Muundo wa kasi ya uendeshaji ni muundo wa kitabiri wa kitakwimu unaoeleza kwa kiasi uhusiano kati ya kasi ambayo madereva huchagua kwa vitendo kwenye jiometri ya barabara chini ya hali ya mtiririko huru na sifa za kijiometri za barabara. Utafiti huu ulitumia data za jiometri ya barabara na kasi ya mtiririko huru zilizokusanywa kutoka sehemu 44, zikiwemo mikunjo 22 ya mlalo na sehemu 22 za tangenti, kwenye barabara kuu zilizogawanywa zenye njia nne katika maeneo matano ya India, ili kuunda muundo wa kasi ya asilimia ya 85 ya magari kwa kutumia urejeshaji wa mstari mwingi (Multiple Linear Regression, MLR) na urejeshaji wa vijenzi vikuu (Principal Component Regression, PCR).

Katika miundo ya MLR, multicollinearity ya kiwango cha juu ilibainishwa kati ya vigezo huru vya kijiometri. Kwa mujibu wa kigezo cha VIF > 4 kilichotumiwa na chanzo, baadhi ya vigezo katika miundo ya mkunjo na tangenti vilizidi kikomo kilichokubaliwa. Baada ya hapo, uchanganuzi wa vijenzi vikuu (Principal Component Analysis, PCA) ulitumika; katika data za mkunjo na tangenti, vijenzi vikuu viwili vya kwanza vyenye eigenvalue kubwa kuliko 1 vilichaguliwa na kasi ya uendeshaji ikawekwa upya katika muundo kwa kutumia vijenzi hivyo.

Katika ulinganisho wa miundo uliofanywa ndani ya utafiti, PCR ilitoa R² ya juu zaidi na thamani za VIF za chini kuliko MLR. Katika sehemu ya mkunjo, R²=0,721 kwa MLR na R²=0,858 kwa PCR; katika sehemu ya tangenti, R²=0,719 kwa MLR na R²=0,848 kwa PCR ziliripotiwa. Katika PCR, thamani za VIF zilishuka hadi 1,01-1,28 kwenye mkunjo na 1,11-1,86 kwenye tangenti.

Hata hivyo, utafiti hauripoti mgawanyo tofauti wa data za mafunzo na majaribio, cross-validation au uthibitishaji huru wa nje. Kwa hiyo, ubora wa PCR unapaswa kufasiriwa kwa kuzingatia ufaafu wa muundo na udhibiti wa multicollinearity katika seti hii ya data; uwezo wa kutabiri kwenye barabara kuu mpya unahitaji kuthibitishwa kando.

Tatizo la utafiti

Kasi ya usanifu inayotumiwa katika usanifu wa kijiometri wa barabara ni kigezo cha msingi katika kubainisha sifa za kihandisi za barabara. Hata hivyo, kasi ambayo madereva huchagua katika trafiki halisi si kila mara sawa na kasi ya usanifu. Ikiwa vipengele vya kijiometri vinavyofuatana vya barabara vinawalazimisha madereva kubadilisha kasi bila kutarajia, uthabiti wa usanifu wa kijiometri unaweza kudhoofika.

Utafiti huu unachunguza hasa tabia halisi ya kasi ya madereva kwenye mikunjo ya mlalo na sehemu za tangenti zilizo nyoofu. Watafiti kwanza hubainisha usambazaji wa kasi, kisha huunda miundo inayohusisha kasi ya asilimia ya 85 na jiometri ya barabara.

Kasi ya Uendeshaji ni Nini na Kwa Nini Kasi ya Asilimia ya 85 Hutumiwa?

Kasi ya uendeshaji katika utafiti huu ni kasi inayowakilishwa na thamani ya asilimia ya 85 ya usambazaji wa kasi za magari unaoonekana chini ya hali ya mtiririko huru; thamani hii imetumiwa kubainisha kasi halisi ya kuendesha ambayo idadi kubwa ya madereva haiizidi na kutathmini jinsi jiometri ya barabara inavyolingana na tabia ya madereva.

Tofauti kati ya kasi ya usanifu na kasi ya uendeshaji

Kasi ya usanifu ni ingizo la kihandisi linalotumiwa kubuni jiometri ya barabara. Kasi ya uendeshaji, kwa upande mwingine, hupatikana kutokana na tabia ya kasi ambayo madereva huchagua kwa vitendo kwenye barabara iliyokamilika chini ya hali ya mtiririko huru.

Kwa hiyo, vipengele viwili vya barabara vyenye kasi sawa ya usanifu vinaweza kuwa na usambazaji tofauti wa kasi halisi kutokana na radii tofauti za mikunjo, hali za ufikiaji, sifa za bega la barabara au ukanda wa kati.

Malengo matatu makuu ya utafiti

Chanzo kinafafanua malengo matatu makuu: kuchunguza usambazaji wa kasi za magari kwenye sehemu za mkunjo na tangenti za barabara kuu zilizogawanywa zenye njia nne; kuunda miundo ya kasi ya uendeshaji kwa MLR na kutathmini athari za multicollinearity; na kutengeneza miundo ya PCR inayotegemea PCA ili kushughulikia multicollinearity na kutabiri kasi ya uendeshaji.

Eneo la utafiti

Sehemu za barabara zilichaguliwa kutoka maeneo ya Assam, Madhya Pradesh, Delhi, Mumbai na Telangana nchini India. Kati ya sehemu 44 kwa jumla, 22 ni mikunjo ya mlalo na 22 ni sehemu za tangenti.

Vigezo vya kuchagua sehemu

Ililenga kwamba sehemu za barabara zilizochaguliwa ziwe mbali na miji au maeneo yaliyojengwa kwa msongamano, kusiwe na makutano ndani ya 1 km kuzunguka mkunjo au tangenti, uso wa barabara uwe katika hali nzuri na kavu, na kusiwe na shughuli au vizuizi kandokando ya barabara vinavyoweza kuathiri tabia ya uendeshaji.

Data za kijiometri zilikusanywaje?

Radius ya mkunjo \(R\), daraja la mkunjo \(DC\) na urefu wa mkunjo \(CL\) zilikadiriwa kwa kuhamisha picha za Google Maps kwenda AutoCAD. Mahali sahihi pa nukta za mkunjo palibainishwa kwa programu ya Android OSM Tracker.

Upana wa njia, upana wa bega la barabara na upana wa ukanda wa kati vilipimwa kwa utepe wa kupimia. Aina ya ufikiaji na msongamano wa maeneo ya kuingia kwa kila kilomita vilitathminiwa na kukaguliwa kwa kutumia Google Maps.

Kasi za mtiririko huru zilipimwaje?

Imeelezwa kwamba kasi za mtiririko huru za madaraja ya small car, big car, heavy commercial vehicle, two-wheeler, bus na light commercial vehicle zilipimwa kwa radar gun katika sehemu za katikati za mikunjo na tangenti. Vipimo vilifanywa wakati wa mchana na katika hali nzuri ya hewa.

Chanzo hakiripoti chapa/modeli ya radar gun wala idadi ya vipimo vya kasi vilivyokusanywa katika kila daraja la gari.

Ingawa sehemu ya mbinu inaeleza kwamba daraja la bus pia lilipimwa, chanzo hakitoi thamani za maelezo ya kasi za bus katika Table 3.

Kwa nini small car na big car ziliunganishwa kuwa daraja moja?

Vipimo vya Z na F vilitumika kuchunguza kama wastani na variances za makundi mawili ya magari zilikuwa tofauti. Variances ziliripotiwa kuwa 111,72 na 98,09; \(F_{calculated}=1,18\) na \(F_{critical}=1,36\). Kasi za wastani zilikuwa 84,91 na 85,93 km/h; \(Z_{calculated}=1,73\) na \(Z_{critical}=1,96\).

Katika kiwango cha \(\alpha=0,05\), thamani zote mbili zilizokokotolewa za F na Z zilikuwa chini ya thamani muhimu, na chanzo kilitathmini tofauti kati ya makundi kuwa “not significant”. Kwa hiyo, data za small car na big car ziliunganishwa katika kategoria ya Car kwa uchanganuzi uliofuata.

