Модели суръати истифодабарӣ модели омории пешгӯӣ мебошад, ки робитаи байни суръате, ки ронандагон дар шароити ҷараёни озод дар геометрияи роҳ воқеан интихоб мекунанд, ва хусусиятҳои геометрии роҳро ба таври миқдорӣ ифода мекунад. Ин таҳқиқот бо истифода аз маълумоти геометрияи роҳ ва суръати ҷараёни озод, ки аз 44 қитъа — 22 каҷи уфуқӣ ва 22 қитъаи тангенсӣ — дар роҳҳои мошингарди чоррахтаи ҷудошудаи панҷ минтақаи Ҳиндустон ҷамъоварӣ шудаанд, суръати 85-персентилии автомобилҳоро бо регрессияи бисёргонаи хаттӣ (Multiple Linear Regression, MLR) ва регрессияи компонентҳои асосӣ (Principal Component Regression, PCR) модел кардааст.

Дар моделҳои MLR байни тағйирёбандаҳои мустақили геометрӣ мултиколлинеарии баланд муайян шудааст. Тибқи меъёри VIF > 4, ки манбаъ истифода кардааст, баъзе тағйирёбандаҳо дар моделҳои каҷ ва тангенс аз ҳадди қабулшуда гузаштаанд. Пас аз ин таҳлили компонентҳои асосӣ (Principal Component Analysis, PCA) татбиқ шуда, ҳам дар маълумоти каҷ ва ҳам тангенс ду компоненти аввали асосӣ бо қимати хоси аз 1 калон интихоб гардида, суръати истифодабарӣ бо ин компонентҳо аз нав модел шудааст.

PCR дар муқоисаи дохилии моделҳои таҳқиқот нисбат ба MLR қиматҳои баландтари R² ва пасттари VIF додааст. Дар қитъаи каҷ барои MLR R²=0,721 ва барои PCR R²=0,858; дар қитъаи тангенсӣ барои MLR R²=0,719 ва барои PCR R²=0,848 гузориш шудааст. Дар PCR қиматҳои VIF дар каҷ то 1,01-1,28 ва дар тангенс то 1,11-1,86 коҳиш ёфтаанд.

Аммо таҳқиқот тақсимоти ҷудогонаи маълумоти омӯзишӣ-санҷишӣ, cross-validation ё санҷиши мустақили беруниро гузориш намекунад. Аз ин рӯ, бартарии PCR бояд аз ҷиҳати мутобиқати модел ва назорати мултиколлинеарӣ дар ҳамин маҷмӯи маълумот шарҳ дода шавад; муваффақияти пешгӯӣ дар роҳҳои нави мошингард бояд алоҳида тасдиқ карда шавад.

Масъалаи таҳқиқот

Суръати тарҳрезӣ, ки дар тарҳрезии геометрии роҳҳои мошингард истифода мешавад, тағйирёбандаи асосӣ барои муайян кардани хусусиятҳои муҳандисии роҳ мебошад. Аммо суръате, ки ронандагон дар ҳаракати воқеӣ интихоб мекунанд, ҳамеша ба суръати тарҳрезӣ баробар нест. Агар унсурҳои пайдарпайи геометрии роҳ ронандаро ба тағйироти ғайричашмдошти суръат маҷбур кунанд, пайдарҳамии тарҳи геометрӣ метавонад суст гардад.

Ин таҳқиқот махсусан рафтори воқеии суръати ронандагонро дар каҷҳои уфуқӣ ва қитъаҳои рости тангенсӣ меомӯзад. Муҳаққиқон аввал тақсимоти суръатро муайян карда, сипас моделҳое месозанд, ки суръати 85-персентилиро бо геометрияи роҳ мепайванданд.

Суръати Истифодабарӣ Чист ва Чаро Суръати 85-Персентилӣ Истифода Мешавад?

Суръати истифодабарӣ дар ин таҳқиқот суръатест, ки бо қимати 85-персентилии тақсимоти суръати воситаҳои нақлиёт дар шароити ҷараёни озод ифода мешавад; ин қимат барои тавсифи суръати воқеии ҳаракат, ки аксарияти зиёди ронандагон аз он намегузаранд, ва барои арзёбии то чӣ андоза ба рафтори ронанда мутобиқ будани геометрияи роҳ истифода шудааст.

Фарқи байни суръати тарҳрезӣ ва суръати истифодабарӣ

Суръати тарҳрезӣ параметри муҳандисиест, ки барои тарҳрезии геометрияи роҳ истифода мешавад. Суръати истифодабарӣ бошад аз рафтори суръате ба даст меояд, ки ронандагон дар роҳи анҷомёфта дар шароити ҷараёни озод воқеан интихоб мекунанд.

Аз ин рӯ, ду унсури роҳ бо суръати тарҳрезии якхела метавонанд бинобар радиусҳои гуногуни каҷ, шароити дастрасӣ, хусусиятҳои канори роҳ ё рахи ҷудокунандаи миёна тақсимоти гуногуни суръати воқеӣ ба вуҷуд оранд.

Се ҳадафи асосии таҳқиқот

Манбаъ се ҳадафи асосиро муайян мекунад: омӯзиши тақсимоти суръати автомобилҳо дар қитъаҳои каҷ ва тангенсии роҳҳои мошингарди чоррахтаи ҷудошуда; таҳияи моделҳои суръати истифодабарӣ бо MLR ва арзёбии таъсири мултиколлинеарӣ; таҳияи моделҳои PCR дар асоси PCA барои баррасии мултиколлинеарӣ ва пешгӯии суръати истифодабарӣ.

Минтақаи таҳқиқот

Қитъаҳои роҳ аз минтақаҳои Assam, Madhya Pradesh, Delhi, Mumbai ва Telangana-и Ҳиндустон интихоб шудаанд. Аз 44 қитъа 22-то каҷи уфуқӣ ва 22-то тангенсӣ мебошанд.

Меъёрҳои интихоби қитъаҳо

Пешбинӣ шудааст, ки қитъаҳои интихобшудаи роҳ аз шаҳрҳо ё минтақаҳои зич сохташуда дур бошанд, дар доираи 1 km атрофи каҷ ё тангенс чорроҳа набошад, рӯйпӯши роҳ дар ҳолати хуб ва хушк бошад ва дар канори роҳ фаъолият ё монеаҳое набошанд, ки метавонанд рафтори ронандагиро халалдор кунанд.

Маълумоти геометрӣ чӣ гуна ҷамъоварӣ шуд?

Радиуси каҷ \(R\), дараҷаи каҷ \(DC\) ва дарозии каҷ \(CL\) тавассути интиқоли тасвирҳои Google Maps ба AutoCAD арзёбӣ шудаанд. Ҷойгиршавии дақиқи нуқтаҳои каҷ бо барномаи Android OSM Tracker муайян шудааст.

Паҳнои хатти ҳаракат, паҳнои канори роҳ ва паҳнои рахи ҷудокунандаи миёна бо лентаи ченкунӣ чен шудаанд. Навъи дастрасӣ ва зичии нуқтаҳои дастрасӣ ба ҳар километр бо истифода аз Google Maps арзёбӣ ва санҷида шудаанд.

Суръатҳои ҷараёни озод чӣ гуна чен карда шуданд?

Гуфта мешавад, ки суръатҳои ҷараёни озоди синфҳои small car, big car, heavy commercial vehicle, two-wheeler, bus ва light commercial vehicle дар нуқтаи миёнаи каҷҳо ва тангенсҳо бо radar gun чен шудаанд. Ченкуниҳо рӯзона ва дар шароити хуби обу ҳаво анҷом дода шудаанд.

Манбаъ марка/модели radar gun ва шумораи ченкуниҳои суръатро дар ҳар синфи воситаи нақлиёт гузориш намекунад.

Гарчанде дар бахши усул гуфта мешавад, ки суръатҳои синфи bus низ чен шудаанд, дар Table 3-и манбаъ барои bus қиматҳои тавсифии суръат дода нашудаанд.

Чаро small car ва big car ба як синф муттаҳид карда шуданд?

Бо санҷишҳои Z ва F муайян карда шуд, ки миёнаҳо ва дисперсияҳои ду гурӯҳи автомобилӣ фарқ мекунанд ё не. Дисперсияҳо 111,72 ва 98,09; \(F_{calculated}=1,18\) ва \(F_{critical}=1,36\) гузориш шудаанд. Суръатҳои миёна 84,91 ва 85,93 km/h; \(Z_{calculated}=1,73\) ва \(Z_{critical}=1,96\) мебошанд.

