Bilingual
En/Fa
Geographical Research is Published in both Persian and English Full-text.
دوره 41، شماره 1 - ( 1405 )
جلد 41 شماره 1 صفحات 1034-1001 |
برگشت به فهرست نسخه ها
نوع مقاله:
موضوع مقاله:
History
دریافت: 1404/8/22 | پذیرش: 1404/9/11 | انتشار: 1405/2/10
دریافت: 1404/8/22 | پذیرش: 1404/9/11 | انتشار: 1405/2/10
How to cite this article
Hikmat Khudhair H, Azizi Z, Neshat A, Imani Harsini J. Spatial Patterns of Road Traffic Crashes in Baghdad with an Emphasis on Road Network Topology Metrics. GeoRes 2026; 41 (1) :1001-1034
URL: http://georesearch.ir/article-1-1864-fa.html
URL: http://georesearch.ir/article-1-1864-fa.html
الگوهای مکانی تصادفات جادهای در بغداد با تأکید بر معیارهای توپولوژی شبکه جادهای. فصلنامه تحقیقات جغرافیایی. 1405; 41 (1) :1001-1034
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rights and permissions
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Authors
چکیده (673 مشاهده)
اهداف و زمینهها: ایمنی ترافیک شهری از سازمان فضایی شبکههای راه متأثر است. لذا در این تحقیق روابط میان سنجههای توپولوژیک شبکه و خطر سانحه برای بغداد، بررسی شد تا خلأ شواهد در خاورمیانه پوشش داده شود؛ تمرکز بر betweenness، مشبودگی، چگالی تقاطع و طول راه، مساحت ساختمان، گشودگی و AADT قرار داده شد.
روششناسی: دادهها (سوانح، معابر OpenStreetMap، ردپای ساختمانی Microsoft، AADT) گردآوری و کنترل کیفیت (حذف موارد تکراری، اسنپ به نزدیکترین یال، پاکسازی توپولوژی) انجام شد. شاخصها بر روی شبکه یکنواخت ۱×۱ کیلومتر (EPSG:32638) محاسبه شد. نرخ سوانح بر حسب VKT نرمالسازی شد. یک مدل OLS با خطاهای مقاوم برآورد شد؛ در صورت مشاهده خودهمبستگی باقیمانده، مدلهای SLM/SEM/SDM برازش شد. برای آشکارسازی ناایستایی مکانی، GWR با پهنایباند تطبیقی بهکار گرفته شد. همپوشانی فاصله تا بیمارستان نیز تحلیل شد.
یافتهها: خوشهبندی معناداری از نرخ تصادفات مشاهده شد (0.22Moran’s I = ،0.001 p < ). در OLS، اثرات مثبت برای AADT، مساحت ساختمان، باز بودن و شبکهبندی نشان داده شد و اثر منفی برای بینابینی شناسایی شد. SDM انتخابشده، سرریزهای مکانی (0.19ρ ≈ ) و اثرات کل زیاد AADT (~0.36) و مساحت ساختمان (~0.26) را تأیید کرد، در حالی که بینابینی همچنان منفی بود (~-0.12). GWR سازگاری مکانی گستردهای را نشان داد: بینابینی در حدود 48٪ از سلولها به طور قابل توجهی منفی بود، در حالی که AADT و مساحت ساختمان به ترتیب در حدود 68٪ و ~61٪ به طور قابل توجهی مثبت بودند. نرخ تصادفات در فاصله 1 تا 3 کیلومتری بیمارستانها به اوج خود رسید (~310 در هر 100 متر VKT) و پس از 5 کیلومتر کاهش یافت (~170).
نتیجهگیری: نتایج از مداخلات هدفمندِ مقیاسکریدور در پهنههای پرمواجهه، بسیار مشبک و باز پشتیبانی کرد—که باید با بازطراحی تقاطعها، مدیریت پهلو/ دسترسی و کنترل سرعت—بهویژه پیرامون بیمارستانها—همراه شود؛ نه راهکارهای یکسان برای همه نقاط.
روششناسی: دادهها (سوانح، معابر OpenStreetMap، ردپای ساختمانی Microsoft، AADT) گردآوری و کنترل کیفیت (حذف موارد تکراری، اسنپ به نزدیکترین یال، پاکسازی توپولوژی) انجام شد. شاخصها بر روی شبکه یکنواخت ۱×۱ کیلومتر (EPSG:32638) محاسبه شد. نرخ سوانح بر حسب VKT نرمالسازی شد. یک مدل OLS با خطاهای مقاوم برآورد شد؛ در صورت مشاهده خودهمبستگی باقیمانده، مدلهای SLM/SEM/SDM برازش شد. برای آشکارسازی ناایستایی مکانی، GWR با پهنایباند تطبیقی بهکار گرفته شد. همپوشانی فاصله تا بیمارستان نیز تحلیل شد.
یافتهها: خوشهبندی معناداری از نرخ تصادفات مشاهده شد (0.22Moran’s I = ،0.001 p < ). در OLS، اثرات مثبت برای AADT، مساحت ساختمان، باز بودن و شبکهبندی نشان داده شد و اثر منفی برای بینابینی شناسایی شد. SDM انتخابشده، سرریزهای مکانی (0.19ρ ≈ ) و اثرات کل زیاد AADT (~0.36) و مساحت ساختمان (~0.26) را تأیید کرد، در حالی که بینابینی همچنان منفی بود (~-0.12). GWR سازگاری مکانی گستردهای را نشان داد: بینابینی در حدود 48٪ از سلولها به طور قابل توجهی منفی بود، در حالی که AADT و مساحت ساختمان به ترتیب در حدود 68٪ و ~61٪ به طور قابل توجهی مثبت بودند. نرخ تصادفات در فاصله 1 تا 3 کیلومتری بیمارستانها به اوج خود رسید (~310 در هر 100 متر VKT) و پس از 5 کیلومتر کاهش یافت (~170).
نتیجهگیری: نتایج از مداخلات هدفمندِ مقیاسکریدور در پهنههای پرمواجهه، بسیار مشبک و باز پشتیبانی کرد—که باید با بازطراحی تقاطعها، مدیریت پهلو/ دسترسی و کنترل سرعت—بهویژه پیرامون بیمارستانها—همراه شود؛ نه راهکارهای یکسان برای همه نقاط.
واژههای کلیدی: