزیه و تحلیل خودهمبستگی مکانی تصادفات رانندگی نشان داد که تصادفات رانندگی در برخی از جاده‌های استان اربید به صورت خوشه‌ای قرار دارند. آمار Gi* که برای شناسایی خوشه‌های تصادفات ترافیکی گرم و سرد استفاده شد، تصویر واضحی از خوشه‌های تصادفات ترافیکی همراه با شبکه‌های جاده‌ای داخلی و شریانی در طول 5 سال (2015-2019) ارائه می‌کند. نشان داده شده است که به دلیل مداخلات مختلف مدیریت ترافیک بین سال‌های 2015 و 2019، یک تحول زمانی خوشه‌های تصادفات ترافیکی وجود داشته است. طبق آمار با سطح معناداری 99 درصد، طول بخش‌های جاده‌ای بین سال‌های 2015 تا 2019 کاهش یافته است. علاوه بر این، افزایش تعداد تصادفات نشان‌دهنده طول خوشه‌های بخش جاده و بالعکس است. تجزیه و تحلیل همچنین نشان داد که تصادفات مرگبار زمانی رخ می دهد که محدودیت سرعت جاده افزایش می یابد و بالعکس. این بدان معناست که تصادفات بدون جراحت در جاده های داخلی شهر اربید جمع می شود، در حالی که تصادفات با جراحات شدید و موارد فوتی در جاده های با محدودیت سرعت بالا رخ می دهد. بنابراین مسئولان مدیریت ترافیک باید برای کاهش شدت و تلفات تصادفات رانندگی، جاده های دارای محدودیت سرعت بالا را در اولویت قرار دهند.
برای کاهش تعداد و شدت تصادفات رانندگی در محدوده مورد مطالعه، راهکارهای ترافیکی مانند نصب علائم محدودیت سرعت، علائم عابر پیاده و پارکینگ‌ها و ایستگاه‌های اتوبوس مشخص پیشنهاد شد. این راه حل ها در مکان های کانونی با آسیب های شدید و کشنده که بر اساس تحلیل های آماری و نقشه برداری شناسایی شده اند، به شدت توصیه می شود.
این مطالعه تأیید کرد که تجزیه و تحلیل مکانی و تکنیک‌های آماری در محیط GIS به طور مؤثر نقاط حادثه‌ای ترافیکی و بخش‌های جاده‌ای را با اهمیت آماری شناسایی کردند. ترسیم الگوی مکانی و زمانی نقاط حادثه خیز ترافیکی همراه با علل و راه حل های پیشنهادی برای مکان های کانون، تصمیم گیران و مقامات مدیریت ترافیک را در اولویت بندی تعمیر و نگهداری جاده ها، به ویژه برای کسانی که تصادفات مکرر دارند، برای بهبود ایمنی ترافیک حمایت می کند. این مطالعه ایجاد یک پایگاه داده ملی از نقاط حادثه خیز ترافیکی در ابعاد مکانی و زمانی را برای اعمال اقدامات موثر ایمنی ترافیکی در سطح ملی توصیه می کند.

منابع

  1. یان، م. چن، دبلیو. وانگ، جی. ژانگ، ام. ژائو، ال. ویژگی ها و علل حوادث ترافیکی جاده ای به خصوص بزرگ که شامل وسایل نقلیه تجاری در چین می شود. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2021 ، 18 ، 3878. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  2. سازمان بهداشت جهانی (WHO). گزارش وضعیت جهانی ایمنی جاده (2015). 2016. در دسترس آنلاین: https://www.who.int/violence_injury_prevention/road_safety_status/2015/en/ (در 20 نوامبر 2018 قابل دسترسی است).
  3. WHO (سازمان بهداشت جهانی). گزارش وضعیت جهانی ایمنی راه 2018 ; سازمان بهداشت جهانی: ژنو، سوئیس، 2018. موجود به صورت آنلاین: https://www.who.int/publications/i/item/9789241565684 (در 19 ژوئن 2021 قابل دسترسی است).