Дар сатҳи \(\alpha=0,05\) ҳам қимати ҳисобшудаи F ва ҳам Z аз қимати критикӣ паст монда, манбаъ фарқи байни гурӯҳҳоро “not significant” арзёбӣ кардааст. Аз ин рӯ, маълумоти small car ва big car дар таҳлилҳои минбаъда ба категорияи Car муттаҳид карда шудаанд.

Тақсимоти суръат

Суръатҳои автомобилҳо ба фосилаҳои синфӣ ҷудо шуда, тақсимоти басомад ба даст оварда шудааст. Мутобиқати тақсимот бо санҷиши Kolmogorov-Smirnov арзёбӣ шуда; тақсимотҳои normal, log-normal, beta-и чорпараметрӣ, Weibull-и сепараметрӣ, gamma ва generalized extreme value баррасӣ шудаанд.

Тибқи бахши натиҷаҳои манбаъ, суръатҳои автомобил дар қитъаҳои каҷ тақсимоти beta-4 ва дар қитъаҳои тангенсӣ тақсимоти log-normal нишон додаанд. Figure 2 дар саҳифаи 5 басомадҳои мушоҳидашудаи қитъаи якуми каҷ ва қитъаи якуми тангенсро бо каҷҳои тақсимоти интихобшуда нишон медиҳад.

Манбаъ ба таври муфассал шарҳ намедиҳад, ки миёнаҳои ҳамаи суръатҳои автомобил дар Table 3 бо ҷамъбасти суръатҳои 85-персентилӣ аз рӯи қитъа дар Table 5 тавассути кадом сохтори вазнгузорӣ пайваст шудаанд. Аз ин рӯ, бояд ба назар гирифт, ки ду ҷадвал сатҳҳои гуногуни агрегатсия доранд.

Чаро Мултиколлинеарӣ Дар Модели MLR Мушкил Эҷод Мекунад?

Мултиколлинеарӣ ҳолатест, ки тағйирёбандаҳои мустақил бо ҳамдигар робитаи қавӣ доранд; дар ин ҳолат боэътимод ҷудо кардани он, ки ҳар як коэффисиенти MLR аз кадом таъсири геометрӣ сарчашма мегирад, душвор шуда метавонад ва таҳқиқот инро аз рӯи аз 4 гузаштани қиматҳои VIF дар баъзе тағйирёбандаҳо муайян кардааст.

Модели MLR-и истифодашуда дар манбаъ

Таҳқиқот шакли умумии MLR-ро бо Equation 1 медиҳад:

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

\(Y_i\) дар ин таҳқиқот суръати 85-персентилии истифодабарӣ мебошад. \(x_1,\ldots,x_n\) тағйирёбандаҳои геометрии роҳро; \(a_0\) аъзои доимиро; \(a_1,\ldots,a_n\) коэффисиентҳои регрессияро ифода мекунанд.

Модели MLR барои қитъаи каҷ

Бо якҷо кардани коэффисиентҳои Table 7-и манбаъ моделро метавон чунин ифода кард:

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

Дар ин ҷо \(R\) радиуси каҷ, \(CL\) дарозии каҷ, \(DC\) дараҷаи каҷ, \(D\) кунҷи гардиш, \(SW\) паҳнои канори роҳ, \(MW\) паҳнои рахи ҷудокунандаи миёна ва \(AD\) зичии нуқтаҳои дастрасиро ифода мекунанд.

Қимати \(R^2\)-и модел 0,721 ва қимати ислоҳшудаи \(R^2\) 0,697 мебошад. Дар тағйирёбандаҳои R, DC ва MW қиматҳои VIF аз ҳадди 4, ки таҳқиқот истифода кардааст, зиёданд.

Модели MLR барои қитъаи тангенсӣ

Модели тангенсӣ, ки аз коэффисиентҳои Table 8-и манбаъ ҳосил шудааст:

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

\(SW\) паҳнои канори роҳ, \(MW\) паҳнои рахи ҷудокунандаи миёна, \(AD\) зичии нуқтаҳои дастрасӣ, \(AT\) навъи дастрасӣ ва \(ST\) навъи канори роҳро ифода мекунанд. Дар манбаъ \(ST=1\) канори роҳ бо рӯйпӯш ва \(ST=0\) канори роҳ бе рӯйпӯш; \(AT=1\) набудани дастрасӣ ва \(AT=0\) дастрасии қисман ё пурра рамзгузорӣ шудааст.

