Geographical Researches

en الگوهای مکانی تصادفات جاده‌ای در بغداد با تأکید بر معیارهای توپولوژی شبکه جاده‌ای Spatial Patterns of Road Traffic Crashes in Baghdad with an Emphasis on Road Network Topology Metrics جغرافیای عمومى General Geography پژوهشی اصیل Original Research 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.   Aims & Backgrounds: Urban traffic safety was understood to be shaped by the spatial organisation of street networks. For Baghdad, this study examined the relationships between network-topological metrics and crash risk, addressing the limited Middle Eastern evidence base and focusing on betweenness, meshedness, intersection density, road-length density, building area, openness and AADT. Methodology: Data (crashes, OpenStreetMap streets, Microsoft building footprints, AADT) were assembled and quality-controlled (deduplication, snapping, topology cleaning). Indicators were computed on a uniform 1 × 1 km grid (EPSG:32638). Crash rates were normalised by VKT. A global OLS model with robust errors was estimated; when residual autocorrelation was detected, SLM/SEM/SDM were fitted. GWR with adaptive bandwidth was applied to capture spatial non-stationarity.  Findings: Significant clustering of crash rates was observed (Moran’s I = 0.22, p < 0.001). In OLS, positive effects for AADT, building area, openness, and meshedness were indicated, and a negative effect for betweenness was detected. The selected SDM confirmed spatial spillovers (ρ ≈ 0.19) and large total effects of AADT (~0.36) and building area (~0.26), while betweenness remained negative (~−0.12). GWR revealed broad spatial consistency: betweenness was significantly negative across ~48% of cells, whereas AADT and building area were significantly positive across ~68% and ~61%, respectively. Crash rates peaked within 1–3 km of hospitals (~310 per 100 M VKT) and declined beyond 5 km (~170). Conclusion: Results supported corridor-scale, targeted interventions in high-exposure, highly meshed and more open sections, coupled with protected intersection design, kerbside/access management and speed control—particularly near hospitals—rather than one-size-fits-all measures.   مرکزیت بینابینی,تصادفات ترافیکی,شبکه‌بندی,تراکم تقاطع Traffic crashes,betweenness centrality,meshedness,intersection density,openness. 1001 1034 http://georesearch.ir/browse.php?a_code=A-10-1238-7&slc_lang=en&sid=1 H. Hikmat Khudhair hassninaltaie@gmail.com 100319475328460019036 0009000242114201 No Z. Azizi 100319475328460019037 0000000185727134 Yes A.R. Neshat 100319475328460019038 0000000195573570 No J. Imani Harsini 100319475328460019039 100319475328460019039 No