پژوهشنامه حمل و نقل

پژوهشنامه حمل و نقل

مدل‌سازی ‌عوامل موثر بر احتمال وقوع تصادف و پیش‌بینی تعداد تصادفات رانندگان تاکسی

نوع مقاله : مقاله پژوهشی

نویسندگان
قاسم درمنکی قراهانی 1
مرتضی اسدامرجی 2
بابک ابراهیمیان 3
1 دانشجوی کارشناسی ارشد، دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
2 استادیار، گروه ژئوتکنیک و حمل و نقل، دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
3 ا‌ستادیار، گروه ژئوتکنیک و حمل و نقل، دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران
10.22034/tri.2023.416931.3193
چکیده
یکی از وسایل نقلیه در معابر ‌شهری تاکسی است که مکمل حمل‌ونقل عمومی و بخشی از یک حمل‌ونقل فعال محسوب می‌گردد. باتوجه به اینکه رانندگان تاکسی در مقایسه با سایر رانندگان زمان طولانی‌تری را در معابر سپری می‌کنند احتمال وقوع تصادف بالاتری دارند؛ لذا ایمنی و رانندگی مناسب برای رانندگان تاکسی حائز اهمیت است. بررسی‌ها نشان داده پارامترهای مؤثر در تصادفات تاکسی شامل عوامل انسانی، ایمنی خودرو، محدوده خدمات و معابری که به‌صورت دوره‌ای طی می‌گردد، عوامل محیطی و مسائل مدیریتی و اجتماعی است؛ اما مهم‌ترین آن‌ها عوامل انسانی است که بخصوص مربوط به رانندگان تاکسی می‌شود؛ لذا در این پژوهش به بررسی تأثیر رفتار و ویژگی‌های رانندگان بر احتمال درگیری در تصادف و نرخ تصادفات تاکسی و ارائه مدل‌های کمی برای پیش‌بینی تعداد تصادفات و احتمال درگیری در تصادف پرداخته شده است. بدین منظور و با بررسی ادبیات موضوع ویژگی‌های جمعیت‌شناختی، سابقه رانندگی و تصادفات سه‌سال گذشته، رفتارهای رانندگی و ویژگی‌های تکانشگری به‌عنوان متغیرهای مستقل مدنظر قرار گرفت که برای جمع‌آوری آن‌ها پرسش‌نامه‌های استاندارد در جامعه هدف که رانندگان تاکسی کلان‌شهر اراک بودند توزیع گردید. در این راستا ۳۳۰ نمونه به‌صورت تصادفی از بین رانندگان تاکسی پرسش‌نامه‌ها را تکمیل نمودند. در ادامه پایایی و روایی پرسش‌نامه‌ها تأیید و مدل رگرسیون لجستیک برای پیش‌بینی احتمال درگیری در تصادف و مدل‌های پواسون تعمیم‌یافته برای پیش‌بینی تعداد تصادفات به عنوان بهترین مدلها با استفاده از نرم‌افزار SPSS 24 تخمین زده شد. متغیرهای مستقل معنی‌دار معادله درگیری در تصادف شامل: سن، تعداد تخلفات، میزان ساعت‌کار راننده، خطا و لغزش و علاقه به رانندگی تعیین شد. متغیرهای تأثیر‌گذار در مدل پیش‌بینی تعداد تصادفات نیز شامل: سن، خطا و لغزش، بی‌اعتنایی به قانون، علاقه به رانندگی و سابقه رانندگی با تاکسی بود. از نتایج این مطالعه می‌توان در طراحی دوره‌های آموزشی، ارزیابی صلاحیت رانندگان تاکسی و ساخت بسته‌های فرهنگی برای این رانندگان استفاده نمود.
کلیدواژه‌ها
احتمال وقوع تصادف
تعداد تصادفات
رانندگان تاکسی
رگرسیون لجستیک
پواسون تعمیم‌یافته

موضوعات

عنوان مقاله English

Modeling the Factors Affecting the Probability of an Accident and Predicting the Number of Taxi Drivers' Accidents

نویسندگان English

Ghasem Dermanakifarahani 1
Morteza Asadamraji 2
Babak Ebrahimian 3
1 M.Sc., Student of Transportation, Faculty of Civil Engineering, Water and Environment, Shahid Beheshti University, Tehran.
2 Assistant Professor, Department of Geotechnics and Transportation, Faculty of Civil Engineering, Water and Environment, Shahid Beheshti University, Tehran.
3 Assistant Professor, Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University (SBU), East Vafadar Blvd., Tehran, Iran.1658953571, Tehran, Iran
چکیده English

