Ekspluatatsion tezlik modeli haydovchilar erkin oqim sharoitida yo‘l geometriyasida amalda tanlaydigan tezlik bilan yo‘lning geometrik xususiyatlari o‘rtasidagi bog‘liqlikni miqdoriy ifodalovchi statistik bashorat modelidir. Ushbu tadqiqot Hindistonning besh hududidagi to‘rt polosali ajratilgan avtomobil yo‘llarida 22 gorizontal egri chiziq va 22 tangent kesimdan iborat jami 44 kesimdan to‘plangan yo‘l geometriyasi hamda erkin oqim tezligi ma’lumotlaridan foydalanib, avtomobillarning 85-persentil tezligini ko‘p omilli chiziqli regressiya (Multiple Linear Regression, MLR) va asosiy komponentlar regressiyasi (Principal Component Regression, PCR) orqali modellashtirgan.

MLR modellarida mustaqil geometrik o‘zgaruvchilar o‘rtasida yuqori multikollinearlik aniqlangan. Manba qo‘llagan VIF > 4 mezoniga ko‘ra, egri chiziq va tangent modellaridagi ayrim o‘zgaruvchilar qabul qilingan chegaradan oshgan. Shundan so‘ng asosiy komponentlar tahlili (Principal Component Analysis, PCA) qo‘llanilgan; egri chiziq va tangent ma’lumotlarining har ikkisida xos qiymati 1 dan katta bo‘lgan dastlabki ikki asosiy komponent tanlangan va ekspluatatsion tezlik shu komponentlar bilan qayta modellashtirilgan.

PCR tadqiqotning o‘z model taqqoslashida MLR ga qaraganda yuqoriroq R² va pastroq VIF qiymatlarini bergan. Egri chiziqli kesimda MLR uchun R²=0,721, PCR uchun R²=0,858; tangent kesimda MLR uchun R²=0,719, PCR uchun R²=0,848 deb hisobot qilingan. PCR da VIF qiymatlari egri chiziqda 1,01-1,28, tangentda 1,11-1,86 oralig‘igacha pasaygan.

Biroq tadqiqot alohida o‘qitish-test ma’lumotlar bo‘linmasi, cross-validation yoki mustaqil tashqi validatsiyani hisobot qilmaydi. Shu sababli PCR ning ustunligi ushbu ma’lumotlar to‘plamidagi model mosligi va multikollinearlikni nazorat qilish nuqtai nazaridan talqin qilinishi kerak; yangi avtomobil yo‘llaridagi bashorat muvaffaqiyati alohida tasdiqlanishi zarur.

Tadqiqot muammosi

Avtomobil yo‘llarini geometrik loyihalashda qo‘llanadigan loyihaviy tezlik yo‘lning muhandislik xususiyatlarini belgilashdagi asosiy o‘zgaruvchidir. Biroq haydovchilar haqiqiy harakatda tanlaydigan tezlik har doim ham loyihaviy tezlikka teng bo‘lmaydi. Agar yo‘lning ketma-ket geometrik elementlari haydovchini kutilmagan tezlik o‘zgarishlariga majbur qilsa, geometrik loyihaning izchilligi zaiflashishi mumkin.

Ushbu tadqiqot, xususan, gorizontal egri chiziqlar va to‘g‘ri tangent kesimlarda haydovchilarning amaldagi tezlik xulq-atvorini o‘rganadi. Tadqiqotchilar avval tezlik taqsimotini aniqlaydi, so‘ng 85-persentil tezlikni yo‘l geometriyasi bilan bog‘laydigan modellarni tuzadi.

Ekspluatatsion Tezlik Nima va Nega 85-Persentil Tezlik Qo‘llanadi?

Ekspluatatsion tezlik ushbu tadqiqotda erkin oqim sharoitida kuzatilgan transport vositalari tezlik taqsimotining 85-persentil qiymati bilan ifodalangan tezlikdir; bu qiymat haydovchilarning katta qismi oshirmaydigan haqiqiy harakat tezligini tavsiflash va yo‘l geometriyasining haydovchi xulq-atvori bilan qanchalik mos kelishini baholash uchun qo‘llanilgan.

