سید امین نعمتی؛ رضا امین؛ علی خدائی
چکیده
تحقیق حاضر بر روی مدل لوجیت دودویی برای پیش‌بینی احتمال مرگ رانندگان در تصادفات جاده‌ای تمرکز دارد. در این تحقیق، از داده‌های تصادفات رانندگی جاده‌ای کشور کانادا استفاده شده است. این داده‌ها در سال 2019 توسط پلیس راه جمع‌آوری شده‌اند و در پایگاه ملی داده‌های تصادفات ثبت شده‌اند. متغیر وابسته در این مدل شدت تصادف می‌باشد که یک ...
بیشتر
تحقیق حاضر بر روی مدل لوجیت دودویی برای پیش‌بینی احتمال مرگ رانندگان در تصادفات جاده‌ای تمرکز دارد. در این تحقیق، از داده‌های تصادفات رانندگی جاده‌ای کشور کانادا استفاده شده است. این داده‌ها در سال 2019 توسط پلیس راه جمع‌آوری شده‌اند و در پایگاه ملی داده‌های تصادفات ثبت شده‌اند. متغیر وابسته در این مدل شدت تصادف می‌باشد که یک متغیر دودویی است (مرگ رانندگان و مجروح شدن رانندگان). متغیرهای مستقل شامل انواع وسایل نقلیه، سن خودرو، روزها، بازه‌های زمانی، برخورد هم جهت و مخالف جهت، محل تصادف، شرایط جوی، سن و جنسیت راننده است. با تحلیل داده‌ها و تخمین پارامترها، مدل تا 41 درصد تغییرات متغیر وابسته را پیش‌بینی می‌تواند. در مرحله اعتبارسنجی مدل، داده‌ها به دو بخش تقسیم شده است و 70 درصد آن‌ها برای مدل‌سازی و 30 درصد باقی‌مانده برای اعتبارسنجی مدل استفاده شده است. از شاخص آزمون عدد مک-فادن برای ارزیابی عملکرد مدل استفاده شده است. ساخت مدل‌های این تحقیق به کمک نرم افزار‌های SPSS و Nlogit6.0 صورت گرفته است. نتایج نشان می‌دهد که مدل به خوبی با داده‌ها تطابق دارد و توانایی پیش‌بینی تغییرات شدت تصادفات را دارد. در نتیجه، این تحقیق نشان می‌دهد که متغیرهای خشک بودن سطح جاده، بازه نیمه شب و سن وسیله نقلیه باعث افزایش مرگ افراد شده و متغیرهایی مانند وسیله نقلیه سبک، اتوبوس مدرسه و برخودر هم‌جهت تصادف منجر به مرگ را کاهش می‌دهد.
