خلاصه
کلید واژه ها:
ایمنی جاده ؛ تصادفات ترافیکی ؛ نقاط حادثه خیز ; کاربری زمین ؛ سیستم اطلاعات جغرافیایی (GIS) ; رگرسیون وزنی جغرافیایی (GWR)
۱٫ معرفی
۱٫۱٫ ایمنی جاده در پادشاهی عربستان سعودی
۱٫۲٫ تعریف Crash Hotspots
۱٫۳٫ روشهای موجود برای شناسایی نقاط داغ تصادف
۱٫۴٫ رابطه بین کاربری زمین و نقاط داغ تصادف
۱٫۵٫ مطالعات قبلی برای HSID با استفاده از GIS
۱٫۶٫ مشارکت های مطالعه فعلی
۲٫ منطقه مطالعه
۳٫ داده ها و روش ها
برای بررسی الگوی توزیع برای خرابیها، شاخص نزدیکترین همسایه ( NNI ) برای سه دسته ویژگی خرابی (گروههای شدت تصادف، علل خرابی، و انواع خرابی) در ArcGIS نسخه ۱۰٫۶ محاسبه شد تا الگوی توزیع و دانستن آنها بررسی شود. اگر تصادفات در چند مکان خاص با هم جمع شده باشند، پراکنده باشند یا به طور تصادفی در سراسر منطقه مورد مطالعه رخ داده باشند. NNI یکی از شاخص های رایجی است که برای بررسی الگوهای نقطه ای استفاده می شود و با استفاده از رابطه (۱) [ ۶۵ ] محاسبه می شود . در معادله D¯nnدمیانگین فاصله بین هر محل تصادف و نزدیکترین تصادف است و D¯rآnفاصله ای است که در صورت توزیع تصادفی تصادفات انتظار می رود [ ۶۵ ]:
جایی که:
در مرحله نهایی تحلیل، از روش رگرسیون وزندار جغرافیایی (GWR) برای بررسی روابط فضایی بین تعداد تصادفات (بر اساس هر محله و جمعیت در آن محله) استفاده شد. معادله ریاضی برای GWR در رابطه (۳) [ ۵۰ ] آورده شده است.
که در آن x ij j امین متغیر پیش بینی است (فقط جمعیت)، β j ( u i ,v i ) ضریب j است ، ( u i ,v i ) شکل برداری مختصات x و y است و y i است . میزان تصادف در هر محله در نهایت، εمن عبارت خطای تعیین شده از امتیاز استاندارد مشاهده شده و امتیاز پیش بینی شده است [ ۶۶ ]. یک هسته ثابت برای انجام تجزیه و تحلیل GWR، با استفاده از AICc (معیار اطلاعات اصلاح شده Akaike) برای تعیین پارامتر پهنای باند بهینه استفاده شد.
۴٫ نتایج و بحث
۴٫۱٫ توزیع موقت خرابی ها
۴٫۲٫ تجزیه و تحلیل نقاط مهم تصادف
۴٫۲٫۱٫ تجزیه و تحلیل نقاط داغ بر اساس شدت تصادف
۴٫۲٫۲٫ تجزیه و تحلیل هات اسپات بر اساس علل تصادف
۴٫۲٫۳٫ تجزیه و تحلیل هات اسپات بر اساس انواع خرابی
۴٫۳٫ تجزیه و تحلیل GWR برای جمعیت محله استفاده از زمین و شمارش تصادف، شدت، علل و انواع
۴٫۳٫۱٫ تجزیه و تحلیل GWR برای شدت تصادف محله
۴٫۳٫۲٫ تجزیه و تحلیل GWR برای علل تصادف محله
۴٫۳٫۳٫ تجزیه و تحلیل GWR برای انواع تصادفات محله
۵٫ نتیجه گیری ها
منابع
- سازمان بهداشت جهانی. گزارش وضعیت جهانی ایمنی راه ۲۰۱۸ ; WHO: ژنو، سوئیس، ۲۰۱۹٫ [ Google Scholar ]
- Janstrup، KH گزارش سالانه ایمنی جاده ; انتشارات OECD: پاریس، فرانسه، ۲۰۱۷٫ [ Google Scholar ] [ CrossRef ][ Green Version ]
- Al Turki، YA چگونه عربستان سعودی می تواند از دهه اقدام برای ایمنی جاده ها برای تسریع سیاست ها و مداخلات پیشگیری از آسیب های ترافیکی جاده ای استفاده کند؟ بین المللی J. Inj. کنترل. Saf. ارتقاء دهید. ۲۰۱۳ ، ۲۱ ، ۳۹۷-۴۰۲٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- محمد، HA برآورد هزینه اجتماعی-اقتصادی تصادفات جاده ای در عربستان سعودی: رویکرد تمایل به پرداخت (WTP). Adv. مدیریت Appl. اقتصاد. ۲۰۱۵ ، ۵ ، ۴۳٫ [ Google Scholar ]
- جمال، ع. رحمان، MT; الاحمدی، ح.م. منصور، U. معضل ایمنی راه در استان شرقی عربستان سعودی: پیامدها و راهبردهای پیشگیری. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۹ ، ۱۷ ، ۱۵۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
- Gundogdu، IB استفاده از روشهای تحلیل خطی برای رویههای پشتیبانی شده توسط GIS برای جلوگیری از حوادث ترافیکی: مطالعه موردی قونیه. Saf. علمی ۲۰۱۰ ، ۴۸ ، ۷۶۳-۷۶۹٫ [ Google Scholar ] [ CrossRef ]
- لرد، دی. واشنگتن، اس. ایوان، جی پواسون، پواسون-گاما و مدلهای رگرسیون با تورم صفر تصادفات وسایل نقلیه موتوری: تعادل برازش آماری و نظریه. اسید. مقعدی قبلی ۲۰۰۵ ، ۳۷ ، ۳۵-۴۶٫ [ Google Scholar ] [ CrossRef ]
- لرد، دی. Mannering، FL تجزیه و تحلیل آماری داده های فرکانس تصادف: بررسی و ارزیابی جایگزین های روش شناختی. ترانسپ Res. بخش A سیاست سیاست. ۲۰۱۰ ، ۴۴ ، ۲۹۱-۳۰۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- عبدالحفظ، الف. مدلهای پیشبینی تصادف جادهای: رویکردهای مدلسازی آماری مختلف. J. Transp. تکنولوژی ۲۰۱۷ ، ۷ ، ۱۹۰-۲۰۵٫ [ Google Scholar ] [ CrossRef ]
- ماهر، ام جی. سامرزگیل، I. یک روش جامع برای برازش مدل های تصادف پیش بینی. اسید. مقعدی قبلی ۱۹۹۶ ، ۲۸ ، ۲۸۱-۲۹۶٫ [ Google Scholar ] [ CrossRef ]
- Miaou، S.-P. Lum، H. مدلسازی تصادفات خودرو و روابط طراحی هندسی بزرگراه. اسید. مقعدی قبلی ۱۹۹۳ ، ۲۵ ، ۶۸۹-۷۰۹٫ [ Google Scholar ] [ CrossRef ]
- میلتون، جی. Mannering، FL رابطه بین هندسی بزرگراه، عناصر مرتبط با ترافیک و فرکانس تصادفات وسیله نقلیه موتوری. حمل و نقل ۱۹۹۸ ، ۲۵ ، ۳۹۵-۴۱۳٫ [ Google Scholar ] [ CrossRef ]
- عبدالعطی، م. اودین، ن. مدلهای Pande، A. Split برای پیشبینی تصادفات چند خودرو در شرایط عملیاتی پرسرعت و کم سرعت در آزادراهها. ترانسپ Res. ضبط ۲۰۰۵ ، ۱۹۰۸ ، ۵۱-۵۸٫ [ Google Scholar ] [ CrossRef ]
- لی، سی. هلینگا، بی. Saccomanno، F. مدل پیشبینی تصادف در زمان واقعی برای کاربرد در پیشگیری از تصادف در ترافیک آزادراه. ترانسپ Res. ضبط ۲۰۰۳ ، ۱۸۴۰ ، ۶۷-۷۷٫ [ Google Scholar ] [ CrossRef ]
- Montella، A. تجزیه و تحلیل مقایسه ای روش های شناسایی نقاط داغ. اسید. مقعدی قبلی ۲۰۱۰ ، ۴۲ ، ۵۷۱-۵۸۱٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- Qu، X. Meng, Q. یادداشتی در مورد شناسایی نقاط مهم برای بزرگراه های شهری. Saf. علمی ۲۰۱۴ ، ۶۶ ، ۸۷-۹۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- هوانگ، اچ. چانه، HC; Haque, M. ارزیابی تجربی رویکردهای جایگزین در شناسایی نقاط داغ تصادف. ترانسپ Res. ضبط ۲۰۰۹ ، ۲۱۰۳ ، ۳۲-۴۱٫ [ Google Scholar ] [ CrossRef ]
- یو، اچ. لیو، Z.-H. چن، جی. وانگ، اچ. تجزیه و تحلیل مقایسه ای روش های تجزیه و تحلیل فضایی برای شناسایی نقاط داغ. اسید. مقعدی قبلی ۲۰۱۴ ، ۶۶ ، ۸۰-۸۸٫ [ Google Scholar ] [ CrossRef ]
- دبرابانت، بی. هلکوه، یو. Bonat، WH; Hansen، DL; Hjelmborg، JB; Lauritsen، JM شناسایی نقاط سیاه تصادفات رانندگی با مدل های پواسون-تویدی. اسید. مقعدی قبلی ۲۰۱۸ ، ۱۱۱ ، ۱۴۷-۱۵۴٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- دونگ، ن. هوانگ، اچ. لی، جی. گائو، ام. عبدالآتی، M. شناسایی نقاط داغ ماکروسکوپی: رویکرد تعامل مکانی-زمانی بیزی. اسید. مقعدی قبلی ۲۰۱۶ ، ۹۲ ، ۲۵۶-۲۶۴٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- قادی، م. Török، Á. مقایسه روش های مختلف شناسایی نقطه سیاه ترانسپ Res. Procedia ۲۰۱۷ ، ۲۷ ، ۱۱۰۵-۱۱۱۲٫ [ Google Scholar ] [ CrossRef ]
- اندرسون، تخمین چگالی کرنل TK و خوشهبندی K-means به نمایه نقاط حادثه خیز جادهای. اسید. مقعدی قبلی ۲۰۰۹ ، ۴۱ ، ۳۵۹-۳۶۴٫ [ Google Scholar ] [ CrossRef ]
- زی، ز. Yan, J. تشخیص خوشه های تصادفات ترافیکی با تخمین تراکم هسته شبکه و آمار فضایی محلی: یک رویکرد یکپارچه. J. Transp. Geogr. ۲۰۱۳ ، ۳۱ ، ۶۴-۷۱٫ [ Google Scholar ] [ CrossRef ]
- ماه، ای. بریج، تی. Wets, G. شناسایی مکان های خطرناک جاده: نقاط داغ در مقابل مناطق داغ. در کامپیوتر ویژن ؛ Springer Science and Business Media LLC: برلین، آلمان، ۲۰۰۹; جلد ۵۷۳۰، ص ۲۸۸–۳۰۰٫ [ Google Scholar ]
- شریف، اس آر. Maad، HA; حلیم، NNA; Derasit, Z. تعیین نقاط داغ تصادفات جاده ای با استفاده از تحلیل فضایی. هندوستان جی الکتر. مهندس محاسبه کنید. علمی ۲۰۱۸ ، ۹ ، ۱۴۶-۱۵۱٫ [ Google Scholar ] [ CrossRef ]
- ثکالی، ال. کوون، تی جی؛ فو، L. شناسایی نقاط حادثه خیز با استفاده از تخمین چگالی هسته و روش های کریجینگ: مقایسه. J. Mod. ترانسپ ۲۰۱۵ ، ۲۳ ، ۹۳-۱۰۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- سلطانی، ع. عسگری، س. بررسی خودهمبستگی فضایی تصادفات رانندگی بر اساس شدت. آسیب ۲۰۱۷ ، ۴۸ ، ۶۳۷–۶۴۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- اردوغان، اس. یلماز، من. بایبورا، تی. گولو، م. یلماز، I. سیستم های اطلاعات جغرافیایی به کمک سیستم تجزیه و تحلیل حوادث ترافیکی مطالعه موردی: شهر آفیون کاراهیسار. اسید. مقعدی قبلی ۲۰۰۸ ، ۴۰ ، ۱۷۴-۱۸۱٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- چن، سی. لی، تی. سان، ج. Chen, F. Hotspot Identification برای بزرگراه های شانگهای با استفاده از روش ارزیابی کمی ریسک. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۶ ، ۱۴ ، ۲۰٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
- چنگ، دبلیو. واشنگتن، اس. ارزیابی تجربی روشهای شناسایی نقاط حساس. اسید. مقعدی قبلی ۲۰۰۵ ، ۳۷ ، ۸۷۰-۸۸۱٫ [ Google Scholar ] [ CrossRef ]
- زو، ی. ژونگ، ایکس. اش، جی. زنگ، ز. وانگ، ی. هائو، ی. پنگ، ی. توسعه روش تجزیه و تحلیل تجربی بیز مبتنی بر خوشهبندی برای شناسایی نقاط داغ. J. Adv. ترانسپ ۲۰۱۷ ، ۲۰۱۷ ، ۱–۹٫ [ Google Scholar ] [ CrossRef ]
- لان، بی. Persaud، B. رویکرد کاملاً بیزی برای بررسی و ارزیابی معیارهای رتبه بندی برای شناسایی نقطه سیاه. ترانسپ Res. ضبط ۲۰۱۱ ، ۲۲۳۷ ، ۱۱۷-۱۲۵٫ [ Google Scholar ] [ CrossRef ]
- کیم، ک. یاماشیتا، E. تصادفات وسایل نقلیه موتوری و استفاده از زمین: تجزیه و تحلیل تجربی از هاوایی. ترانسپ Res. ضبط ۲۰۰۲ ، ۱۷۸۴ ، ۷۳-۷۹٫ [ Google Scholar ] [ CrossRef ]
- زاهد، م. چن، ی. خان، س. جمال، ع. ایجاز، م. احمد، تی. پیشبینی رفتار رانندگی پرخطر و تهاجمی در میان رانندگان تاکسی: آیا ویژگیهای مکانی-زمانی مهم هستند؟ بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۰ , ۱۷ , ۳۹۳۷٫ [ Google Scholar ] [ CrossRef ]
- جمال، ع. رحمان، MT; الاحمدی، ح.م. الله، اچ ام. زاهد، م. کنترل تقاطع هوشمند برای بهینه سازی تاخیر: با استفاده از الگوریتم های جستجوی فراابتکاری. پایداری ۲۰۲۰ ، ۱۲ ، ۱۸۹۶٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- الیاس، دبلیو. شیفتان، ی. تأثیر درک ریسک و نگرش افراد بر رفتار سفر. ترانسپ Res. بخش A سیاست سیاست. ۲۰۱۲ ، ۴۶ ، ۱۲۴۱-۱۲۵۱٫ [ Google Scholar ] [ CrossRef ]