Loyihaviy tezlik va ekspluatatsion tezlik o‘rtasidagi farq

Loyihaviy tezlik yo‘l geometriyasini loyihalashda qo‘llanadigan muhandislik kirish parametridir. Ekspluatatsion tezlik esa haydovchilarning qurib bitkazilgan yo‘lda erkin oqim sharoitida amalda tanlagan tezlik xulq-atvoridan olinadi.

Shu sababli bir xil loyihaviy tezlikka ega ikki yo‘l elementi turli egri chiziq radiuslari, kirish sharoitlari, yo‘l yelkasi yoki markaziy ajratish tasmasi xususiyatlari tufayli turlicha haqiqiy tezlik taqsimotlarini hosil qilishi mumkin.

Tadqiqotning uch asosiy maqsadi

Manba uchta asosiy maqsadni belgilaydi: to‘rt polosali ajratilgan avtomobil yo‘llarida egri chiziq va tangent kesimlarda avtomobil tezligi taqsimotlarini o‘rganish; MLR orqali ekspluatatsion tezlik modellarini ishlab chiqib, multikollinearlik ta’sirini baholash; multikollinearlikni hisobga olish uchun PCA asosidagi PCR modellarini ishlab chiqib, ekspluatatsion tezlikni bashorat qilish.

Tadqiqot hududi

Avtomobil yo‘li kesimlari Hindistonning Assam, Madhya Pradesh, Delhi, Mumbai va Telangana hududlaridan tanlangan. Jami 44 kesimning 22 tasi gorizontal egri chiziq, 22 tasi tangent kesimdir.

Kesimlarni tanlash mezonlari

Tanlangan yo‘l qismlarining shahar yoki zich qurilgan hududlardan uzoqda bo‘lishi, egri chiziq yoki tangent atrofidagi 1 km ichida chorraha bo‘lmasligi, qoplamaning yaxshi va quruq holatda bo‘lishi hamda yo‘l chetida haydovchilik xulq-atvoriga xalal berishi mumkin bo‘lgan faoliyat yoki to‘siqlar bo‘lmasligi ko‘zda tutilgan.

Geometrik ma’lumotlar qanday to‘plangan?

Egri chiziq radiusi \(R\), egri chiziq darajasi \(DC\) va egri chiziq uzunligi \(CL\) Google Maps tasvirlarini AutoCAD ga o‘tkazish orqali baholangan. Egri chiziq nuqtalarining aniq joylashuvi Android OSM Tracker ilovasi bilan aniqlangan.

Harakat polosasi kengligi, yo‘l yelkasi kengligi va markaziy ajratish tasmasi kengligi o‘lchov lentasi bilan o‘lchangan. Kirish turi va kilometrga to‘g‘ri keladigan kirish nuqtalari zichligi Google Maps orqali baholangan va tekshirilgan.

Erkin oqim tezliklari qanday o‘lchangan?

Small car, big car, heavy commercial vehicle, two-wheeler, bus va light commercial vehicle sinflarining erkin oqim tezliklari egri chiziq va tangentlarning o‘rta nuqtasida radar gun yordamida o‘lchangani ko‘rsatilgan. O‘lchovlar kunduz kuni va yaxshi ob-havo sharoitida amalga oshirilgan.

Manba radar gun ning marka/modelini va har bir transport vositasi sinfida nechta tezlik o‘lchovi to‘planganini hisobot qilmaydi.

Metod bo‘limida bus sinfi ham o‘lchangani aytilganiga qaramay, manbaning Table 3 jadvalida bus uchun tavsifiy tezlik qiymatlari berilmagan.

Nega small car va big car bitta sinfga birlashtirildi?

Ikki avtomobil guruhining o‘rtacha qiymatlari va dispersiyalari farq qiladimi-yo‘qmi, Z va F testlari bilan tekshirilgan. Dispersiyalar 111,72 va 98,09; \(F_{calculated}=1,18\) va \(F_{critical}=1,36\) deb hisobot qilingan. O‘rtacha tezliklar 84,91 va 85,93 km/h; \(Z_{calculated}=1,73\) va \(Z_{critical}=1,96\).

\(\alpha=0,05\) darajasida hisoblangan F ham, Z qiymati ham kritik qiymatdan past bo‘lgan va manba guruhlar o‘rtasidagi farqni “not significant” deb baholagan. Shu sababli small car va big car ma’lumotlari keyingi tahlillarda Car toifasiga birlashtirilgan.