  4. لی، ام. زی، اچ. شو، ص. بررسی تأثیر حوادث رانندگی در مناطق کلیدی راههای روستایی. Sustainability 2021 , 13 , 7802. [ Google Scholar ] [ CrossRef ]
  5. تولا، ع.م. Demissie، TA; Saathoff، F. Gebissa، A. شدت، الگوی فضایی و تجزیه و تحلیل آماری نقاط داغ تصادف ترافیک جاده ای در اتیوپی. Appl. علمی 2021 ، 11 ، 8828. [ Google Scholar ] [ CrossRef ]
  6. بیل، ام. آندراشیک، آر. Sedonik, J. تجزیه و تحلیل دقیق مکانی-زمانی نقاط داغ تصادف ترافیک. Appl. Geogr. 2019 ، 107 ، 82-90. [ Google Scholar ] [ CrossRef ]
  7. الویک، آر. بررسی تعاریف عملیاتی مکان‌های جاده‌ای خطرناک در برخی از کشورهای اروپایی. اسید. مقعدی قبلی 2008 ، 40 ، 1830-1835. [ Google Scholar ] [ CrossRef ]
  8. المسائید، ح. حوادث رانندگی در اردن. جردن جی. سیو. مهندس 2009 ، 3 ، 331-343. [ Google Scholar ]
  9. قادی، م. Török، Á. Tanczos, K. مطالعه هزینه اقتصادی تصادفات جاده ای در اردن. عادت زنانه. پلی تک. ترانسپ مهندس 2018 ، 46 ، 129-134. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  10. JPSD (اداره امنیت عمومی اردن). گزارش سالانه سوانح رانندگی در اردن. 2020. در دسترس آنلاین: https://www.psd.gov.jo/en-us/ (در 17 ژانویه 2022 قابل دسترسی است).
  11. هوک، ام اس; حسن، محمدرضا دخالت عوامل وسیله نقلیه در تصادفات جاده ای. J. Civ. مهندس 2007 ، 35 ، 17-27. [ Google Scholar ]
  12. شاه، SAR; احمد، N. تجزیه و تحلیل زیرساخت جاده با ارجاع به ویژگی های جریان ترافیک و حوادث: یک کاربرد تحلیل ایمنی مبتنی بر معیار و تصمیم گیری پایدار. Appl. علمی 2019 ، 9 ، 2320. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  13. ژانگ، ی. لو، اچ. Qu, W. تشخیص جغرافیایی تصادفات ترافیکی ناهمگونی طبقه بندی شده فضایی و عوامل تأثیر. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2020 ، 17 ، 572. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  14. کلینجون، ن. کلی، م. پرادیتساتاپورن، سی. Petsirasan, R. شناسایی عوامل مؤثر بر بروز و شدت جراحات ترافیکی جاده ای در جنوب تایلند بر اساس گزارش های بررسی تصادف. Sustainability 2021 , 13 , 12467. [ Google Scholar ] [ CrossRef ]
  15. زو، ی. ژانگ، ی. چنگ، ک. بررسی تأثیر آب و هوا و آب و هوای شدید بر حوادث رانندگی مرگبار. پایداری 2021 ، 13 ، 390. [ Google Scholar ] [ CrossRef ]
  16. Borruso, G. برآورد تراکم شبکه: تجزیه و تحلیل الگوهای نقطه در یک شبکه. در کنفرانس بین المللی علوم محاسباتی و کاربردهای آن ; Springer: برلین/هایدلبرگ، آلمان، 2005; صص 126-132. [ Google Scholar ]
  17. زی، ز. Yan, J. تخمین تراکم هسته تصادفات ترافیکی در فضای شبکه. محاسبه کنید. محیط زیست سیستم شهری 2008 ، 32 ، 396-406. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. اندرسون، تخمین چگالی کرنل TK و خوشه‌بندی K-means به نمایه نقاط حادثه خیز جاده‌ای. اسید. مقعدی قبلی 2009 ، 41 ، 359-364. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  19. حریرفروش، ح. تحلیل مکانی و زمانی حوادث ترافیکی فصلی. صبح. J. Traffic Transp. مهندس 2019 ، 4 ، 7. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  20. گترل، AC؛ بیلی، تی سی؛ دیگل، پی جی؛ رولینگسون، کارشناسی تحلیل الگوی نقطه‌ای فضایی و کاربرد آن در اپیدمیولوژی جغرافیایی. ترانس. Inst. برادر Geogr. 1996 ، 21 ، 256. [ Google Scholar ] [ CrossRef ]
