کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6965226 1452887 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Traffic accident severity analysis with rain-related factors using structural equation modeling - A case study of Seoul City
ترجمه فارسی عنوان
تجزیه و تحلیل شدت حوادث ترافیکی با عوامل بارندگی مرتبط با مدل سازی معادلات ساختاری - مطالعه موردی شهر سئول
کلمات کلیدی
عمق آب، شدت بارندگی، فاکتور جاده، سطح شدت حوادث، مدل سازی معادلات ساختاری،
ترجمه چکیده
شرایط آب و هوایی به شدت با شدت حوادث ترافیکی ارتباط دارد. به طور خاص، عوامل مرتبط با بارندگی یکی از دلایل مهم ترافیک ناشی از دید بد و کاهش اصطکاک ناشی از شرایط جاده لغزنده است. این مقاله رویکرد سیستماتیک را برای تجزیه و تحلیل اندازه گیری میزان شدت بارندگی و سطح عمق آب در حوادث ترافیکی با استفاده از شهر سئول، کره به عنوان یک مطالعه موردی ارائه می دهد. داده های بارندگی و تصادفات رانندگی طی یک دوره 9 ساله (از سال 2007 تا 2015) برای سئول با استفاده از مدل سازی معادلات ساختاری برای شناسایی روابط بین متغیرها با استفاده از متغیرهای درونی و بیرونی به طور همزمان مورد تجزیه و تحلیل قرار گرفت. در مدل، چهار متغیر غیرواقعی، یعنی آنهایی که نشان دهنده جاده هستند؛ ترافیک، محیط زیست و عوامل انسانی؛ و فاکتورهای عمق بارندگی و آب، تعریف شده و ضرایب متغیرهای پنهان، درونی و بیرونی برآورد شد تا میزان شدت حوادث را بدست آورند. علاوه بر این، یک شاخص آماری خوبی برای شاخص مناسب برای مدل سازی پیشنهاد شده است. در نتیجه، عوامل ترافیکی، محیطی و انسانی؛ بارندگی و عوامل عمق آب؛ و عوامل جاده با هم ارتباط دارند با شدت حوادث. اتومبیل های فشرده، رانندگان جوان، رانندگان زن، باران های سنگین، آب های عمیق و جاده هایی با طول زهکشی طولانی، به احتمال زیاد با افزایش شدت حوادث همراه هستند، همچنین ویژگی هایی مانند مماسی، شیب پایین، منحنی دست و طول منحنی کوتاهتر است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی بهداشت و امنیت شیمی
پیش نمایش مقاله
تجزیه و تحلیل شدت حوادث ترافیکی با عوامل بارندگی مرتبط با مدل سازی معادلات ساختاری - مطالعه موردی شهر سئول
چکیده انگلیسی
Weather conditions are strongly correlated with traffic accident severity. In particular, rain-related factors are an important cause of traffic accidents due to the poor visibility and reduced friction resulting from slippery road conditions. This paper presents a systematic approach to analyze the extent to which the rainfall intensity and level of water depth are responsible for traffic accidents using Seoul City, Korea, as a case study. The rainfall and traffic accident data over a nine-year period (from 2007 to 2015) for Seoul were analyzed through Structural Equation Modeling to identify the relationships among variables by handling endogenous and exogenous variables simultaneously. In the model, four latent variables, namely those representing the road; traffic, environmental, and human factors; and rain and water depth factors, were defined and the coefficients of the latent, endogenous, and exogenous variables were estimated to obtain the level of accident severity. Furthermore, a statistical goodness of fit index was suggested for model fitting. In conclusion, traffic, environmental, and human factors; rain and water depth factors; and road factors are mutually correlated with the level of accident severity. Compact cars, young drivers, female drivers, heavy rain, deep water, and roads with a long drainage length are more likely to be associated with an increase in the level of accident severity, as are features like a tangent, down slope, right-hand curve, and shorter curve length.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Accident Analysis & Prevention - Volume 112, March 2018, Pages 1-10
نویسندگان
, , , ,