Барои модели тангенсӣ \(R^2=0,719\) ва \(R^2=0,685\)-и ислоҳшуда мебошад. Диапазони VIF-и гузоришшуда дар манбаъ 2,86-9,66 аст ва дар баъзе тағйирёбандаҳо ҳадди 4 гузашта шудааст.

Нақши PCA

Таҳлили компонентҳои асосӣ предикторҳои ибтидоии бо ҳам алоқамандро ба компонентҳои нави асосии аз комбинатсияҳои хаттӣ иборат ва нисбат ба ҳам ортогоналӣ табдил медиҳад. Бо ин роҳ, шумораи зиёди тағйирёбандаҳои геометрие, ки маълумоти монанд доранд, метавонанд бо шумораи камтари компонентҳо ифода шаванд.

Манбаъ мувофиқати PCA-ро бо Kaiser-Meyer-Olkin (KMO) ва Bartlett's Test of Sphericity арзёбӣ кардааст. Компонентҳое, ки қимати хоси онҳо аз 1 баланд буд, нигоҳ дошта шуданд ва интихоб инчунин бо scree plot санҷида шуд.

Натиҷаҳои PCA барои каҷ

Дар маҷмӯи маълумоти каҷ KMO=0,706 ва санҷиши Bartlett \(p<0,001\) мебошад. Тибқи ҷадвали тафсири KMO-и худи манбаъ, ин қимат сохтори қобили қабули PCA-ро дастгирӣ мекунад.

Ду компоненти аввал дар маҷмӯъ %66,76-и дисперсияи умумиро шарҳ медиҳанд.

Манбаъ инчунин қиматҳои communality-ро барои R %91,8, барои DC %91,7, барои CL %88,7, барои D %67,7, барои AD %83,2, барои SW %54,4 ва барои MW %42,2 гузориш мекунад.

Натиҷаҳои PCA барои тангенс

Дар маҷмӯи маълумоти тангенсӣ KMO=0,787 ва санҷиши Bartlett \(p<0,002\) мебошад. Боз ҳам танҳо ду компоненти аввал қимати хоси аз 1 боло доранд.

PC1 ва PC2 якҷо %70,95-и дисперсияи умумиро шарҳ медиҳанд.

Усул ва Натиҷаҳои Таҳқиқот

Регрессияи компонентҳои асосӣ

Регрессияи компонентҳои асосӣ равиши регрессиониест, ки дар он компонентҳои асосии тавассути PCA бадастомада ҳамчун тағйирёбандаҳои мустақил дар модели MLR истифода мешаванд. Манбаъ шакли умумии PCR-ро бо Equation 2 медиҳад:

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

\(Y_i\) суръати истифодабарӣ, \(PC_1,PC_2,\ldots\) холҳои компонентҳои асосӣ ва \(\alpha_1,\alpha_2,\ldots\) коэффисиентҳои регрессияи компонентҳоро ифода мекунанд.

Чаро PCR Дар Ин Таҳқиқот Аз MLR Натиҷаи Беҳтар Дод?

Азбаски PCR предикторҳои геометрии бо ҳам алоқамандро ба компонентҳои асосии нисбат ба ҳам ортогоналӣ табдил медиҳад, он мултиколлинеариро дар ин маҷмӯи маълумот ба таври назаррас коҳиш додааст; дар натиҷа дар манбаъ ҳам VIF-и пасттар ва ҳам R²-и баландтар ба даст омадааст.

Модели PCR барои каҷ

Коэффисиентҳои Table 10 барои каҷ:

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

Дар модели PCR-и каҷ коэффисиенти PC1 9,166 ва коэффисиенти PC2 -3,477 мебошад. Барои ҳар ду компонент манбаъ \(p=0,001\) гузориш мекунад.

Модели PCR барои тангенс

Барои қитъаи тангенсӣ, мувофиқи ҷойгиршавии матн ва сохтори PCA дар Table 11, коэффисиентҳои Table 12 модели зеринро ташкил медиҳанд:

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

Дар модели PCR-и тангенсӣ коэффисиенти PC1 4,053 ва \(p=0,001\); коэффисиенти PC2 8,271 ва \(p=0,002\) мебошад.