  21. ماه، ای. بریج، تی. Wets, G. Improving Moran’s I برای شناسایی نقاط داغ در ایمنی ترافیک. در ژئومحاسبات و برنامه ریزی شهری ; Springer: برلین/هایدلبرگ، آلمان، 2009; صص 117-132. [ Google Scholar ]
  22. حریرفروش، ح. Bellalite، L. یک تجزیه و تحلیل جدید مبتنی بر GIS برای شناسایی نقاط داغ: مطالعه موردی شهر شربروک. اسید. مقعدی قبلی 2019 ، 130 ، 62-74. [ Google Scholar ] [ CrossRef ]
  23. لیوبیچ، پ. تودورفسکی، ال. لاوراچ، ن. Bullas، JC تجزیه و تحلیل سری زمانی داده های تصادفات ترافیکی انگلستان. در مجموعه مقالات پنجمین کنفرانس بین المللی چند کنفرانسی جامعه اطلاعاتی، لیون، فرانسه، 13 تا 16 سپتامبر 2002. صص 131-134. [ Google Scholar ]
  24. الصدیق، م. نورمن، JN; لوید، OL; رومیلی، پی. بنر، الف. حوادث ترافیکی جاده ای در امارات متحده عربی: روند ابتلا و مرگ و میر در طول 1977-1998. اسید. مقعدی قبلی 2002 ، 34 ، 465-476. [ Google Scholar ] [ CrossRef ]
  25. لاوراچ، ن. Jesenovec، D.; تردین، ن. کوستا، NM استخراج داده های مکانی-زمانی حوادث ترافیکی و تجسم الگوی فضایی. Adv. روش. آمار 2008 ، 5 ، 45-63. [ Google Scholar ] [ CrossRef ]
  26. پراساناکومار، وی. ویجیت، اچ. چاروتا، آر. Geetha، N. خوشه بندی فضایی و زمانی تصادفات جاده ای: تجزیه و تحلیل و ارزیابی مبتنی بر GIS. Procedia. Soc. رفتار علمی 2011 ، 21 ، 317-325. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. پلاگ، سی. شیا، جی. Caulfield، C. تکنیک های تجسم مکانی و زمانی برای تجزیه و تحلیل تصادف. اسید. مقعدی قبلی 2011 ، 43 ، 1937-1946. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  28. کینگهام، اس. سابل، CE; بارتی، پی. تأثیر «دولت مدرسه» بر تصادفات ترافیکی جاده‌ای: یک تحلیل مکانی – زمانی. J. Transp. Geogr. 2011 ، 19 ، 705-711. [ Google Scholar ] [ CrossRef ]
  29. لیو، سی. Sharma, A. بررسی اثرات مکانی-زمانی در تحلیل روند تصادفات ترافیکی. مقعدی روش ها اسید. Res. 2017 ، 16 ، 104-116. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  30. Kaygisiz، Ö.; دوزگون، ش. یلدیز، ع. Senbil، M. تجزیه و تحلیل تصادف فضایی-زمانی برای پیشگیری از تصادف در رابطه با عوامل رفتاری در رانندگی: مورد بزرگراه آناتولی جنوبی. ترانسپ Res. قسمت F روانشناسی ترافیک. رفتار 2015 ، 33 ، 128-140. [ Google Scholar ] [ CrossRef ]
  31. اولسن، جی آر. میچل، آر. اوگیلوی، دی. از طرف تیم مطالعه M74. تأثیر یک بزرگراه جدید بر الگوی اجتماعی- فضایی تصادفات جاده ای: یک مطالعه تجربی طبیعی طولی گذشته نگر. PLoS ONE 2017 , 12 , e0184047. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. وانگ، سی. قدوس، م. Ison، SG تجزیه و تحلیل مکانی-زمانی تأثیر ازدحام بر ایمنی ترافیک در جاده‌های اصلی در بریتانیا. ترانسپ ترانسپ. علمی 2013 ، 9 ، 124-148. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. عبیدات، ام تی; رمضان، TM حوادث رانندگی در نقاط پرخطر جاده های شهری. جردن جی. سیو. مهندس 2012 ، 6 ، 436-447. [ Google Scholar ]
  34. العمری، بی. غزلان، ک. حسن، ح. روندها و ویژگی های تصادفات رانندگی در اردن. بین المللی J. Civ. محیط زیست مهندس 2013 ، 13 ، 9-16. [ Google Scholar ]
  35. الروسان، TM; عمر، ع.ا. العمری، AA ویژگی های تصادفات ناشی از حواس پرتی رانندگی در جاده های روستایی و برون شهری در اردن. Infrastructures 2021 , 6 , 107. [ Google Scholar ] [ CrossRef ]
