مهندسی جغرافیایی سرزمین

مهندسی جغرافیایی سرزمین

تحلیل فضایی تصادفات درون‌شهری با استفاده از داده‌های پلیس راهنمایی و رانندگی (مورد مطالعه: تصادفات درون‌شهری سال 1395 شهر اردبیل)

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشجوی دکتری جغرافیا و برنامه‌ریزی شهری، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران.
2 دکتری جغرافیا و برنامه‌ریزی شهری و پژوهشگر جهاد دانشگاهی واحد لرستان، خرم‌آباد، ایران.
3 استادیار گروه جغرافیا، دانشگاه لرستان، خرم‌آباد، ایران.
4 استادیار گروه جغرافیا و برنامه‌ریزی روستایی، دانشگاه تبریز، تبریز، ایران.
چکیده
مقدمه:  حوادث رانندگی یکی از دلایل اصلی مرگ و ناتوانی است و باعث مرگ سالانه 1.23 میلیون و ده­ها میلیون مصدوم و مجروح در سراسر جهان می­شود. در همین حال، بخش قابل توجهی از تلفات و جراحات ناشی از تصادفات رانندگی در میان تصادفات درون­شهری رخ می دهد. براساس گزارش سال 1393 مرکز آمار ایران حدود 9 درصد تصادفات درون­شهری منجر به فوت و 60 درصد منجر به جرح می­شود.
هدف:  مقاله‌ با هدف بررسی الگوهای تصادفات درون­شهری در شهر اردبیل با استفاده از سیستم اطلاعات جغرافیایی تدوین شده است.
روش شناسی:  پژوهش حاضر یک مطالعه کمی- تحلیلی است. داده­های مورد نیاز مطالعه از پلیس راهنمایی و رانندگی اردبیل و همچنین پایگاه داده شهرداری و مرکز آمار ایران استخراج شد. از نقشه مناطق شهر اردبیل برای نمایش توزیع حوادث استفاده شد. از شاخص­های نزدیک­ترین همسایه، موران محلی و موران جهانی برای تعیین الگوی توزیع حوادث استفاده شده است، از آزمون مرکز متوسط برای تمرکز حوادث و از آزمون بیضی انحراف برای جهت توزیع استفاده شده، و از آزمون تراکم کرنل برای شناسایی کانون حوادث استفاده شده است. تجزیه و تحلیل آماری با استفاده از نرم­افزارهای SPSS  و ARC-GIS انجام شد.
قلمرو جغرافیایی پژوهش:  قلمرو جغرافیایی‌ شهر اردبیل می‌باشد‌.
یافته ­ها و بحث: نتایج پژوهش نشان داد که بخش مرکزی، حاشیه شمالی و شرقی اردبیل از نظر تصادفات رانندگی درون­شهری، آسیب­پذیرترین نواحی شهر اردبیل هستند. تقاطع­ها، میدان­ها و بلوارها محل اکثر حوادث رانندگی هستند که منجر شکل­گیری کانون­های تصادف­خیز می­شوند، همچنین تحلیل فضایی تراکم کرنل نشان می­دهد که بیشتر تمرکز نقاط تصادفی در منطقه 4 و 1 دیده می­شود و مناطق 2 و 3 از تراکم کانون تصادفی کمتری برخوردار هستند.
نتیجه ­گیری: نتایج نهایی حاصل از پژوهش نشان می‌دهد که از آنجایی که تصادفات اجتناب ناپذیر هستند، جهت کاهش پیامدهای آن را می توان با با بکارگیری روش­ها و رویکردهای نوین و نیز استفاده از سیستم اطلاعات جغرافیایی و داده­های دقیق­تر می­توان، الگوهای خاص تصادفات درون­شهری را جهت کاهش تصادفات و ارائه راهکارها را شناسایی کرد.