Манбаъ сарлавҳаи Table 12-ро “operating speed model on the horizontal curve” навиштааст. Аммо ҷадвал бевосита зери шарҳи PCA барои қитъаи тангенсӣ ҷойгир аст ва матн ин қиматҳоро ҳамчун модели “Principal component regression for tangent section” тавсиф мекунад. Verianla ин хатои сарлавҳаро хомӯшона иваз накарда, ҷадвалро мувофиқи контексти манбаъ ҳамчун натиҷаи PCR барои тангенс тавсиф кардааст.

Самти геометрияи каҷ дар модел

Дар коэффисиентҳои MLR радиуси каҷ, дарозии каҷ, паҳнои канори роҳ ва паҳнои рахи ҷудокунандаи миёна бо суръати истифодабарӣ аломати мусбат доранд; дараҷаи каҷ, кунҷи гардиш ва зичии нуқтаҳои дастрасӣ аломати манфӣ доранд.

Хусусан коэффисиентҳои манфии дараҷаи каҷ ва кунҷи гардиш бо тафсири манбаъ, ки геометрияи тезтар бо суръати пасттари истифодабарӣ алоқаманд аст, мувофиқат мекунанд.

Дар матни манбаъ баъдтар ҷумлае ҳаст, ки афзоиши радиуси каҷ ва дарозии каҷ тезии каҷро зиёд карда, суръатро кам мекунад. Ин изҳорот бо тафсири коэффисиентҳои мусбат дар ҳамон банд пурра мувофиқ нест; бинобар ин Verianla матнро бо такя ба аломатҳои коэффисиентҳо нигоҳ дошта, он ҷумлаи манбаъро ҳамчун номувофиқии ҷудогонаи гузоришӣ ҳифз кардааст.

Самти геометрияи тангенс дар модел

Дар модели MLR-и тангенсӣ паҳнои канори роҳ, паҳнои рахи ҷудокунандаи миёна, навъи дастрасӣ ва навъи канори роҳ коэффисиенти мусбат доранд; зичии нуқтаҳои дастрасӣ коэффисиенти манфӣ дорад.

Ин натиҷаҳо танҳо робитаҳои регрессионӣ барои геометрияи роҳи омӯхташуда ва низоми рамзгузорӣ мебошанд. Масалан, тағйирёбандаҳои категориявии AT ва ST дар манбаъ бинарӣ рамзгузорӣ шудаанд; коэффисиентҳо бидуни дарназардошти маънои ин рамзгузорӣ набояд умумӣ карда шаванд.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

Дар қитъаҳои омӯхташудаи роҳҳои мошингарди чоррахтаи ҷудошуда байни предикторҳои MLR мувофиқи меъёри VIF-и манбаъ мултиколлинеарӣ мавҷуд аст.

Ду компоненти аввали PCA %66,76-и дисперсияи маълумоти каҷ ва %70,95-и дисперсияи маълумоти тангенсро шарҳ медиҳанд.

Дар ин маҷмӯи маълумот қиматҳои R²-и моделҳои PCR аз моделҳои MLR баландтаранд.

Қиматҳои VIF дар моделҳои PCR нисбат ба моделҳои MLR пасттаранд ва ба меъёри VIF<4, ки дар манбаъ истифода шудааст, ҷавоб медиҳанд.

Аз ин рӯ, манбаъ истифодаи PCR-ро дар масъалаҳои шабеҳи регрессия, ки мултиколлинеарӣ доранд, тавсия медиҳад.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

Таҳқиқот исбот намекунад, ки PCR дар ҳамаи кишварҳо, ҳамаи синфҳои роҳ ё ҳамаи маҷмӯаҳои маълумоти пешгӯии суръат аз MLR бартарӣ дорад.

Таҳқиқот моделро дар маҷмӯи мустақили маълумоти санҷишии беруна тасдиқ накардааст.

Азбаски манбаъ cross-validation, hold-out test, RMSE ё MAE гузориш намекунад, хатои воқеии пешгӯӣ дар қитъаҳои нави роҳ аз ин мақола муайян карда намешавад.