  36. العمری، BH; عبیدات، تجزیه و تحلیل ES تصادفات عابر پیاده در شهر اربید، اردن. Transp را باز کنید. J. 2013 ، 7 ، 1-6. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  37. العمری، ع. شطنوی، ن. خداوی، ت. مقدادی، تی. پیش بینی نقاط داغ تصادفات رانندگی با استفاده از منطق فازی و GIS. Appl. ژئوماتیک 2019 ، 12 ، 149-161. [ Google Scholar ] [ CrossRef ]
  38. الخادور، دبلیو. زرقو، ج. الهلالی، ع. Al-Ghananeem, S. تشخیص تصادفات ترافیکی با استفاده از سیستم های اطلاعات جغرافیایی (GIS). بین المللی J. Adv. محاسبه کنید. علمی Appl. 2021 ، 12 ، 484-494. [ Google Scholar ] [ CrossRef ]
  39. سونگچیتروکسا، پ. Zeng, X. Getis–Ord آمار فضایی برای شناسایی نقاط داغ با استفاده از داده های مدیریت حادثه. ترانسپ Res. ضبط J. Transp. Res. هیئت 2010 ، 2165 ، 42-51. [ Google Scholar ] [ CrossRef ]
  40. ESRI. راهنمای آنلاین ESRI برای آمار و تجزیه و تحلیل فضایی. در دسترس آنلاین: https://desktop.arcgis.com/en/arcmap/10.3/tools/editing-toolbox/snap.htm (در 28 ژانویه 2022 قابل دسترسی است).
  41. Ord، JK; Getis، A. آمار خودهمبستگی فضایی محلی: مسائل توزیعی و یک کاربرد. Geogr. مقعدی 1995 ، 27 ، 286-306. [ Google Scholar ] [ CrossRef ]
  42. گتیس، ع. Aldstadt, J. ساخت ماتریس وزن های فضایی با استفاده از یک آمار محلی. جئوگ مقعد. 2004 ، 36 ، 90-104. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00260 g001 550
شکل 1. ( الف ) نقشه موقعیت استان اربید در اردن و ( ب ) مرزهای اداری 18 شهرداری در استان.
Ijgi 11 00260 g002 550
شکل 2. نمودار شماتیک رویه های اجرا شده برای نقشه برداری مکان های کانون تصادفات ترافیکی.
Ijgi 11 00260 g003 550
شکل 3. نمونه هایی از خوشه های گیج کننده از تصادفات رانندگی در منطقه مورد مطالعه که نشان دهنده حوادث ترافیکی گزارش شده در یک اداره پلیس به جای مکان واقعی آن است.
Ijgi 11 00260 g004 550
شکل 4. نقشه توزیع فضایی تصادفات رانندگی در استان اربید طی سال های 2015-2019.
Ijgi 11 00260 g005 550
شکل 5. توزیع تصادفات رانندگی در استان اربید در ( الف ) ماهانه، ( ب ) روزانه، ( ج ) دوره روزانه، و ( د ) سطح شدت. ستون های خاکستری نشان دهنده تعداد کل تصادفات در سطح سال است.
Ijgi 11 00260 g006 550
شکل 6. نمایش گرافیکی خودهمبستگی فضایی افزایشی با فاصله و مقدار پیک.
Ijgi 11 00260 g007 550
شکل 7. گزارش خود همبستگی مکانی با نمودار معناداری Moran’s I، z-score و p -value تصادفات رانندگی در استان اربید با استفاده از داده های 2015-2019.
Ijgi 11 00260 g008 550
شکل 8. نقشه پراکنش جغرافیایی مکانی-زمانی ترکیبی نقاط حادثه خیز ترافیکی در سطح سال 2015-2019.
Ijgi 11 00260 g009 550
شکل 9. نقشه های توزیع جغرافیایی مکانی-زمانی نقاط حادثه خیز ترافیکی در سطح شدت از 2015-2019. دایره های حروف نشان دهنده مکان نقشه های ارائه شده در شکل 10 a-d هستند.
Ijgi 11 00260 g010 550
شکل 10. نمونه هایی از مکان های آسیب کشنده و شدید که دارای بالاترین سطح اطمینان هستند. ( الف ) بخشی از جاده شریانی که شهر اربید را به پایتخت، امان ( ب ) بخشهای اصلی شهر اربید، ( ج ) جاده شریانی که شهر اربد را به شهرهای دره اردن پیوند می دهد، ( د ) الف. بخش جاده دره جردن برای مکان مرجع به شکل 9 مراجعه کنید.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید