Page 177 - Proceeding of Atrans Young Researcher's Forum 2019_Neat

“Transportation for A Better Life:
Smart Mobility for Now and Then”

23 August 2019, Bangkok, Thailand

N p,w,x,y,z = N spf,w,x,y,z × (CMF 1,w,x,y,z × … × ประเทศออสเตรเลีย ซึ่งในงานวิจัยนี้พวกเขาได้ท าการคาดการณ์อุบัติเหตุ
CMF n,w,x,y,z ) × C w,x,y,z (1) โดยมีทางเลือกในการออกแบบเส้นทางเป็น 7 รูปแบบที่แตกต่างกัน ซึ่ง
โดยที่ ในแต่ละรูปแบบจะท าโดยการใส่สิ่งอ านวยความสะดวกทางการจราจร
N p,w,x,y,z = ค่าการคาดการณ์อุบัติเหตุเฉลี่ย (ครั้ง/ปี) ได้แก่ การเพิ่ม/ลดจ านวนเลน, การใช้สัญญาณไฟจราจร ,การใช้วงเวียน
N spf,w,x,y,z = ค่าการคาดการณ์อุบัติเหตุเฉลี่ยที่ก าหนดไว้ด้วยเงื่อนไข ลงในเส้นทางที่ท าการวิจัย บทสรุปของงานวิจัยครั้งนี้ไม่ได้บอกถึง

พื้นฐานของฟังก์ชั่นความปลอดภัย (ครั้ง/ปี) ผลลัพธ์ที่เป็ นตัวเลขที่แน่นอน ซึ่งผู้ท าการวิจัยได้แนะน าถึงการ
CMF m,w,x,y,z = ค่าปรับแก้ลักษณะการเกิดอุบัติเหตุ ประยุกต์ใช้ HSM กับประเทศต่าง ๆ ทั้งประเทศที่ขับขี่ยานพาหนะทาง
C w.x.y.z = ค่าปรับแก้แบบจ าลอง ด้านซ้ายและขับขี่ยานพาหนะทางด้านขวา โดยสรุปได้ว่าการคาดการณ์

โดยค่าการคาดการณ์อุบัติเหตุที่ก าหนดไว้ด้วยเงื่อนไขพื้นฐาน อุบัติเหตุนั้นจะมีประสิทธิภาพมากขึ้น จะขึ้นอยู่กับค่า SPFs (Safety
Performance Functions) และ CMFs (Crash Modification Factors) ซึ่งใน
ของฟังก์ชั่นความปลอดภัย (N ) แบ่งตามลักษณะการเกิดอุบัติเหตุ โดยจะ แต่ละพื้นที่ก็จะมีค่า SPFs และ CMFs ที่แตกต่างกันไปตามลักษณะเฉพาะ
spf
สมการที่ (2) เป็นค่าคาดการณ์กรณีการเกิดอุบัติเหตุที่มียานพาหนะผู้ประสบ ของพื้นที่นั้น ๆ
เหตุมากกว่า 1 คัน (Multiple Crash) และ สมการที่ (3) เป็นค่าคาดการณ์กรณี สุทธิชัย งามจันทร์ [5] ได้การประยุกต์แบบจ าลองการ
การเกิดอุบัติเหตุที่มียานพาหนะผู้ประสบเหตุ 1 คัน (Single Crash) คาดการณ์อุบัติเหตุโดยการสร้างแบบจ าลองทางสถิติโดยการวิเคราะห์
∗
N spf,fs,n,mv,z = L × exp (a + b × ln(c × AADT ) (2) การถอดถอยแบบทวินามแบบลบ (Negative Binomial Regression) เพื่อ
fs
ศึกษาถึงปัจจัยที่มีอิทธิพลต่อการเกิดอุบัติเหตุ และพัฒนาแบบจ าลอง
∗
N spf,fs,n,sv,z = L × exp (a + b × ln(c × AADT ) (3) ท านายอุบัติเหตุบนทางพิเศษเฉลิมมหานคร (ระบบทางด่วนขั้นที่ 1) และ
fs
เมื่อ
2 2 ทางพิเศษศรีรัช (ระบบทางด่วนขั้นที่ 2) โดยวิเคราะห์ข้อมูลอุบัติเหตุ 5 ป ี
∗
L = L − 0.5 ∑ L en,seg,i − 0.5 ∑ L ex,seg,i ส าหรับตัวแปรอุบัติเหตุที่วิเคราะห์ในการศึกษามี 5 ตัวแปร ได้แก่ จ านวน
fs
i=1 i=1 อุบัติเหตุ จ านวนอุบัติเหตุที่เกิดการบาดเจ็บ จ านวนอุบัติเหตุที่เกิดการ
โดยที่ สูญเสียชีวิต จ านวนรายผู้เสียชีวิตและจ านวนรายผู้บาดเจ็บ ตัวแปรอิสระ
N spf,fs,n,mv,z = ค่าการคาดการณ์กรณีการเกิดอุบัติเหตุที่มีผู้ประสบเหตุ ประกอบด้วย ความกว้างของผิวทาง ความกว้างของไหล่ทาง องศาโค้ง
มากกว่า 1 (Multiple Crash) ในแต่ละระดับความรุนแรง ราบ ร้อยละสะสมของทางลาดชันในแนวดิ่งขึ้น ร้อยละสะสมของทาง
(ครั้ง/ป ี) ลาดชันในแนวดิ่งลง จ านวนทางเชื่อมต่อกิโลเมตร ช่วงถนนที่เป็นทาง
N spf,fs,n,sv,z = ค่าการคาดการณ์กรณีการเกิดอุบัติเหตุที่มียานพาหนะผู้ แยกต่างระดับ ช่วงกิโลเมตรก่อนถึงทางแยกต่างระดับ ช่วงกิโลเมตร

