تحقیقات نظام سلامت، جلد ۸، شماره ۴؛ ۱۳۹۱، صفحات ۶۷۲-۶۸۰

عنوان فارسی تعیین عوامل مرتبط با تعداد تصادفات بر حسب شدت با استفاده از رگرسیون پواسون- لگ نرمال چند متغیره بیزی
چکیده فارسی مقاله مقدمه: برازش مدل‌های تک متغیره در بسیاری از تحقیق‌های گذشته برای تحلیل داده‌های تصادف به کار رفته است. با توجه به آن که متغیر شدت در این مطالعه‌ها می‏تواند بیش از یک سطح باشد، از این رو در این مقاله مدل پواسون- لگ نرمال چند‏ متغیره برای مدل‏سازی تعداد تصادفات بر حسب شدت استفاده شد. اگرچه برای مقایسه از مدل‌های تک متغیره نیز استفاده شد. روش‌ها: استنباط آماری پارامترهای مدل توسط رهیافت بیز و استفاده از روش نمونه‌گیری گیبز و الگوریتم متروپلیس- هستینگز انجام شد. داده‏های تصادف مربوط به تقاطع‏های شهر اصفهان بود. یافته‌ها: با وجود بیش پراکنش در دو سطح شدت و وجود همبستگی بین این دو سطح، مدل پواسون- لگ نرمال چند متغیره برازش بهتری را نسبت به بقیه مدل‌ها ارایه داد. همچنین اثر حجم کل ترافیک بر تصادفات خسارتی در تمامی مدل‌ها معنی‌دار بود، اما اثر حجم کل ترافیک چپ‌گردها بر تصادفات جراحتی و فوتی تنها در مدل پواسون تک متغیره معنی‌دار شد. بنابراین با فرض ثابت نگه داشتن بقیه متغیرهای توضیحی، انتظار می‏رود که افزایش حجم کل ترافیک باعث افزایش تصادفات خسارتی می‌شود. همچنین افزایش حجم کل ترافیک چپ‌گردها نیز باعث افزایش تصادفات جراحتی و فوتی در تقاطع‏ها می‏شود. به طور دقیق‌تر تحت مدل پواسون- لگ نرمال چند متغیره افزایش 1000 وسیله نقلیه در متوسط حجم کل ترافیک باعث افزایش 31 درصدی تصادفات خسارتی می‏شود. نتیجه‌گیری: بنابراین کاهش حجم کل ترافیک در مقوله کاهش هزینه تصادفات در دراز مدت پیش‌بینی می‏شود که بسیار مقرون به صرفه استواژه‌های کلیدی: استنباط بیزی، روش مونت کارلوی زنجیر مارکوفی، توزیع‏های پسین شرطی کامل، شدت تصادفات، ایمنی تقاطع‏ها.
کلیدواژه‌های فارسی مقاله

عنوان انگلیسی
چکیده انگلیسی مقاله Background: Univariate models have been used to analyse crash data in previous studies. With regards to the severity variable in these researches that can be more than one level, in the present study multivariate Poisson-log normal model has been recommended to model crash count by severity, although it has been also used to compare the univariate models. Methods: The statistical inference of model parameters was conducted by Bayesian method, via a Gibbs Sampler and the Metropolis-Hastings (M-H) algorithms. The crash data were related to the intersections of Isfahan, Iran. Findings: Despite over-dispersion at two levels of severity and correlation among these two levels, the multivariate Poisson-lognormal model offers a better fit than other models. Also the effect of the total AADT (average annual daily traffic) on the property was significant in all of the models. But the effect of total left turn AADT on injuries and fatalities was significant just in the univariate Poisson model. Under multivariate Poisson-lognormal model, an increase of 1000 vehicles in average total AADT was predicted to result in 31% more property damage. Conclusion: Reducing the total volume of traffic in the cost of accidents reduction was predicted to be very affordable in long term.
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله ايرج کاظمي |
Assistant Professor, Department of Statistics, Department of Statistics, University of Isfahan, Isfahan, Iran


مهدي تذهيبي |
Assistant Professor, Department of Biostatistics and Epidemiology, School of Public Health, Isfahan University of Medical Sciences, Isfahan, Iran


سميه مومنيان |
MSc Student, Student Research Committee, Department of Biostatistics and Epidemiology, School of Public Health, University of Medical Sciences, Isfahan, Iran


حسين حق‌شناس |
Assistant Professor, Department of Civil Engineering, Department of Transportation, University of Isfahan, Isfahan, Iran



نشانی اینترنتی http://hsr.mui.ac.ir/index.php/jhsr/article/view/604
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی اصیل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات