چکیده:
این مطالعه رویکردی را ارائه میدهد که الگوریتم تابعتراکمکرنل و تجزیهوتحلیل خودهمبستگی فضایی را به صورت یکپارچه استفاده نماید تا از این طریق شناسایی مناطق پرتصادف را تسهیل و به طور همزمان اهمیت آماری خوشههای متراکم را ارزیابی کند. بدینمنظور در ابتدا دادههای مربوط به تصادفات عابر پیاده از سال 95 تا 99 در منطقه 5 شهر تهران از کروکیهای تصادفات استخراج و مختصات جغرافیایی آن در محیط GIS ثبت گردید. نقاط پرحادثه با استفاده از الگوریتم KDE مبتنی بر سیستم اطلاعات جغرافیایی شناسایی گردیدند. سپس خوشههای داغ از نظر معناداری آماری با استفاده از شاخصهای آماریِ نزدیکترین همسایه، موران جهانی و آماره عمومیG ارزیابی شدند. در نهایت نیز برای نمایش توزیع آماری پدیدهها در فضا و تحلیل خوشه و ناخوشهها از شاخص موران محلی انسلین استفاده شد. بهطور کلی نتایج آمار فضایی بیانگر خوشهای بودن قوی و تشکیل خوشههای با تراکم بالای تصادفات در کنار یکدیگر میباشد.
This study presents an approach that uses kernel density function algorithm and spatial autocorrelation analysis in an integrated way to facilitate the identification of accident prone areas and simultaneously evaluate the statistical significance of dense clusters. For this purpose, at first, data related to pedestrian accidents from 1995 to 1999 in District 5 of Tehran city were extracted from accident maps and their geographic coordinates were recorded in the GIS environment. Incident points were identified using KDE algorithm based on geographic information system. Then, hot clusters were evaluated for statistical significance using nearest neighbor, global Moran's and general G statistics. Finally, Anselin's local Moran's index was used to show the statistical distribution of phenomena in space and to analyze clusters and non-clusters. In general, the results of spatial statistics indicate strong clustering and the formation of clusters with a high density of accidents next to each other.
خلاصه ماشینی:
/ شکل ٤ - مرکز ثقل و ميانگين مرکزي تصادفات عابر پياده در منطقه ٥ تهران (نگارندگان ، ١٤٠٠) شاخص آمار فضايي توزيع بيضي انحراف معيار روشي که معمولاً براي اندازه گيري روند در مجموعه اي از نقاط يا نواحي به کارگرفته ميشود محاسبه فاصله استاندارد در جهت X وY و به طور جداگانه ميباشد.
/ شکل ٨ - محاسبه مقادير سلول هاي شبکه (بلياني و حکيم دوست ، ١٣٩٣) اين تابع تراکم پديده هاي مکان محور را در واحد سطح به تصوير ميکشد که در اين رابطه نقاط تصادفات عابر پياده در بازه زماني ١٣٩٥-١٣٩٩ به عنوان يک فاکتور مکاني ميتواند توسط اين تابع تحليل فضايي گردد.
با توجه به نتايج آزمون نزديک ترين همسايه ميتوان چنين استنباط نمود که توزيع تصادفات عابر پياده در منطقه ٥ تهران در بازه زماني سال هاي ١٣٩٥ تا ١٣٩٩ داراي نظم فضايي و خود همبستگي فضايي بوده و خوشه اي ميباشد.
نتايج آزمون موران در ارزيابي توزيع فضايي نقاط حادثه خيز تصادفات عابر پياده در منطقه ٥ تهران در شکل ١٢ نشان داده شده است .
مجموع وزن هاي ماتريس W برابر است با: wijwij(d) نتايج آزمون آماره عمومي G در ارزيابي توزيع فضايي تصادفات عابر پياده در منطقه ٥ تهران در شکل ١٣ نشان داده شده است .
/ شکل ١٤ - رفتار خوشه هاي تصادف عابر پياده در منطقه ٥ تهران (نگارندگان ، ١٤٠٠) نقشه اي که از اين آماره ضمن معني داري موران محلي ايجاد مي شود، از چهار دسته توزيع پراکندگي استفاده مينمايد که کاربر و محقق علمي مي تواند با استفاده از آنها نوع خود همبستگي فضايي داده هاي خود را مورد ارزيابي قرار دهد.