Модел дар доираи геометрии омӯхташудаи роҳҳои мошингарди чоррахтаи ҷудошуда таҳия шудааст; нишон дода нашудааст, ки ҳамин коэффисиентҳоро барои роҳҳои дуқатора, артерияҳои шаҳрӣ ё режимҳои дигари ҳаракат мустақиман истифода бурдан мумкин аст.

Коэффисиентҳои регрессия байни тағйирёбандаҳои геометрӣ ва суръат худ аз худ сабабиятро нишон намедиҳанд.

Мушкилоти муҳими гузоришӣ дар манбаъ

Сарлавҳаи Table 12: Ҷадвал дар бахши PCR-и тангенс аст, аммо сарлавҳа “horizontal curve” мегӯяд.

Шарҳи радиус/дарозии каҷ: Пас аз додани коэффисиентҳои мусбати регрессия, матни манбаъ мегӯяд, ки афзоиши ин тағйирёбандаҳо тезии каҷро зиёд карда, суръатро кам мекунад; ин ду изҳорот пурра мувофиқ нестанд.

Тавсифи санҷиши K-S: Манбаъ мегӯяд, ки null hypothesis рад шудааст, аммо дар Figure 2 барои мутобиқатҳои интихобшуда қиматҳои баланди P нишон дода шудаанд; азбаски натиҷаҳои муфассали санҷиш дода нашудаанд, ин изҳорот аз ҷониби Verianla аз нав тафсир нашудааст.

Маълумоти bus: Гарчанде усул чен шудани суръатҳои bus-ро мегӯяд, дар ҷадвали асосии тавсифии суръат сутуни bus нест.

Агрегатсияи ҷамъбасти суръат: Тартиби вазнгузории маълумот байни миёнаҳои умумии автомобил дар Table 3 ва ҷамъбасти суръатҳои 85-персентилӣ аз рӯи қитъа дар Table 5 муфассал шарҳ дода нашудааст.

Маълумоти нокифоя барои такрорпазирӣ

Гузориш нашудааст, ки дар ҳар қитъаи роҳ ва ҳар синфи воситаи нақлиёт чанд мушоҳидаи суръат ҷамъоварӣ шудааст.

Марка/модели radar gun-и истифодашуда нишон дода нашудааст.

Нишон дода нашудааст, ки таҳлилҳои регрессия ва PCA дар кадом нармафзори оморӣ анҷом дода шудаанд.

Муфассал шарҳ дода нашудааст, ки тағйирёбандаҳо пеш аз PCA стандартонӣ шудаанд ё не.

Тақсимоти мустақили омӯзиш/санҷиш ё cross-validation гузориш нашудааст.

Дар қитъаҳои нави роҳ санҷиши берунии модел вуҷуд надорад.

Пешниҳодҳо барои таҳқиқоти оянда

Муаллифон тавсия медиҳанд, ки моделҳо бо тағйирёбандаҳои иловагӣ, аз ҷумла навъи воситаи нақлиёт, навъи релеф, шароити муҳити зист ва навъи роҳ васеъ карда шаванд.

Ҳамчунин гуфта мешавад, ки равишҳои алтернативии бисёртағйирёбанда, аз ҷумла ridge regression, lasso regression, elastic net regression ва partial least squares regression, метавонанд дар оянда барои пешгӯии суръати истифодабарӣ муқоиса карда шаванд.

Ёддошт оид ба Манбаъ ва Усул

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

Муаллифон: K.K. Tottadi; A. Mehar.

Маълумоти мукотиба: Сабти расмии SciELO барои ҳар ду муаллиф маълумоти ҷудогонаи correspondence медиҳад; манбаъ як corresponding author-и ягона нишон намедиҳад.

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

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

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

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

Ҷилд / шумора: 68(1).

Саҳифаҳо: 21-30.

Paper: 1795.

Санаи нашр: Март 2026.

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

Навъи манбаъ: Technical Paper.

Тақризи ҳамтоён: Journal of the South African Institution of Civil Engineering маҷаллаи тақризшаванда аст; мақолаҳо аз ҷониби тақризгарон таҳти роҳнамоии SAICE Journal Editorial Panel арзёбӣ мешаванд.

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

Навъи таҳқиқот: Ченкунии саҳроӣ дар роҳи мошингард ва моделсозии омории суръати истифодабарӣ.

Ҷуғрофияи таҳқиқот: Assam, Madhya Pradesh, Delhi, Mumbai ва Telangana, India.