Usambazaji wa kasi

Kasi za magari ziligawanywa katika vipindi vya madaraja na usambazaji wa marudio ukapatikana. Ufaafu wa usambazaji ulitathminiwa kwa kipimo cha Kolmogorov-Smirnov; usambazaji wa normal, log-normal, beta wenye vigezo vinne, Weibull wenye vigezo vitatu, gamma na generalized extreme value ulizingatiwa.

Kulingana na sehemu ya matokeo ya chanzo, kasi za magari zilifuata usambazaji wa beta-4 katika sehemu za mkunjo na log-normal katika sehemu za tangenti. Figure 2 katika ukurasa wa 5 inaonyesha marudio yaliyoonekana kwa sehemu ya kwanza ya mkunjo na sehemu ya kwanza ya tangenti pamoja na mikunjo ya usambazaji iliyochaguliwa.

Chanzo hakielezi kwa kina ni muundo gani wa uwekaji uzito unaounganisha wastani wa kasi zote za magari katika Table 3 na muhtasari wa kasi za asilimia ya 85 kwa kila sehemu katika Table 5. Kwa hiyo, inapaswa kuzingatiwa kwamba majedwali hayo mawili yana viwango tofauti vya ujumuishaji wa data.

Kwa Nini Multicollinearity Husababisha Tatizo Katika Muundo wa MLR?

Multicollinearity ni hali ambapo vigezo huru vinahusiana kwa nguvu; katika hali hii inaweza kuwa vigumu kutenganisha kwa kuaminika ni athari gani ya kijiometri inayochangia kila coefficient ya MLR, na utafiti ulibainisha hili kupitia thamani za VIF kuzidi 4 katika baadhi ya vigezo.

Muundo wa MLR uliotumiwa katika chanzo

Utafiti unatoa umbo la jumla la MLR kwa Equation 1:

\[ Y_i=a_0+a_1x_1+a_2x_2+a_3x_3+\ldots+a_nx_n \]

\(Y_i\) katika utafiti huu ni kasi ya uendeshaji ya asilimia ya 85. \(x_1,\ldots,x_n\) zinawakilisha vigezo vya kijiometri vya barabara; \(a_0\) ni neno thabiti; na \(a_1,\ldots,a_n\) ni coefficients za regression.

Muundo wa MLR kwa sehemu ya mkunjo

Kwa kuunganisha coefficients za Table 7 ya chanzo, muundo unaweza kuandikwa kama ifuatavyo:

\[ V_{85,\;curve} = 24.311 +0.106R +0.005CL -0.033DC -0.001D +0.091SW +7.41MW -0.254AD \]

Hapa \(R\) ni radius ya mkunjo, \(CL\) ni urefu wa mkunjo, \(DC\) ni daraja la mkunjo, \(D\) ni pembe ya mkengeuko, \(SW\) ni upana wa bega la barabara, \(MW\) ni upana wa ukanda wa kati na \(AD\) ni msongamano wa maeneo ya kuingia.

Thamani ya \(R^2\) ya muundo ni 0,721 na \(R^2\) iliyorekebishwa ni 0,697. Katika vigezo R, DC na MW, thamani za VIF zinazidi kikomo cha 4 kilichotumiwa katika utafiti.

Muundo wa MLR kwa sehemu ya tangenti

Muundo wa tangenti uliotokana na coefficients za Table 8 ya chanzo:

\[ V_{85,\;tangent} = 92.066 +5.083SW +0.285MW -4.377AD +20.203AT +2.723ST \]

\(SW\) inawakilisha upana wa bega la barabara, \(MW\) upana wa ukanda wa kati, \(AD\) msongamano wa maeneo ya kuingia, \(AT\) aina ya ufikiaji na \(ST\) aina ya bega la barabara. Katika chanzo, \(ST=1\) ni bega lenye lami na \(ST=0\) ni bega lisilo na lami; \(AT=1\) ni hakuna ufikiaji, huku \(AT=0\) ikiwa ufikiaji wa sehemu au kamili.