One of the vehicles on the city streets is a taxi, which is a supplement to public transportation and a part of an active transportation. Due to the fact that taxi drivers spend a longer time on the roads compared to other drivers, they have a higher probability of an accident; Therefore, safety and proper driving are important for taxi drivers. in this research, the influence of driver's behavior and characteristics on the probability of being involved in an accident and the rate of taxi accidents and presenting quantitative models for predicting the number of accidents and the probability of being involved in an accident have been investigated. For this purpose and by reviewing the literature on demographic characteristics, driving history and accidents of the last three years, driving behaviors and impulsivity characteristics were considered as independent variables, and to collect them, standard questionnaires were distributed to the target population, which were taxi drivers in Arak metropolis. In this regard, 330 random samples of taxi drivers completed the questionnaires. In the following, the reliability and validity of the questionnaires were verified and the logistic regression model was estimated to predict the probability of involvement in an accident and generalized Poisson models to predict the number of accidents as the best models using SPSS 24 software. The significant independent variables of the accident involvement equation include: age, number of violations, driver's hours of work, errors and slips, and interest in driving were significant. The influential variables in the model for predicting the number of accidents also included: age, error and slip, Disregarding the Regulation, interest in driving and history of driving a taxi. The results of this study can be used in designing training courses, evaluating taxi drivers' qualifications, and making cultural packages for these drivers.