Навъи роҳ: Роҳҳои мошингарди чоррахтаи ҷудошуда.

Шумораи қитъаҳо: 44; 22 каҷи уфуқӣ ва 22 тангенс.

Тағйирёбандаи асосии натиҷа: Суръати 85-персентилии истифодабарӣ барои автомобилҳо.

Усулҳои асосӣ: F test, Z test, таҳлили тақсимоти Kolmogorov-Smirnov, Multiple Linear Regression, Principal Component Analysis ва Principal Component Regression.

Воситаҳои маълумоти геометрӣ: Google Maps, AutoCAD, Android OSM Tracker ва лентаи ченкунии физикӣ.

Ченкунии суръат: Radar gun; марка/модели дастгоҳ гузориш нашудааст.

Меъёри мултиколлинеарии MLR: Манбаъ VIF>4-ро ҳамчун нишондиҳандаи мушкил истифода кардааст.

Меъёри интихоби компоненти PCA: Қимати хос >1 ва арзёбии scree plot.

Мувофиқати PCA барои каҷ: KMO=0,706; Bartlett p<0,001.

Мувофиқати PCA барои тангенс: KMO=0,787; Bartlett p<0,002.

PCR барои каҷ: R²=0,858; R²-и ислоҳшуда=0,787.

PCR барои тангенс: R²=0,848; R²-и ислоҳшуда=0,785.

Санҷиши мустақили модел: Манбаъ тақсимоти train/test, cross-validation ё маҷмӯи мустақили маълумоти санҷишии берунаро гузориш намекунад.

Маблағгузорӣ: Дар PDF-и манбаъ изҳороти ҷудогонаи маблағгузорӣ гузориш нашудааст.

Дастрасии маълумот: Дар PDF-и манбаъ изҳороти ҷудогонаи data availability гузориш нашудааст.

Бархӯрди манфиатҳо: Дар PDF-и манбаъ изҳороти ҷудогонаи conflict-of-interest гузориш нашудааст.

Иҷозати ахлоқӣ: Дар PDF-и манбаъ изҳороти ҷудогонаи кумитаи ахлоқӣ гузориш нашудааст.

Саҳми муаллифон: Дар PDF-и манбаъ бахши CRediT ё author contributions-и муфассал гузориш нашудааст.

Маҳдудиятҳои асосии методологӣ

Модел ба қитъаҳои интихобшудаи роҳҳои мошингарди чоррахтаи ҷудошуда дар панҷ минтақаи Ҳиндустон асос ёфтааст; геометрияи роҳ ва рафтори ронандагон дар кишварҳои дигар бояд алоҳида санҷида шаванд.

Азбаски шумораи умумии мушоҳидаҳои воситаҳои нақлиёт ва ҳаҷми намуна барои ҳар қитъа гузориш нашудааст, зичии омории маълумот пурра барқарор карда намешавад.

Дар интихоби модел R² ва VIF нақши муҳим доштанд, аммо метрикаҳои мустақили хатои пешгӯӣ дода нашудаанд.

Модели PCR мултиколлинеариро коҳиш медиҳад, аммо тафсири мустақими коэффисиентҳоро аз рӯи тағйирёбандаҳои аслии роҳ нисбат ба MLR ғайримустақимтар мекунад; коэффисиентҳои PCR бевосита ба холҳои PC1 ва PC2 тааллуқ доранд.

Манбаъ дар сарлавҳаи Table 12, тавсифи K-S ва тафсири геометрияи каҷ баъзе номуайяниҳои дохилии гузоришӣ дорад. Инҳо аз ҷониби Verianla хомӯшона ислоҳ нашудаанд.

Ҳадди асосии тафсир

Натиҷаи қавии таҳқиқот ин аст, ки истифодаи PCA/PCR дар ҳамон маҷмӯи маълумоти саҳроӣ мушкили VIF-и баланди MLR-ро коҳиш дода ва R²-и баландтар ба даст овардааст. Ин натиҷа дастгирӣ мекунад, ки PCR барои маълумоти омӯхташудаи роҳҳои мошингарди чоррахтаи ҷудошуда модели мувофиқтар аст; аммо исбот намекунад, ки модел дар шабакаҳои дигари роҳ бо ҳамон коэффисиентҳо ё бо ҳамон бартарӣ кор хоҳад кард.