کلیدواژه‌ها

موضوعات


ابدالی، یعقوب (1396). تحلیل فضایی کیفیت زندگی و بزهکاری در بافت­های ناکارآمد شهری (مطالعه موردی: بخش مرکزی تهران). پایان­نامه کارشناسی ارشد، رشته جغرافیا و برنامه­ریزی شهری، دانشکده جغرافیا، دانشگاه تهران.
ابدالی، یعقوب و رمضانی حاجی محله، عارفه (1398). تحلیل فضایی تصادفات درون شهری سال­های 1390-1395 (مطالعه موردی: تصادفات منجر به فوت موتورسیکلت سواران در منطقه 6 شهرداری تهران). کنفرانس بین­المللی مطالعات بین رشته­ای در مدیریت و مهندسی، دانشگاه تهران، موسسه پژوهشی مدیریت مدبر.
اسماعیل­زاده، حسن؛ فنی، زهره و عبدلی، سیده فاطمه (1398). هوشمندسازی، رویکردی در تحقیق توسعۀ پایداری شهری (مطالعۀ موردی: منطقۀ 6 تهران). فصلنامه پژوهش­های جغرافیای انسانی، دورۀ 51، شمار 1: 157- 145.
خاکسار, حسن, الماسی, و گهرپور. (2022). کاربرد مدل‌های فضایی-مکانی در پیش‌بینی فراوانی تصادفات جاده‌ای (مطالعه موردی: شبکه راه‌های اصلی استان همدان). پژوهشنامه حمل و نقل, 19(1), 45-58.
رسولی، حمید (1396). تحلیل زمانی- مکانی تصادفات منجر به فوت درون شهری شهر تبریز محدوده زمانی سال­های 1389 الی 1395. پایان­نامه کارشناسی ارشد، رشته سنجش از دور و سیستم اطلاعات جغرافیایی، استاد راهنما: نیکجو، محمدرضا و ولی­زاده کامران، خلیل. دانشکده جغرافیا، دانشگاه تبریز.
زنگی­آبادی، علی؛ شیران، غلامرضا و گشتیل، خیری (1391). بررسی علل تصادفات در بزرگراه­ها (مورد مطالعه: بزرگراه­های درون شهری اصفهان). فصلنامه راهور، دوره 1391، شماره 17: 57- 37.
عسگری، علی (1390). تحلیل­های آمار فضایی با Arc GIS. انتشارات سازمان فناوری اطلاعات و ارتباطات شهرداری تهران، چاپ اول، تهران.
کلانتری، محسن؛ پوراحمد، احمد؛ ابدالی، یعقوب و الله­قلی­پور، سارا (1397). تحلیل فضایی کیفیت زندگی در کانون­های جرم­خیز (مطالعه موردی: بخش مرکزی شهر تهران). پژوهشنامه جغرافیای انتظامی، سال ششم، شماره 21: 30- 1.
گلی، علی (1391). بررسی پراکنش فضایی تصادفات درون شهری و برون شهری کشور (مطالعه موردی: تصادفات 1386). فصلنامه مخاطرات محیطی، سال اول، شماره 1: 68- 53.
مرکز آمار ایران، سالنامه آماری کشور (1394). فصل پانزدهم امور قضایی.
ملکی، سعید و مدانلوجویباری، مسعود (1395). نقش شهرداری الکترونیک در توسعۀ فضای شهری (مطالعه موردی: محلات منطقه 6 شهرداری تهران). فصلنامه آمایش جغرافیایی فضا، سال ششم، شماره 22: 208- 193.
