تحلیل عوامل موثر بر شدت جراحات ناشی از تصادفات چند وسیله نقلیه با استفاده از روش درخت طبقه بندی و تصمیم گیری

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

2 دانشگاه علم و صنعت- دانشکده عمران

3 دانشیار دانشکده عمران دانشگاه صنعتی اصفهان

چکیده

تصادفات چند وسیله نقلیه هر ساله تعداد قابل‌توجهی از تصادفات را شامل می‌شوند. در این تحقیق به بررسی عوامل مؤثر برشدت جراحات در تصادفات چند وسیله نقلیه استان تهران در سال 1390 با استفاده از روش درخت رگرسیون و طبقه بندی پرداخته شده است. برای افزایش دقت پیش بینی مدل‌ها، به جای استفاده از یک مدل با شدت جراحات سه سطحی از دو مدل با شدت جراحات دو سطحی استفاده شده است. دقت طبقه بندی مدل اول و مدل دوم که به ترتیب مربوط به شدت جراحات پایین تر و بالاتر بوده اند به ترتیب 89.4% و 91.7% بدست آمده است. نتایج نشان داده‌اند که مهمترین عوامل موثر بر شدت جراحات در این نوع از تصادفات، نوع وسیله نقلیه، نحوه برخورد، علت تامه تصادف و استفاده از کمربند ایمنی هستند. از میان وسایل نقلیه مختلف، دوچرخه،موتور سیکلت و کامیون و از میان علل تامه تصادف، انحراف به چپ، عدم رعایت سرعت مطمئنه و عدم توجه به جلو بیشترین تاثیر را بر شدت جراحات داشته اند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Analysis of injuries severity in multi-vehicle crashes: an application of classification and regression tree

نویسندگان [English]

  • Omid reza Kiasat 1
  • Mahmoud Ameri 2
  • Mehdi Abtahi 3
1 M.Sc student, Dept. of Civil Engineering, Iran University of Science and Technology, Tehran, Iran.
2 Professor, Dept. of Civil Engineering, Iran university of science and Technology, Tehran, Iran.
3 Associate Professor, Dept. of Civil Engineering, Isfahan University of Technology, Isfahan, Iran.
چکیده [English]

Multi-vehicle crashes are being a considerable number of accidents every year. In this paper the factors that influence injuries severity in multi-vehicle crashes have been identified by using classification and regression tree (CART) model over data derived from accidents occurred in Tehran province in 1390. For improving accuracy instead of using three-class prediction, a binary prediction was used in two models. The first model and the second model classified 89.4% and 91.7% of accidents correctly. Results indicated that vehicle type, manner of collision, cause of crash and safety belt usage are the most significant factors influencing injuries severity in multi-vehicle crashes, moreover, among different kind of vehicle types, bicycles, motor cycles and trucks have the most significant impact on occurring more severe injuries and among cause of crashes, exceeding from assurance speed, deviation toward left and distraction from front side have the most significant influence on occurring more severe injuries.

کلیدواژه‌ها [English]

  • multi-vehicle crashes
  • classification and regression tree (CART)
  • injuries severity