کلیدواژه‌ها English

Accident Probability
Accident Number
Taxi Drivers
Logistic Regression
Generalized Poisson
-پیشرو، آ. (1399). رگرسیون لجستیک چیست؟. https://amarpishro.com/statistics-training/logistic-regression/
- عدل، جواد، ناصر دهقان و عباس زاده،  مجتبی (2014). بررسی عوامل خطرزای بروز تصادف در استفاده از تاکسی برای سفرهای بین شهری در تهران. ارتقای ایمنی و پیشگیری از مصدومیت­ها، 2(1)، 46-39.
-فائزی، سید فرزین و الیاسی، محمدرضا (1399). پیش‌بینی تصادفات ناشی از بی‌احتیاطی با بهره‌گیری از مدل رگرسیون دوجمله‌ای منفی (مطالعه موردی: بزرگراه‌های برون‌شهری استان همدان)، پژوهشنامه حمل و نقل.
-ممدوحی، امیررضا و همکاران (2014). بررسی رفتار نابه جای رانندگان ایرانی با استفاده از پرسش نامه رفتار رانندگی؛ یک مطالعه اینترنتی، مهندسی عمران مدرس، 14(1)، 109-119.            
.واحدی، جواد (1397). مدل ریسک تصادفات براساس ویژگی‌های  شخصیتی رانندگان دانشگاه علم وصنعت ایران-
-Aghabayk, K., Mashhadizade, L., & Moridpour, S. (2020). Need safer taxi drivers? Use psychological characteristics to find or train! Sustainability, 12(10), 4206.­
-Asadamraji, M., Ross, V., & Yarahmadi, A. (2022). A novel hazard avoidance model based on young drivers’ characteristics: A driving simulator study. Applied Neuropsychology, Adult, 1-11.    
-Ba, X., Zhou, F., & Wang, Y. (2018). Predicting personal injury crash risk through working conditions, job strain, and risky driving behaviors among taxi drivers. European transport research review, 10(2), 1-6.     
-Barratt, E. S., Stanford, M. S., Kent, T. A., & Alan, F. (1997). Neuropsychological and cognitive psychophysiological substrates of impulsive aggression. Biological psychiatry, 41(10), 1045-1061.­          
-Chin, H. C., & Huang, H. L. (2009). Safety assessment of taxi drivers in Singapore. Transportation Research Record, 2114(1),
47-56.
-Das, D. K., & Burger, E. A. (2017). Appraisal of urban road safety factors in South Africa. Proceedings of the Institution of Civil Engineers-Municipal Engineer.
-Famoye, F., Wulu, J. T., & Singh, K. P. (2004). On the generalized Poisson regression model with an application to accident data. Journal of Data Science, 2(3), 287-295.           
-Gerbing, D. W., Ahadi, S. A., & Patton, J. H. (1987). Toward a conceptualization of impulsivity: Components across the behavioral and self-report domains. Multivariate behavioral research, 22(3), 357-379.
-Hayley, A. C., de Ridder, B., Stough, C., Ford, T. C., & Downey, L. A. (2017). Emotional intelligence and risky driving behaviour in adults. Transportation research part F: traffic psychology and behaviour, 49, 124-131.
-Kang, L., Zhao, Y., & Meng, Q. (2022). An empirical study of taxi crashes in Singapore. Asian Transport Studies, 8, 100056.  -Karimi, S., Aghabayk, K., & Moridpour, S. (2022). Impact of driving style, behaviour and anger on crash involvement among Iranian intercity bus drivers. IATSS Research, 46(4), 457-466.          
-La, Q. N., Lee, A. H., Meuleners, L. B., & Van Duong, D. (2013). Prevalence and factors associated with road traffic crash among taxi drivers in Hanoi, Vietnam. Accident Analysis & Prevention, 50, 451-455. 
-Lajunen, T., Parker, D., & Summala, H. (2004). The Manchester driver behaviour questionnaire: a cross-cultural study. Accident Analysis & Prevention, 36(2), 231-238.      
-Lam, L. T. (2004). Environmental factors associated with crash-related mortality and injury among taxi drivers in New South Wales, Australia. Accident Analysis & Prevention, 36(5), 905-908.     
-Mobini, S., Pearce, M., Grant, A., Mills, J., & Yeomans, M. R. (2006). The relationship between cognitive distortions, impulsivity, and sensation seeking in a non-clinical population sample. Personality and Individual Differences, 40(6), 1153-1163.
-Nguyen-Phuoc, D. Q., De Gruyter, C., Nguyen, H. A., Nguyen, T., & Su, D. N. (2020). Risky behaviours associated with traffic crashes among app-based motorcycle taxi drivers in Vietnam. Transportation research part F: traffic psychology and behaviour, 70, 249-259.       
-Organization, W. H. (2015). Global status report on road safety 2015. In. World Health Organization.
-Park, J., Lee, S., Oh, C., & Choe, B. (2021). A data mining approach to deriving safety policy implications for taxi drivers. Journal of safety research, 76, 238-247.­
-Peng, Z., Wang, Y., & Truong, L. T. (2022). Individual and combined effects of working conditions, physical and mental conditions, and risky driving behaviors on taxi crashes in China. Safety science, 151, 105759.
-Sheikholeslami, S., Boroujerdian, A. M., & Asadamraji, M. (2020). A rural road accident probability model based on single-vehicle hazard properties including hazard color and mobility: a driving simulator study. Journal of advanced transportation, 2020, 1-8.
-Sheikholeslami, S., Saffarzadeh, M., Mamdoohi, A. R., & Asadamraji, M. (2023). How does a driver feel behind the wheel? An exploratory study of drivers’ emotions and the effect of their sociodemographic background   Accident Analysis & Prevention, 183, 106974.
-Shi, J., Bai, Y., Ying, X., & Atchley, P. (2010). Aberrant driving behaviors: A study of drivers in Beijing. Accident Analysis & Prevention, 42(4), 1031-1040.     
-Shi, J., Hussain, M., & Peng, D. (2022). A study of aberrant driving behaviors and road accidents in Chinese ride-hailing drivers. Journal of Transportation Safety & Security, 1-18.   
-Stanford, M. S., Mathias, C. W., Dougherty, D. M., Lake, S. L., Anderson, N. E., & Patton, J. H. (2009). Fifty years of the Barratt Impulsiveness Scale: An update and review. Personality and Individual Differences, 47(5), 385-395.     
-Sun, L.-L., Liu, D., Chen, T., & He, M.-T. (2019). Road traffic safety: An analysis of the cross-effects of economic, road and population factors. Chinese journal of traumatology, 22(05), 290-295.       
-Usman, T., Fu, L., & Miranda-Moreno, L. F. (2010). Quantifying safety benefit of winter road maintenance: Accident frequency modeling. Accident Analysis & Prevention, 42(6), 1878-1887.     
-Vahedi, J., Shariat Mohaymany, A., Tabibi, Z., & Mehdizadeh, M. (2018). Aberrant driving behaviour, risk involvement, and their related factors among taxi drivers. International journal of environmental research and public health, 15(8), 1626.­    
-Wang, X., & Abdel-Aty, M. (2008). Analysis of left-turn crash injury severity by conflicting pattern using partial proportional odds models. Accident Analysis & Prevention, 40(5), 1674-1682 .    
-Wang, Y., Li, L., Feng, L., & Peng, H. (2014). Professional drivers’ views on risky driving behaviors and accident liability: a questionnaire survey in Xining, China. Transportation letters, 6(3), 126-135.­        
-Wang, Y., Li, L., & Prato, C. G. (2019). The relation between working conditions, aberrant driving behaviour and crash propensity among taxi drivers in China. Accident Analysis & Prevention, 126, 17-24.­
-Wang, Y., Li, M., Du, J., & Mao, C. (2015). Prevention of taxi accidents in Xi'an, China: what matters most? Central European journal of public health, 23(1), 77-83.­       
-Williams, A. F. (2003). Views of US drivers about driving safety. Journal of safety research, 34(5), 491-494.­       
-Winkelmann, R., & Zimmermann, K. F. (1994). Count data models for demographic data. Mathematical Population Studies, 4(3), 205-221.           
-Wittmann, M., Arce, E., & Santisteban, C. (2008). How impulsiveness, trait anger, and extracurricular activities might affect aggression in school children. Personality and Individual Differences, 45(7), 618-623.          
-Wundersitz, L. N. (2014). Phone use while driving: results from an observational survey. Traffic injury prevention, 15(6), 537-541.