| تعداد نشریات | 45 |
| تعداد شمارهها | 1,562 |
| تعداد مقالات | 19,103 |
| تعداد مشاهده مقاله | 65,992,162 |
| تعداد دریافت فایل اصل مقاله | 24,025,102 |
رویکرد ژئوانفورماتیک در تحلیل و مدلسازی تصادفات منجر به فوت شهر تبریز در نقاط حادثه خیز | ||
| نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 01 دی 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/rsgi.2026.74648.1180 | ||
| نویسندگان | ||
| خلیل پورابراهیم1؛ ابوالفضل قنبری* 2؛ خلیل ولیزاده کامران3؛ مهرداد جیهونی4 | ||
| 1گروه سنجش از دور و سیستمهای اطلاعات جغرافیایی دانشگاه تبریز | ||
| 2هیات علمی/دانشگاه تبریز | ||
| 3گروه سنجش از دورو GIS دانشگاه تبریز | ||
| 4عضو هیئت علمی، گروه سنجش از دور و GIS، دانشگاه تبریز | ||
| چکیده | ||
| تصادفات منجر به فوت از چالشهای بنیادین ایمنی ترافیک و سلامت عمومی در کلانشهرها به شمار میروند و واکاوی الگوی فضایی و عوامل ایجاد کانونهای پرخطر برای تدوین سیاستهای پیشگیرانه ضرورت دارد. پژوهش حاضر با هدف تحلیل فضایی، شناسایی و مدلسازی محدودههای پرخطر تصادفات فوتی در کلانشهر تبریز و تعیین سهم عوامل انسانی، زمانی، محیطی و ویژگیهای کالبدی شبکه معابر انجام شد. بدین منظور، دادههای مکانی ۵۰۹ فقره تصادف فوتی با استفاده از سامانه اطلاعات جغرافیایی (جی.آی.اس) ، شبکهبندی ششضلعی و تخمین تراکم هستهای تحلیل شدند. سپس، الگوریتم یادگیری ماشین جنگل تصادفی برای طبقهبندی نقاط پرخطر به کار گرفته شد و جهت غلبه بر ماهیت جعبهسیاه مدل، اهمیت و جهت اثرگذاری متغیرها با روش تبیینپذیر شپ تحلیل گردید؛ همچنین استقلال متغیرها با ضریب وی کرامر ارزیابی شد. نتایج نشان داد که تصادفات فوتی در تبریز توزیعی ناهمگن و خوشهای دارند و هستههای پرخطر پایدار عمدتاً در معابر شریانی و در مجاورت کاربریهای مسکونی، تجاری و خدماتی متمرکز شدهاند. خطاهای رفتاری شامل «عدم توجه به جلو» و «تخطی از سرعت مطمئنه» در مجموع ۸۲٫۷ درصد از علل رخدادها را تشکیل دادند. مدل جنگل تصادفی با دقت ۹۲ درصد و شاخص «راک اییوسی» برابر با ۰٫۹۴ عملکرد مطلوبی در پیشبینی نقاط حادثهخیز نشان داد. بر اساس تحلیل شپ، نوع راه، ساعت وقوع و سن راننده به ترتیب اثرگذارترین عوامل در شکلگیری کانونهای پرخطر شناسایی شدند. در مجموع، تلفیق تحلیلهای مکانی و یادگیری ماشین تبیینپذیر چارچوبی یکپارچه و کارآمد برای پایش هوشمند ترافیک و اولویتبندی مداخلات مهندسی ایمنی معابر فراهم میآورد. | ||
| کلیدواژهها | ||
| تحلیل فضایی (جی.آی.اس)؛ تصادفات فوتی؛ جنگل تصادفی؛ کلانشهر تبریز | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 9 |
||