ประสบเหตุ 1 คัน (Single Crash) ในแต่ละระดับความ หลังจากทางแยกต่างระดับ ช่วงกิโลเมตรก่อนถึงทางออกถนนหลักและ
รุนแรง (ครั้ง/ป ี) ช่วงกิโลเมตรหลังจากทางเข้าถนนหลัก ผลการศึกษาพบว่าอุบัติเหตุส่วน
L = ความยาวประสิทธิผลของช่วงทางพิเศษ (ไมล์) ใหญ่เกิดขึ้นบริเวณทางเชื่อมต่อต่าง ๆ ไม่ว่าจะเป็นกรณีทางแยกต่างระดับ
*
L = ความยาวของช่วงทางพิเศษ (ไมล์) จ านวนทางเชื่อมต่อ หรือจุดทางเข้าออก ซึ่งพบว่ามีนัยส าคัญสูงสุดใน
fs
L en,seg,i = ความยาวของทางลาดที่เข้าสู่ช่วงทางพิเศษ (ไมล์) แบบจ าลองส่งผลให้เกิดอุบัติเหตุทั้งแบบไม่รุนแรง และแบบรุนแรง
L ex,seg,i = ความยาวของทางลาดที่ออกช่วงทางพิเศษ (ไมล์) ดังนั้นเพื่อยกระดับความปลอดภัยบนโครงข่ายทาง ผู้ออกแบบควร
ออกแบบคุณลักษณะทางกายภาพ และติดตั้งอุปกรณ์เสริมอย่างรอบคอบ
a,b = ค่าสัมประสิทธิ์การถดถอย ไม่ว่าจะเป็นระยะการมองเห็นป้ายบอกทาง ระยะของทางเบี่ยงเข้าออก

c = ค่าสัมประสิทธิ์ของปริมาณจราจรเฉลี่ยต่อปี อุปกรณ์บังคับรถให้อยู่ในช่องทางหรือแสงไฟฟ้าส่องสว่าง ฯลฯ
AADT = ปริมาณจราจรเฉลี่ยของช่วงทางพิเศษ (คัน/วัน) M. Guerrieri และ R. Mauro [6] ได้ท าการวิจัยเกี่ยวกับการ
fs
วิเคราะห์สมรรถนะและความปลอดภัยในการใช้ไหล่ทางบนมอเตอร์เวย์
2.2 งานวิจัยที่เกี่ยวข้อง สาย A22 ในประเทศอิตาลี เพื่อศึกษาการใช้ไหล่ทางที่มีผลต่อสภาพ

E. Wemple, et al. [4] ได้ท าการประยุกต์วิธีคาดการณ์อุบัติเหตุ การจราจรโดยการปรังปรุงระดับการให้บริการของมอเตอร์เวย์ โดยที่
ของคู่มือความปลอดภัยทางถนน (Highway Safety Manual, HSM) เพื่อ พวกเขาได้ศึกษากระบวนการทางจราจรของถนนเส้นนี้ เปรียบเทียบ
ใช้คาดการณ์อุบัติเหตุกับ Russell Street ใน Missoula, Montana USA และ ระหว่างการที่ไม่เปิดใช้ไหล่ทางกับที่เปิดใช้ไหล่ทางตลอดทางมอเตอร์
หาข้อสรุปและค าแนะน าเกี่ยวกับการใช้ HSM ไปประยุกต์ใช้กับถนนใน เวย์ A22 และท าการประมาณค่าคาดการณ์ของสภาพการจราจรและความ

152