- زاهد، م. چن، ی. جمال، ع. الوفی، کالیفرنیا؛ الاحمدی، HM اتخاذ تکنیکهای یادگیری ماشین و تحلیل فضایی برای ارزیابی ریسک راننده: بینشهایی از یک مطالعه موردی. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۰ ، ۱۷ ، ۵۱۹۳٫ [ Google Scholar ] [ CrossRef ]
- کنداکچی، ای. تویدس یامان، ح. درک توزیع نقاط داغ تصادفات ترافیکی در مناطق شهری. در مجموعه مقالات نود و سومین نشست سالانه هیئت تحقیقات حمل و نقل، واشنگتن دی سی، ایالات متحده آمریکا، ۱۲ تا ۱۶ ژانویه ۲۰۱۴٫ [ Google Scholar ]
- بن هاموش، م. الجناحی، ع. المدنی، ح. حوادث ترافیکی در بحرین: تجزیه و تحلیل آماری و مکانی مبتنی بر GIS. J. King Saud Univ. ۲۰۱۱ ، ۲۳ ، ۱-۱۸٫ [ Google Scholar ]
- Noland، RB; قدوس، م. تجزیه و تحلیل تفکیک فضایی از تلفات جاده ای در انگلستان. اسید. مقعدی قبلی ۲۰۰۴ ، ۳۶ ، ۹۷۳-۹۸۴٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- زی، بی. آن، ز. ژنگ، ی. Li، Z. گنجاندن ایمنی حمل و نقل در برنامه ریزی کاربری زمین: پیش ارزیابی اثرات تبدیل کاربری زمین در تصادفات شدید در شهری چین. Appl. Geogr. ۲۰۱۹ ، ۱۰۳ ، ۱-۱۱٫ [ Google Scholar ] [ CrossRef ]
- Pulugurtha، SS; دودو، VR؛ Kotagiri، Y. مدلهای برآورد تصادف سطح منطقه تحلیل ترافیک بر اساس ویژگیهای کاربری زمین. اسید. مقعدی قبلی ۲۰۱۳ ، ۵۰ ، ۶۷۸-۶۸۷٫ [ Google Scholar ] [ CrossRef ]
- یانگ، BZ; لو، BP; یانگ، زی. استفاده از زمین و برخوردهای ترافیکی: تجزیه و تحلیل ویژگی پیوند با استفاده از روش بیز تجربی. اسید. مقعدی قبلی ۲۰۱۶ ، ۹۵ ، ۲۳۶-۲۴۹٫ [ Google Scholar ] [ CrossRef ]
- چن، پی. ژو، جی. اثرات محیط ساخته شده بر فرکانس و خطر تصادف عابر پیاده ناشی از خودرو. J. Transp. سلامت ۲۰۱۶ ، ۳ ، ۴۴۸-۴۵۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- شفابخش، ج.ا. فامیلی، ع. بهادری، تحلیل فضایی تصادفات ترافیکی شهری مبتنی بر MS GIS: مطالعه موردی در مشهد، ایران. J. Traffic Transp. مهندس ۲۰۱۷ ، ۴ ، ۲۹۰-۲۹۹٫ [ Google Scholar ] [ CrossRef ]
- مهیمانی، ع. شهری، م. میرباقری، ب. روش مبتنی بر GIS برای تشخیص بخشهای جادهای پرخطر با استفاده از تخمین تراکم هسته شبکه. ژئو اسپات. Inf. علمی ۲۰۱۳ ، ۱۶ ، ۱۱۳-۱۱۹٫ [ Google Scholar ] [ CrossRef ]
- Ulak، MB; Ozguven، EE; Vanli، OA; Horner, MW در حال بررسی وزنهای فضایی جایگزین برای شناسایی نقاط حادثه خیز. محاسبه کنید. محیط زیست سیستم شهری ۲۰۱۹ ، ۷۸ ، ۱۰۱۳۹۸٫ [ Google Scholar ] [ CrossRef ]
- بیل، ام. آندراشیک، آر. Sedonik, J. تجزیه و تحلیل دقیق مکانی-زمانی نقاط داغ تصادف ترافیک. Appl. Geogr. ۲۰۱۹ ، ۱۰۷ ، ۸۲-۹۰٫ [ Google Scholar ] [ CrossRef ]