Kwa muundo wa tangenti, \(R^2=0,719\) na \(R^2=0,685\) iliyorekebishwa. Masafa ya VIF yaliyoripotiwa na chanzo ni 2,86-9,66 na kikomo cha 4 kilizidiwa katika baadhi ya vigezo.

Jukumu la PCA

Uchanganuzi wa vijenzi vikuu hubadilisha prediktor za awali zinazohusiana kuwa vijenzi vikuu vipya vinavyoundwa na michanganyiko ya mstari na ambavyo ni orthogonal kwa kila kimoja. Kwa njia hii, vigezo vingi vya kijiometri vinavyobeba taarifa zinazofanana vinaweza kuwakilishwa na idadi ndogo ya vijenzi.

Chanzo kilitathmini ufaafu wa PCA kwa Kaiser-Meyer-Olkin (KMO) na Bartlett's Test of Sphericity. Vijenzi vyenye eigenvalue kubwa kuliko 1 vilihifadhiwa na uteuzi pia ukakaguliwa kwa scree plot.

Matokeo ya PCA kwa mkunjo

Katika seti ya data ya mkunjo, KMO=0,706 na kipimo cha Bartlett ni \(p<0,001\). Kwa mujibu wa jedwali la tafsiri ya KMO la chanzo chenyewe, thamani hii inaunga mkono muundo wa PCA unaokubalika.

Vijenzi viwili vya kwanza kwa pamoja vinaeleza %66,76 ya variance yote.

Chanzo pia kinaripoti thamani za communality kuwa %91,8 kwa R, %91,7 kwa DC, %88,7 kwa CL, %67,7 kwa D, %83,2 kwa AD, %54,4 kwa SW na %42,2 kwa MW.

Matokeo ya PCA kwa tangenti

Katika seti ya data ya tangenti, KMO=0,787 na kipimo cha Bartlett ni \(p<0,002\). Tena, vijenzi viwili vya kwanza pekee vina eigenvalue kubwa kuliko 1.

PC1 na PC2 kwa pamoja zinaeleza %70,95 ya variance yote.

Mbinu na Matokeo ya Utafiti

Urejeshaji wa vijenzi vikuu

Urejeshaji wa vijenzi vikuu ni mbinu ya regression ambapo vijenzi vikuu vilivyopatikana kwa PCA hutumiwa kama vigezo huru katika muundo wa MLR. Chanzo kinatoa umbo la jumla la PCR kwa Equation 2:

\[ Y_i=\alpha_1PC_1+\alpha_2PC_2+\ldots+\alpha_nPC_n \]

\(Y_i\) inawakilisha kasi ya uendeshaji, \(PC_1,PC_2,\ldots\) alama za vijenzi vikuu; na \(\alpha_1,\alpha_2,\ldots\) coefficients za regression za vijenzi.

Kwa Nini PCR Ilitoa Matokeo Bora Kuliko MLR Katika Utafiti Huu?

Kwa sababu PCR hubadilisha prediktor za kijiometri zinazohusiana kuwa vijenzi vikuu vilivyo orthogonal kwa kila kimoja, iliondoa kwa kiwango kikubwa multicollinearity katika seti hii ya data; matokeo yake, chanzo kilipata VIF ya chini na R² ya juu.

Muundo wa PCR kwa mkunjo

Coefficients za Table 10 kwa mkunjo:

\[ V_{85,\;curve} = 82.045 +9.166PC_1 -3.477PC_2 \]

Katika muundo wa PCR wa mkunjo, coefficient ya PC1 ni 9,166 na coefficient ya PC2 ni -3,477. Kwa vijenzi vyote viwili, chanzo kinaripoti \(p=0,001\).

Muundo wa PCR kwa tangenti

Kwa sehemu ya tangenti, kulingana na mahali pa maandishi na muundo wa PCA katika Table 11, coefficients katika Table 12 huunda muundo ufuatao:

\[ V_{85,\;tangent} = 88.111 +4.053PC_1 +8.271PC_2 \]

Katika muundo wa PCR wa tangenti, coefficient ya PC1 ni 4,053 na \(p=0,001\); coefficient ya PC2 ni 8,271 na \(p=0,002\).

