کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7195339 1468201 2018 41 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Quantitative risk assessment of freeway crash casualty using high-resolution traffic data
ترجمه فارسی عنوان
ارزیابی ریسک کمی از تلفات تصادف بزرگراه با استفاده از داده های ترافیک با وضوح بالا
کلمات کلیدی
تلفات سقوط، شدت آسیب نوع برخورد، تجزیه و تحلیل مولفه اصلی، رگرسیون لجستیک متوالی بیزی،
ترجمه چکیده
این مطالعه با هدف بررسی تاثیر شرایط جریان ترافیک بر تلفات تصادفی انواع برخورد های مختلف با استفاده از داده های ترافیک با وضوح بالا انجام شد. تجزیه و تحلیل اجزای اصلی به منظور مقابله با تعداد زیادی از متغیرهای ترافیکی مرتبط خطوط انجام شد. سپس یک مدل رگرسیون لجستیک تکراری چهار مرحلهای به صورت تصادفی برای پیوند احتمال تلفات تصادف هر نوع برخورد با جریان واقعی هوا، شرایط آب و هوایی و شرایط هندسی توسعه داده شد. نتایج نشان داد که خطرات صدمات در تصادفات دو طرفه با افزایش اختلاف سرعت بین خطوط مجاور، حجم در خط راست و انحراف معیار حجم در خطوط درونی افزایش می یابد. شرایط ترافیک پربار و تعامل آن با شرایط نامساعد خطرات صدمات در تصادفات دو طرفه را کاهش می دهد. برای سقوط عقب پایان، شرایط ترافیک بارگذاری شده در ناحیه واگرا و تفاوت بزرگی در سرعت در خط راست بین ایستگاه بالا و پایین رودخانه در شرایط آب و هوایی منجر به تلفات سقوط می شود. علاوه بر این، حجم زیاد در خطوط درونی خطرات صدمات در سقوط عقب را کاهش می دهد. نتایج اعتبار سنجی نشان داد که دقت پیش بینی در هر سطح شدت با انواع برخورد مناسب است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
پیش نمایش مقاله
ارزیابی ریسک کمی از تلفات تصادف بزرگراه با استفاده از داده های ترافیک با وضوح بالا
چکیده انگلیسی
This study aimed to investigate the impacts of traffic flow conditions on crash casualty of different collision types using high-resolution traffic data. The principle components analysis was conducted to deal with a large number of correlated lane-specific traffic variables. A four-stage random-parameters sequential logistic regression model was then developed to link the probability of crash casualty of each collision type with real-time traffic flow, weather, and geometric conditions. The results showed that the risks of injuries in sideswipe crashes increase with an increase in the speed difference between adjacent lanes, volume on right lane, and standard deviation of volume on inner lanes. The congested traffic conditions and its interaction with adverse weather decrease the risks of injuries in sideswipe crashes. For rear-end crashes, the congested traffic conditions at diverge area, and large difference in speed on right lane between upstream and downstream station in adverse weather contribute to crash casualty. Moreover, high volume on inner lanes reduce the risks of injuries in rear-end crashes. The validation results showed that the prediction accuracy at each severity level by collision types is satisfactory.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Reliability Engineering & System Safety - Volume 169, January 2018, Pages 299-311
نویسندگان
, , , , ,