Tezlik taqsimotlari

Avtomobil tezliklari sinf oraliqlariga ajratilgan va chastota taqsimotlari olingan. Taqsimotga moslik Kolmogorov-Smirnov testi bilan baholangan; normal, log-normal, to‘rt parametrli beta, uch parametrli Weibull, gamma va generalized extreme value taqsimotlari ko‘rib chiqilgan.

Manbaning natijalar bo‘limiga ko‘ra, avtomobil tezliklari egri chiziqli kesimlarda beta-4, tangent kesimlarda log-normal taqsimot ko‘rsatgan. 5-betdagi Figure 2 birinchi egri chiziq va birinchi tangent kesim uchun kuzatilgan chastotalarni tanlangan taqsimot egri chiziqlari bilan birga ko‘rsatadi.

Manba Table 3 dagi barcha avtomobil tezliklari o‘rtachalari bilan Table 5 dagi kesimlar bo‘yicha 85-persentil tezliklar xulosasini qanday vaznlash tuzilmasi orqali bog‘laganini batafsil bayon qilmaydi. Shu sababli ikki jadvalning turli agregatsiya darajalariga ega ekanini hisobga olish kerak.

Multikollinearlik Nega MLR Modelida Muammo Tug‘diradi?

Multikollinearlik mustaqil o‘zgaruvchilarning bir-biri bilan kuchli bog‘langan bo‘lishidir; bunday holatda MLR koeffitsiyentlarining alohida-alohida qaysi geometrik ta’sirdan kelib chiqqanini ishonchli ajratish qiyinlashishi mumkin va tadqiqot buni ayrim o‘zgaruvchilarda VIF qiymatlarining 4 dan oshishi orqali aniqlagan.

Manbada qo‘llangan MLR modeli

Tadqiqot MLR ning umumiy ko‘rinishini Equation 1 bilan beradi:

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

\(Y_i\) ushbu tadqiqotda 85-persentil ekspluatatsion tezlikdir. \(x_1,\ldots,x_n\) yo‘lning geometrik o‘zgaruvchilarini; \(a_0\) doimiy hadni; \(a_1,\ldots,a_n\) esa regressiya koeffitsiyentlarini ifodalaydi.

Egri chiziqli kesim uchun MLR modeli

Manba Table 7 koeffitsiyentlarini birlashtirish orqali model quyidagicha ifodalanishi mumkin:

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

Bu yerda \(R\) egri chiziq radiusi, \(CL\) egri chiziq uzunligi, \(DC\) egri chiziq darajasi, \(D\) burilish burchagi, \(SW\) yo‘l yelkasi kengligi, \(MW\) markaziy ajratish tasmasi kengligi va \(AD\) kirish nuqtalari zichligini bildiradi.

Modelning \(R^2\) qiymati 0,721, tuzatilgan \(R^2\) qiymati 0,697. R, DC va MW o‘zgaruvchilaridagi VIF qiymatlari tadqiqot qo‘llagan 4 chegarasidan oshgan.

Tangent kesim uchun MLR modeli

Manba Table 8 koeffitsiyentlaridan hosil qilingan tangent modeli:

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

\(SW\) yo‘l yelkasi kengligini, \(MW\) markaziy ajratish tasmasi kengligini, \(AD\) kirish nuqtalari zichligini, \(AT\) kirish turini va \(ST\) yo‘l yelkasi turini bildiradi. Manbada \(ST=1\) qoplamali va \(ST=0\) qoplamasiz yo‘l yelkasi; \(AT=1\) kirish yo‘q, \(AT=0\) esa qisman yoki to‘liq kirish sifatida kodlangan.

Tangent modelining \(R^2=0,719\), tuzatilgan \(R^2=0,685\). Manbada keltirilgan VIF oralig‘i 2,86-9,66 bo‘lib, ayrim o‘zgaruvchilarda 4 chegarasi oshilgan.

PCA ning roli

Asosiy komponentlar tahlili o‘zaro bog‘langan dastlabki prediktorlarni chiziqli kombinatsiyalardan tashkil topgan, o‘zaro ortogonal yangi asosiy komponentlarga aylantiradi. Shunday qilib, o‘xshash axborotni olib yuruvchi ko‘plab geometrik o‘zgaruvchilar kamroq komponentlarda ifodalanishi mumkin.