Chanzo kimeandika kichwa cha Table 12 kuwa “operating speed model on the horizontal curve”. Hata hivyo, jedwali hilo liko mara moja chini ya maelezo ya PCA ya sehemu ya tangenti, na maandishi yanafafanua thamani hizo kama muundo wa “Principal component regression for tangent section”. Verianla haikubadilisha kimya kimya kosa hili la kichwa; imeeleza jedwali hilo kama matokeo ya PCR ya tangenti kulingana na muktadha wa chanzo.

Mwelekeo wa jiometri ya mkunjo katika muundo

Katika coefficients za MLR, radius ya mkunjo, urefu wa mkunjo, upana wa bega la barabara na upana wa ukanda wa kati zina ishara chanya kuhusiana na kasi ya uendeshaji; daraja la mkunjo, pembe ya mkengeuko na msongamano wa maeneo ya kuingia zina ishara hasi.

Hasa, coefficients hasi za daraja la mkunjo na pembe ya mkengeuko zinaendana na tafsiri ya chanzo kwamba jiometri kali zaidi inahusishwa na kasi ya chini ya uendeshaji.

Baadaye katika maandishi ya chanzo kuna sentensi inayosema kuwa kuongezeka kwa radius ya mkunjo na urefu wa mkunjo huongeza ukali wa mkunjo na kupunguza kasi. Kauli hii haiendani kikamilifu na tafsiri ya coefficients chanya katika aya hiyo hiyo; kwa hiyo Verianla imeweka ishara za coefficients kama msingi na kuhifadhi sentensi hiyo ya chanzo kama kutokulingana kwa kuripoti.

Mwelekeo wa jiometri ya tangenti katika muundo

Katika muundo wa MLR wa tangenti, upana wa bega la barabara, upana wa ukanda wa kati, aina ya ufikiaji na aina ya bega la barabara zina coefficients chanya; msongamano wa maeneo ya kuingia una coefficient hasi.

Matokeo haya ni mahusiano ya regression kwa jiometri ya barabara na mfumo wa coding uliotafitiwa pekee. Kwa mfano, vigezo vya kikategoria AT na ST vimekodishwa kwa njia ya binary katika chanzo; coefficients hazipaswi kujumlishwa bila kuzingatia maana ya coding hiyo.

Hitimisho zinazoungwa mkono na utafiti

Katika sehemu za barabara kuu zilizogawanywa zenye njia nne zilizochunguzwa, kuna multicollinearity kati ya prediktor za MLR kulingana na kigezo cha VIF cha chanzo.

Vijenzi vikuu viwili vya kwanza vya PCA vinaeleza %66,76 ya variance katika data za mkunjo na %70,95 ya variance katika data za tangenti.

Katika seti hii ya data, thamani za R² za miundo ya PCR ni za juu kuliko za miundo ya MLR.

Thamani za VIF katika miundo ya PCR ni za chini kuliko katika miundo ya MLR na zinatimiza kigezo cha VIF<4 kilichotumiwa katika chanzo.

Kwa sababu hiyo, chanzo kinapendekeza matumizi ya PCR katika matatizo sawa ya regression yenye multicollinearity.

Hitimisho ambazo utafiti hauungi mkono

Utafiti hauthibitishi kwamba PCR ni bora kuliko MLR katika nchi zote, madaraja yote ya barabara kuu au seti zote za data za kutabiri kasi.

Utafiti haujathibitisha muundo kwa seti huru ya data za majaribio ya nje.

Kwa kuwa chanzo hakiripoti cross-validation, hold-out test, RMSE au MAE, kosa halisi la utabiri kwenye sehemu mpya za barabara haliwezi kubainishwa kutoka katika makala hii.

Muundo uliundwa ndani ya masafa ya kijiometri yaliyotafitiwa ya barabara kuu zilizogawanywa zenye njia nne; haijaonyeshwa kwamba coefficients zilezile zinaweza kutumika moja kwa moja kwa barabara zenye njia mbili, arterials za mijini au taratibu tofauti za trafiki.

Coefficients za regression kati ya vigezo vya kijiometri na kasi hazionyeshi causality zikiwa peke yake.

