Predicting motorcycle crash injury severity using weather data and alternative Bayesian multivariate crash frequency models

سقوط موتورسیکلت نسبتا زیادی از مرگ و میر ناشی از وسایل نقلیه عمومی در ایالات متحده را تشکیل می دهد و در بسیاری از مطالعات عوامل موثر در شرایط مختلف مورد بررسی قرار گرفته است. با این حال، تحقیق در مورد تاثیر شرایط آب و هوایی بر شدت سقوط موتور سیکلت به خوبی ثبت نشده است. در این مطالعه، تأثیر شرایط آب و هوایی بر آسیب های تصادفات موتور سیکلت در چهار سطح شدت مختلف با استفاده از اطلاعات آسیب های سقوط موتور سیکور سان فرانسیسکو مورد بررسی قرار گرفت. پنج مدل با استفاده از فرمولبندی کامل بیزی برای حسابهای متفاوتی که اغلب در داده های خرابی دیده می شوند، به حساب می آیند و سپس برای تناسب و عملکرد مقایسه می شود. نتایج نشان می دهد که مدل هایی با تغییرات سریال و شدت پارامترها مناسب تر و قابلیت پیش بینی تصادف دقیق هستند. نتیجه گیری از پارامتر برآورد شده از پنج مدل عبارت بودند از: افزایش دمای هوا موجب کاهش تصادفی مرگبار شد اما اثر معکوسی بر سقوط سطح دیگر شدت داشت؛ رطوبت در هوا مشاهده نشد که تاثیر قابل پیش بینی یا قوی بر سقوط داشته باشد؛ وقوع بارش احتمال سقوط را برای تمام سطوح شدت کاهش داد. آژانس های حمل و نقل ممکن است از نتایج تحقیقات برای بهبود ایمنی جاده ها با ارائه موتورسیکلت ها از اطلاعات در مورد خطر برخی از شرایط شدید سقوط برای شرایط آب و هوایی خاص بهره مند شوند.