Aghajani, M. A., Dezfoulian, R. S., Arjroody, A. R., & Rezaei, M. (2017). Applying GIS to identify the spatial and temporal patterns of road accidents using spatial statistics (case study: Ilam Province, Iran). Transportation research procedia, 25, 2126-2138.‏
Anderson, T. K. (2009). Kernel density estimation and K-means clustering to profile road accident hotspots. Accident Analysis & Prevention, 41(3), 359-364.‏
Aziz, S., & Ram, S. (2022). A Review of the Spatial Analysis Techniques for the Identification of Road Accident Black Spots and It’s Application in Context to India. In International Road Federation World Meeting & Exhibition (pp. 511-524). Springer, Cham.‏
Cheng, W., & Washington, S. (2008). New criteria for evaluating methods of identifying hot spots. Transportation Research Record, 2083(1), 76-85.‏
Corben, B. F., Ambrose, C., & Foong, C. W. (1990). Evaluation of accident black spot treatments (No. Report 11).‏
Elvik, R. (2008). A survey of operational definitions of hazardous road locations in some European countries. Accident Analysis & Prevention, 40(6), 1830-1835.‏
Erdogan, S. (2009). Explorative spatial analysis of traffic accident statistics and road mortality among the provinces of Turkey. Journal of safety research, 40(5), 341-351.
ESRI, 2016. An Overview of the Spatial Statistics Toolbox. ArcGIS 10.5 Online Help System (ArcGIS 10.5 Desktop, Release 10.5, 2016). Environmental Systems Research Institute, Redlands, CA.
ESRI, 2018. An Overview of the Spatial Statistics Toolbox. ArcGIS 10.5 Online Help System (ArcGIS 10.5.1 Desktop, Release 10.5.1, 2018). Environmental Systems Research Institute, Redlands, CA.
Flahaut, B., Mouchart, M., San Martin, E., & Thomas, I. (2003). The local spatial autocorrelation and the kernel method for identifying black zones: A comparative approach. Accident Analysis & Prevention, 35(6), 991-1004.‏
Fountas, G., Fonzone, A., Gharavi, N., Rye, T., 2020. The joint effect of weather and lighting conditions on injury severities of single-vehicle accidents. Analytic Methods in Accident Research, 27, 100124.
Ghandour, A. J., Lovallo, M., & Telesca, L. (2019). Time-clustering behavior and cycles in the time dynamics of car accident sequences in Lebanon. Physica A: Statistical Mechanics and its Applications, 516, 178-184.‏
Golze, J., Feuerhake, U., & Sester, M. (2022). SPATIAL ANALYSIS OF EXTERNAL INFLUENCES ON TRAFFIC ACCIDENTS USING OPEN DATA. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 43, 125-132.‏
Guillen, M., Nielsen, J. P., Ayuso, M., P´erez-Mar´ın, A. M., 2019. The Use of Telematics Devices to Improve Automobile Insurance Rates. Risk Analysis, 39(3), 662-672
Haghighat, F. (2011). Application of a multi-criteria approach to road safety evaluation in the Bushehr Province, Iran. Promet-Traffic&Transportation, 23(5), 341-352.‏
Hyder, A. A., Paichadze, N., Toroyan, T., & Peden, M. M. (2017). Monitoring the decade of action for global road safety 2011–2020: an update. Global public health12(12), 1492-1505.‏
IMPERSIMI, E. (2022). Spatial-temporal analysis of traffic accidents in Athens: The case of pedestrians.‏ Master Thesis, National technical university of Athens.
Jayan, D. K., & Ganeshkumar, B. (2010). Identification of accident hot spots: a GIS based implementation for Kannur district, Kerala. International journal of Geomatics and Geosciences, 1(1), 51.‏
Jones, A. P., Langford, I. H., & Bentham, G. (1996). The application of K-function analysis to the geographical distribution of road traffic accident outcomes in Norfolk, England. Social Science & Medicine, 42(6), 879-885.‏
Karasahin, M., & Terzi, S. (2002, September). Determination of hazardous locations on highways through GIS: A case study-rural road of Isparta-Antalya. In International Symposium on GIS (pp. 23-26).