Matatizo muhimu ya kuripoti ndani ya chanzo

Kichwa cha Table 12: Jedwali liko katika sehemu ya PCR ya tangenti, lakini kichwa kinasema “horizontal curve”.

Maelezo ya radius/urefu wa mkunjo: Baada ya coefficients chanya za regression kutolewa, maandishi ya chanzo yanasema kuwa kuongezeka kwa vigezo hivi huongeza ukali wa mkunjo na kupunguza kasi; kauli hizo mbili haziendani kikamilifu.

Maelezo ya kipimo cha K-S: Chanzo kinasema null hypothesis ilikataliwa huku Figure 2 ikionyesha thamani za P za juu kwa ulinganifu uliochaguliwa; kwa kuwa matokeo ya kina ya kipimo hayajatolewa, kauli hii haijatafsiriwa upya na Verianla.

Data za bus: Ingawa mbinu inaeleza kuwa kasi za bus zilipimwa, hakuna safu ya bus katika jedwali kuu la kasi za maelezo.

Ujumuishaji wa muhtasari wa kasi: Mfumo wa uwekaji uzito wa data kati ya wastani wa jumla wa magari katika Table 3 na muhtasari wa kasi za asilimia ya 85 kwa kila sehemu katika Table 5 haujaelezwa kwa kina.

Taarifa zinazokosekana kwa reproducibility

Haijaripotiwa ni uchunguzi mingapi wa kasi ulikusanywa katika kila sehemu ya barabara na kila daraja la gari.

Chapa/modeli ya radar gun iliyotumiwa haijaelezwa.

Haijaelezwa ni programu gani ya takwimu iliyotumiwa kwa uchanganuzi wa regression na PCA.

Haijaelezwa kwa kina kama vigezo vilistandardishwa kabla ya PCA.

Hakuna mgawanyo huru wa mafunzo/majaribio au cross-validation ulioripotiwa.

Hakuna uthibitishaji wa nje kwenye sehemu mpya za barabara.

Mapendekezo ya utafiti wa baadaye

Waandishi wanapendekeza kupanua miundo kwa vigezo vya ziada kama aina ya gari, aina ya ardhi, hali za mazingira na aina ya barabara.

Pia imeelezwa kwamba mbinu mbadala za multivariate kama ridge regression, lasso regression, elastic net regression na partial least squares regression zinaweza kulinganishwa katika siku zijazo kwa utabiri wa kasi ya uendeshaji.

Maelezo ya Chanzo na Mbinu

Kichwa asilia: Prediction of operating speed on horizontal curve and tangent: A comparative study of multiple linear and principal component regression

Waandishi: K.K. Tottadi; A. Mehar.

Taarifa za mawasiliano: Rekodi rasmi ya SciELO inatoa taarifa tofauti za correspondence kwa waandishi wote wawili; chanzo hakibainishi corresponding author mmoja pekee.

Taasisi ya Kiran Kumar Tottadi: Department of Civil Engineering, Anil Neerukonda Institute of Technology and Sciences (A), Visakhapatnam, India.

Taasisi ya Arpan Mehar: Transportation Engineering Division, Department of Civil Engineering, National Institute of Technology Warangal, Warangal, India.

Jarida: Journal of the South African Institution of Civil Engineering.

Mchapishaji: South African Institution of Civil Engineering (SAICE).

Juzuu / toleo: 68(1).

Kurasa: 21-30.

Paper: 1795.

Tarehe ya kuchapishwa: Machi 2026.

DOI: 10.17159/2309-8775/2026/v68n1a2.

Aina ya chanzo: Technical Paper.

Mapitio ya kitaalamu: Journal of the South African Institution of Civil Engineering ni jarida linalopitiwa na wataalamu; makala hutathminiwa na wakaguzi chini ya mwongozo wa SAICE Journal Editorial Panel.

Leseni: Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).

Aina ya utafiti: Vipimo vya uwanjani vya barabara kuu na uundaji wa muundo wa kitakwimu wa kasi ya uendeshaji.