- درلی، MA; اردوغان، اس. مدلی جدید برای تعیین نقاط سیاه تصادفات رانندگی با استفاده از روشهای آماری فضایی به کمک GIS. ترانسپ Res. بخش A سیاست سیاست. ۲۰۱۷ ، ۱۰۳ ، ۱۰۶-۱۱۷٫ [ Google Scholar ] [ CrossRef ]
- یالچین، جی. Duzgun، HS تجزیه و تحلیل فضایی تصادفات خودروهای دو چرخ: عثمانیه در ترکیه. KSCE J. Civ. مهندس ۲۰۱۵ ، ۱۹ ، ۲۲۲۵-۲۲۳۲٫ [ Google Scholar ] [ CrossRef ]
- یوان، تی. زنگ، ایکس. Shi, T. شناسایی نقاط سیاه جاده شهری با روشی جدید بر اساس الگوریتم خوشهبندی کرم شب تاب و سیستم اطلاعات جغرافیایی. پایداری ۲۰۲۰ ، ۱۲ ، ۲۰۹۱٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- بات، ا. احمد، اس.اس. شبیر، ر. Erum، S. GIS نظارت بر خطر تصادفات ترافیکی جاده ای (rta) برای شهر راولپندی: یک رویکرد جغرافیایی آماری. کویت J. Sci. ۲۰۱۷ ، ۴۴ ، ۱۲۹-۱۳۴٫ [ Google Scholar ]
- Le، KG; لیو، پی. لین، ال.-تی. تعیین نقاط حادثه خیز ترافیک جاده ای با استفاده از تکنیک های تحلیلی آماری زمانی- مکانی مبتنی بر GIS در هانوی، ویتنام. ژئو اسپات. Inf. علمی ۲۰۱۹ ، ۱-۱۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- ژنگ، ال. رابینسون، آر.ام. خطک، ع. وانگ، ایکس. همه حوادث برابر نیستند: استفاده از مدلهای رگرسیون وزندار جغرافیایی برای ارزیابی و پیشبینی اثرات تصادف. در مجموعه مقالات سومین کنفرانس بین المللی ایمنی و شبیه سازی جاده ها، ایندیاناپولیس، ایالت متحده آمریکا، ۱۴ تا ۱۶ سپتامبر ۲۰۱۱٫ ص ۱۴-۱۶٫ [ Google Scholar ]
- ثروری، ا. مقدم، ع.م. صالحی، محمد. J. Transp. Saf. امن ۲۰۲۰ ، ۱-۲۵٫ [ Google Scholar ] [ CrossRef ]
- لی، ز. وانگ، دبلیو. لیو، Z.-H. بیغام، جی.ام. Ragland، DR با استفاده از رگرسیون پواسون وزندار جغرافیایی برای مدلسازی تصادف در سطح شهرستان در کالیفرنیا. Saf. علمی ۲۰۱۳ ، ۵۸ ، ۸۹-۹۷٫ [ Google Scholar ] [ CrossRef ]
- لی، ز. لی، ی. لی، SH; Valiou، E. مدلهای رگرسیون وزندار جغرافیایی برای پیشبینیپذیری بهبود تصادفات خودروهای تقاطع شهری. در مجموعه مقالات کنگره مؤسسه حمل و نقل و توسعه ۲۰۱۱: حمل و نقل و توسعه یکپارچه برای فردای بهتر، شیکاگو، IL، ایالات متحده آمریکا، ۱۳ تا ۱۶ مارس ۲۰۱۱٫ ص ۱۳۱۵–۱۳۲۹٫ [ Google Scholar ]
- پیردوانی، ع. بریج، تی. بلمنز، تی. Wets، G. تجزیه و تحلیل فضایی تصادفات مرگبار و جراحت در فلاندر، بلژیک: کاربرد تکنیک رگرسیون وزندار جغرافیایی. در مجموعه مقالات نود و دومین نشست سالانه هیئت تحقیقات حمل و نقل، واشنگتن، دی سی، ایالات متحده آمریکا، ۱۳ تا ۱۷ ژانویه ۲۰۱۳٫ [ Google Scholar ]