Kim, K., & Yamashita, E. Y. (2007). Using ak‐means clustering algorithm to examine patterns of pedestrian involved crashes in Honolulu, Hawaii. Journal of advanced transportation, 41(1), 69-89.‏
Lee, J., Chae, J., Yoon, T., & Yang, H. (2018). Traffic accident severity analysis with rain-related factors using structural equation modeling–A case study of Seoul City. Accident Analysis & Prevention, 112, 1-10.‏
Levine, N., Kim, K. E., & Nitz, L. H. (1995). Spatial analysis of Honolulu motor vehicle crashes: II. Zonal generators. Accident Analysis & Prevention, 27(5), 675-685.‏
Mahata, D., Narzary, P. K., & Govil, D. (2019). Spatio-temporal analysis of road traffic accidents in Indian large cities. Clinical Epidemiology and Global Health.‏
Mohaymany, A. S., Shahri, M., & Mirbagheri, B. (2013). GIS-based method for detecting high-crash-risk road segments using network kernel density estimation. Geo-spatial Information Science, 16(2), 113-119.‏
Montella, A. (2010). A comparative analysis of hotspot identification methods. Accident Analysis & Prevention, 42(2), 571-581.‏
Okabe, A., Satoh, T., & Sugihara, K. (2009). A kernel density estimation method for networks, its computational method and a GIS‐based tool. International Journal of Geographical Information Science, 23(1), 7-32.‏
Prasannakumar, V., Vijith, H., Charutha, R., & Geetha, N. (2011). Spatio-temporal clustering of road accidents: GIS based analysis and assessment. Procedia-social and behavioral sciences, 21, 317-325.‏
Ryder, B., Gahr, B., Egolf, P., Dahlinger, A., & Wortmann, F. (2017). Preventing traffic accidents with in-vehicle decision support systems-The impact of accident hotspot warnings on driver behaviour. Decision support systems, 99, 64-74.‏
Saadat, S., Rahmani, K., Moradi, A., & Darabi, F. (2019). Spatial analysis of driving accidents leading to deaths related to motorcyclists in Tehran. Chinese journal of traumatology, 22(3), 148-154.‏
Schuurman, N., Cinnamon, J., Crooks, V. A., & Hameed, S. M. (2009). Pedestrian injury and the built environment: an environmental scan of hotspots. BMC public health, 9(1), 1-10.‏
Seidel, D., Hähn, N., Annighöfer, P., Benten, A., Vor, T., & Ammer, C. (2018). Assessment of roe deer (Capreolus capreolus L.)–vehicle accident hotspots with respect to the location of ‘trees outside forest'along roadsides. Applied geography, 93, 76-80.‏
Shafabakhsh, G. A., Famili, A., & Bahadori, M. S. (2017). GIS-based spatial analysis of urban traffic accidents: Case study in Mashhad, Iran. Journal of traffic and transportation engineering (English edition), 4(3), 290-299.
Shafabakhsh, G. A., Famili, A., & Bahadori, M. S. (2017). GIS-based spatial analysis of urban traffic accidents: Case study in Mashhad, Iran. Journal of traffic and transportation engineering (English edition), 4(3), 290-299.‏
Statistische ¨Amter, 2021. Verkehrsunf¨alle 2020. Fachserie. 8, Verkehr. 7.
Whitelegg, J. (1987). A geography of road traffic accidents. Transactions of the Institute of British Geographers, 161-176.‏
World Health Organization, 2019. Global Status Report on Road Safety 2018. World Health Organization, Geneva.
Yassin, S. S., Pooja, 2020. Road accident prediction and model interpretation using a hybrid K-means and random forest algorithm approach. SN Applied Sciences, 2(9), 1576
Yunus, S., & Abdulkarim, I. A. (2022). Road traffic crashes and emergency response optimization: a geo-spatial analysis using closest facility and location-allocation methods. Geomatics, Natural Hazards and Risk13(1), 1535-1555.‏
دوره 8، شماره 2 - شماره پیاپی 20
تابستان 1403
صفحه 117-134

  • تاریخ دریافت 19 بهمن 1399
  • تاریخ بازنگری 16 شهریور 1401
  • تاریخ پذیرش 07 مهر 1402
  • تاریخ انتشار 01 شهریور 1403