Jiografia ya utafiti: Assam, Madhya Pradesh, Delhi, Mumbai na Telangana, India.

Aina ya barabara: Barabara kuu zilizogawanywa zenye njia nne.

Idadi ya sehemu: 44; mikunjo 22 ya mlalo na tangenti 22.

Kigezo kikuu cha matokeo: Kasi ya uendeshaji ya asilimia ya 85 kwa magari.

Mbinu kuu: F test, Z test, uchanganuzi wa usambazaji wa Kolmogorov-Smirnov, Multiple Linear Regression, Principal Component Analysis na Principal Component Regression.

Zana za data za kijiometri: Google Maps, AutoCAD, Android OSM Tracker na utepe halisi wa kupimia.

Upimaji wa kasi: Radar gun; chapa/modeli ya kifaa haijaripotiwa.

Kigezo cha multicollinearity cha MLR: Chanzo kilitumia VIF>4 kama kiashiria cha tatizo.

Kigezo cha uteuzi wa vijenzi vya PCA: Eigenvalue >1 na tathmini ya scree plot.

Ufaafu wa PCA wa mkunjo: KMO=0,706; Bartlett p<0,001.

Ufaafu wa PCA wa tangenti: KMO=0,787; Bartlett p<0,002.

PCR ya mkunjo: R²=0,858; R² iliyorekebishwa=0,787.

PCR ya tangenti: R²=0,848; R² iliyorekebishwa=0,785.

Uthibitishaji huru wa muundo: Chanzo hakiripoti mgawanyo wa train/test, cross-validation au seti huru ya data za majaribio ya nje.

Ufadhili: Hakuna tamko tofauti la ufadhili lililoripotiwa katika PDF ya chanzo.

Upatikanaji wa data: Hakuna tamko tofauti la data availability lililoripotiwa katika PDF ya chanzo.

Mgongano wa maslahi: Hakuna tamko tofauti la conflict-of-interest lililoripotiwa katika PDF ya chanzo.

Idhini ya maadili: Hakuna tamko tofauti la bodi ya maadili lililoripotiwa katika PDF ya chanzo.

Michango ya waandishi: Hakuna sehemu ya CRediT au author contributions yenye maelezo ya kina iliyoripotiwa katika PDF ya chanzo.

Mapungufu makuu ya kimetodolojia

Muundo unatokana na sehemu zilizochaguliwa za barabara kuu zilizogawanywa zenye njia nne katika maeneo matano ya India; jiometri za barabara na tabia za madereva katika nchi nyingine zinahitaji kuthibitishwa kando.

Kwa kuwa jumla ya idadi ya uchunguzi wa magari na ukubwa wa sampuli kwa kila sehemu haujaripotiwa, msongamano wa data za kitakwimu hauwezi kujengwa upya kikamilifu.

R² na VIF zilikuwa na nafasi muhimu katika uteuzi wa muundo, lakini vipimo huru vya kosa la utabiri havikutolewa.

Wakati muundo wa PCR unapunguza multicollinearity, unafanya tafsiri ya moja kwa moja ya coefficients kupitia vigezo asilia vya barabara kuwa isiyo ya moja kwa moja zaidi kuliko MLR; coefficients za PCR zinahusiana moja kwa moja na alama za PC1 na PC2.

Chanzo kina baadhi ya kutokuwa wazi kwa ndani katika kuripoti kuhusu kichwa cha Table 12, maelezo ya K-S na tafsiri ya jiometri ya mkunjo. Haya hayajasahihishwa kimya kimya na Verianla.

Kikomo kikuu cha tafsiri

Matokeo yenye nguvu ya utafiti ni kwamba matumizi ya PCA/PCR katika seti hiyo hiyo ya data za uwanjani yalipunguza tatizo la VIF ya juu katika MLR na kutoa R² ya juu zaidi. Matokeo haya yanaunga mkono PCR kuwa muundo unaofaa zaidi kwa data za barabara kuu zenye njia nne zilizotafitiwa; hata hivyo, hayathibitishi kwamba muundo huo utafanya kazi kwenye mitandao tofauti ya barabara kwa coefficients zilezile au kwa ubora uleule.