- لی، ال. زو، ال. Sui، DZ یک رویکرد بیزی مبتنی بر GIS برای تجزیه و تحلیل الگوهای مکانی-زمانی تصادفات وسایل نقلیه موتوری درون شهری. J. Transp. Geogr. ۲۰۰۷ ، ۱۵ ، ۲۷۴-۲۸۵٫ [ Google Scholar ] [ CrossRef ]
- هوانگ، ی. وانگ، ایکس. پاتون، دی. بررسی روابط فضایی بین تصادفات و محیط ساخته شده: یک رویکرد رگرسیون وزندار جغرافیایی. J. Transp. Geogr. ۲۰۱۸ ، ۶۹ ، ۲۲۱-۲۳۳٫ [ Google Scholar ] [ CrossRef ]
- بله، ی. زو، ز. یوان، ایکس. ژانگ، اس. زنگ، ایکس. An، Y. چن، ب. مدل رگرسیون وزندار جغرافیایی برای تحلیل نقطه سیاه ترافیک شهری. در مجموعه مقالات سمپوزیوم بین المللی علوم زمین و سنجش از دور IEEE 2017 (IGARSS)، فورث ورث، TX، ایالات متحده، ۲۳ تا ۲۸ ژوئیه ۲۰۱۷؛ صص ۴۸۶۶-۴۸۶۹٫ [ Google Scholar ]
- رحمان، MT; آلدوسری، ع. مورتوجا، جی. مدلسازی تغییرات پوشش زمین در آینده و اثرات آنها بر دمای سطح زمین در شهر ساحلی دمام عربستان سعودی. Land ۲۰۱۷ , ۶ , ۳۶٫ [ Google Scholar ] [ CrossRef ]
- مرجع عمومی آمار آمار جمعیت پادشاهی عربستان سعودی: آمار جمعیت بر اساس مناطق. در دسترس آنلاین: https://www.stats.gov.sa/en/43 (در ۱۵ ژوئیه ۲۰۲۰ قابل دسترسی است).
- اداره کل ترافیک تعداد وسایل نقلیه ثبت شده در پادشاهی بر اساس منطقه . مرجع عمومی آمار: ریاض، عربستان سعودی، ۲۰۱۸٫
- رحمان، MT; ناهیدزمان، KM بررسی دسترسی پیاده روی، تمایل، و شرایط سفر ساکنان شهرهای سعودی. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۹ ، ۱۶ ، ۵۴۵٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- Iyanda، AE; اوسایومی، تی. آیا رابطه ای بین شاخص های اقتصادی و تلفات جاده ای در تگزاس وجود دارد؟ تجزیه و تحلیل رگرسیون جغرافیایی وزن دار چند مقیاسی. جئوژورنال ۲۰۲۰ . [ Google Scholar ] [ CrossRef ]
- Ratrout، N. وضعیت تایر و تمرین رانندگان در نگهداری لاستیک در عربستان سعودی. اسید. مقعدی قبلی ۲۰۰۵ ، ۳۷ ، ۲۰۱-۲۰۶٫ [ Google Scholar ] [ CrossRef ]
- Gazzete، S. انفجار لاستیک باعث ۳۰ درصد تصادفات در جاده های عربستان شد: ۲۰۱۳٫ در دسترس آنلاین: https://saudigazette.com.sa/article/58576 (در ۳ سپتامبر ۲۰۲۰ قابل دسترسی است).
- لی، ام. ختک، مطالعه موردی AJ شناسایی الگوی فضایی شدت تصادف در تجزیه و تحلیل نقطه داغ. ترانسپ Res. ضبط J. Transp. Res. هیئت ۲۰۱۹ ، ۲۶۷۳ ، ۶۸۴–۶۹۵٫ [ Google Scholar ] [ CrossRef ]
- دای، دی. جاورسکی، دی. تأثیر محیط ساخته شده بر تصادفات عابر پیاده: تجزیه و تحلیل GIS مبتنی بر شبکه. Appl. Geogr. ۲۰۱۶ ، ۷۳ ، ۵۳-۶۱٫ [ Google Scholar ] [ CrossRef ]
بدون دیدگاه