Manba PCA mosligini Kaiser-Meyer-Olkin (KMO) va Bartlett's Test of Sphericity orqali baholagan. Xos qiymati 1 dan yuqori bo‘lgan komponentlar saqlangan, tanlov qo‘shimcha ravishda scree plot orqali tekshirilgan.

Egri chiziq PCA natijalari

Egri chiziq ma’lumotlar to‘plamida KMO=0,706 va Bartlett testi \(p<0,001\). Manbaning o‘z KMO talqin jadvaliga ko‘ra, bu qiymat maqbul PCA tuzilishini qo‘llab-quvvatlaydi.

Dastlabki ikki komponent birgalikda jami dispersiyaning %66,76 qismini tushuntiradi.

Manba, shuningdek, communality qiymatlarini R uchun %91,8, DC uchun %91,7, CL uchun %88,7, D uchun %67,7, AD uchun %83,2, SW uchun %54,4 va MW uchun %42,2 deb hisobot qiladi.

Tangent PCA natijalari

Tangent ma’lumotlar to‘plamida KMO=0,787 va Bartlett testi \(p<0,002\). Yana faqat dastlabki ikki komponentning xos qiymati 1 dan yuqori.

PC1 va PC2 birgalikda jami dispersiyaning %70,95 qismini tushuntiradi.

Tadqiqot Usuli va Natijalari

Asosiy komponentlar regressiyasi

Asosiy komponentlar regressiyasi PCA orqali olingan asosiy komponentlar MLR modelida mustaqil o‘zgaruvchi sifatida ishlatiladigan regressiya yondashuvidir. Manba PCR ning umumiy ko‘rinishini Equation 2 bilan beradi:

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

\(Y_i\) ekspluatatsion tezlikni, \(PC_1,PC_2,\ldots\) asosiy komponent ballarini; \(\alpha_1,\alpha_2,\ldots\) esa komponentlarning regressiya koeffitsiyentlarini ifodalaydi.

Nega PCR Ushbu Tadqiqotda MLR Dan Yaxshiroq Natija Berdi?

PCR o‘zaro bog‘langan geometrik prediktorlarni o‘zaro ortogonal asosiy komponentlarga aylantirgani sababli ushbu ma’lumotlar to‘plamidagi multikollinearlikni katta darajada bartaraf etgan; natijada manbada ham pastroq VIF, ham yuqoriroq R² qiymatlari olingan.

Egri chiziq uchun PCR modeli

Egri chiziq uchun Table 10 koeffitsiyentlari:

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

Egri chiziq PCR modelida PC1 koeffitsiyenti 9,166 va PC2 koeffitsiyenti -3,477. Har ikki komponent uchun manba \(p=0,001\) deb hisobot qiladi.

Tangent uchun PCR modeli

Tangent kesim uchun matnning joylashuvi va Table 11 dagi PCA tuzilishiga ko‘ra, Table 12 dagi koeffitsiyentlar quyidagi modelni hosil qiladi:

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

Tangent PCR modelida PC1 uchun koeffitsiyent 4,053 va \(p=0,001\); PC2 uchun koeffitsiyent 8,271 va \(p=0,002\).

Manba Table 12 sarlavhasini “operating speed model on the horizontal curve” deb yozgan. Biroq jadval tangent kesim PCA izohidan bevosita keyin joylashgan va matn bu qiymatlarni “Principal component regression for tangent section” modeli sifatida ta’riflaydi. Verianla ushbu sarlavha xatosini jimlik bilan o‘zgartirmagan, jadvalni manba kontekstiga ko‘ra tangent PCR natijasi sifatida ta’riflagan.

Egri chiziq geometriyasining modeldagi yo‘nalishi

MLR koeffitsiyentlarida egri chiziq radiusi, egri chiziq uzunligi, yo‘l yelkasi kengligi va markaziy ajratish tasmasi kengligi ekspluatatsion tezlik bilan musbat; egri chiziq darajasi, burilish burchagi va kirish nuqtalari zichligi esa manfiy ishoraga ega.

Ayniqsa, egri chiziq darajasi va burilish burchagining manfiy koeffitsiyentlari keskinroq geometriya pastroq ekspluatatsion tezlik bilan bog‘liq degan manba talqiniga mos keladi.

