Investigation of time and weather effects on crash types using full Bayesian multivariate Poisson lognormal models

تحقیقات قبلی نشان می دهد که عناصر آب و هوایی مختلف اثرات قابل توجهی بر وقوع تصادف و خطر دارد. با این حال، کمی در مورد چگونگی تاثیر این عوامل بر انواع مختلف تصادف شناخته شده است. در نتیجه، در این مطالعه تاثیر عناصر آب و هوایی و تغییرات بارش باران ناگهانی شدید برف و باران در نوع سقوط بررسی شده است. مدل های چند متغیره برای هفت نوع تصادف با استفاده از پنج سال داده های هوا و داده های روزانه جمع آوری شده برای کل شهر ادمونتون مورد استفاده قرار گرفت. علاوه بر این، روند سالانه و تغییرات تصادفی پارامترها در طول سالها با استفاده از چهار فرمولاسیون مختلف مدل سازی مورد تجزیه و تحلیل قرار گرفت. مدل های پیشنهادی با استفاده از شبیه سازی مونت کارلو زنجیره مارکوف در یک زمینه کامل بیزی قرار گرفتند. مدل لوگورمال چندسویه پواسون با ضریب متغیر سالانه، مناسب ترین داده ها را با توجه به معیارهای اطلاعات انحرافی ارائه می دهد. به طور کلی، نتایج نشان داد که دما و بارش برف با نشانه های بصری (سقوط با افزایش درجه حرارت، سقوط به دلیل افزایش شدت بارش برف) برای تمام انواع تصادف، در حالی که بارش باران غالبا ناچیز است. برف قبلی نتیجه های متفاوتی را نشان داد، که از لحاظ آماری معنی دار و مثبت به نوع خاص تصادف بود، در حالی که در موارد دیگر منفی یا ناچیز بود. حداکثر سرعت حرکت باد در اغلب موارد با چند استثناء که با نوع تصادف ارتباط مثبتی داشتند، کم اهمیت بود. رویدادهای مهم برف و باران پس از شرایط آب و هوایی خشک بسیار مهم و مثبت بودند به سه نوع تصادف: پیگیری بیش از حد، توقف توقف علائم و تصادفات ران-اف-جاده. متغیرهای ساختگی روزانه از لحاظ آماری معنی دار بودند، که نشان دهنده تغییرات احتمال هفتگی در معرض قرار گرفتن است. مقامات حمل و نقل ممکن است از نتایج فوق الذکر برای بهبود ایمنی جاده با ارائه رانندگان اطلاعات در مورد خطر انواع مختلف تصادفات در شرایط خاص آب و هوایی استفاده کنند.