Manba matnida keyinroq egri chiziq radiusi va egri chiziq uzunligi oshishi egri chiziqning keskinligini oshirib, tezlikni kamaytiradi degan jumla mavjud. Bu ifoda shu paragrafdagi musbat koeffitsiyent talqini bilan to‘liq mos kelmaydi; shu sababli Verianla matni koeffitsiyent ishoralarini asos qilib olib, mazkur manba jumlasini alohida hisobot nomuvofiqligi sifatida saqlaydi.

Tangent geometriyasining modeldagi yo‘nalishi

Tangent MLR modelida yo‘l yelkasi kengligi, markaziy ajratish tasmasi kengligi, kirish turi va yo‘l yelkasi turi musbat; kirish nuqtalari zichligi esa manfiy koeffitsiyentga ega.

Bu natijalar faqat o‘rganilgan yo‘l geometriyasi va kodlash tizimi uchun regressiya munosabatlaridir. Masalan, AT va ST kategorik o‘zgaruvchilari manbada ikkilik tarzda kodlangan; koeffitsiyentlar ushbu kodlashning ma’nosi hisobga olinmasdan umumlashtirilmasligi kerak.

Tadqiqot qo‘llab-quvvatlaydigan xulosalar

O‘rganilgan to‘rt polosali ajratilgan avtomobil yo‘li kesimlarida MLR prediktorlari o‘rtasida manbaning VIF mezoniga ko‘ra multikollinearlik mavjud.

PCA ning dastlabki ikki asosiy komponenti egri chiziq ma’lumotlaridagi dispersiyaning %66,76 qismini, tangent ma’lumotlaridagi dispersiyaning %70,95 qismini tushuntiradi.

Ushbu ma’lumotlar to‘plamida PCR modellarining R² qiymatlari MLR modellariga qaraganda yuqori.

PCR modellaridagi VIF qiymatlari MLR modellariga qaraganda past va manbada qo‘llangan VIF<4 mezoniga javob beradi.

Shu sababli manba multikollinearlik mavjud bo‘lgan o‘xshash regressiya muammolarida PCR dan foydalanishni tavsiya qiladi.

Tadqiqot qo‘llab-quvvatlamaydigan xulosalar

Tadqiqot PCR barcha mamlakatlarda, barcha avtomobil yo‘li sinflarida yoki barcha tezlik bashorati ma’lumotlar to‘plamlarida MLR dan ustun ekanini isbotlamaydi.

Tadqiqot modelni mustaqil tashqi test ma’lumotlar to‘plamida tekshirmagan.

Manba cross-validation, hold-out test, RMSE yoki MAE ni hisobot qilmagani uchun yangi yo‘l kesimlaridagi haqiqiy bashorat xatosini ushbu maqoladan aniqlab bo‘lmaydi.

Model to‘rt polosali ajratilgan avtomobil yo‘llarining o‘rganilgan geometrik diapazonlarida ishlab chiqilgan; ikki polosali yo‘llar, shahar arteriyalari yoki boshqa harakat rejimlari uchun ayni koeffitsiyentlarni bevosita qo‘llash mumkinligi ko‘rsatilmagan.

Geometrik o‘zgaruvchilar bilan tezlik o‘rtasidagi regressiya koeffitsiyentlari o‘z-o‘zidan sababiylikni ko‘rsatmaydi.

Manbadagi muhim hisobot muammolari

Table 12 sarlavhasi: Jadval tangent PCR bo‘limida, ammo sarlavhada “horizontal curve” deb yozilgan.

Egri chiziq radiusi/uzunligi izohi: Musbat regressiya koeffitsiyentlari berilgandan so‘ng manba matni bu o‘zgaruvchilar oshishi egri chiziq keskinligini oshirib, tezlikni kamaytirishini aytadi; ikki ifoda to‘liq mos emas.

K-S testi bayoni: Manba null gipoteza rad etilganini aytgan holda Figure 2 da tanlangan mosliklar uchun yuqori P qiymatlarini ko‘rsatadi; batafsil test natijalari berilmagani sababli bu ifoda Verianla tomonidan qayta talqin qilinmagan.

Bus ma’lumoti: Metod bus tezliklari o‘lchanganini bildirsa-da, asosiy tavsifiy tezlik jadvalida bus ustuni yo‘q.

Tezlik xulosalarining agregatsiyasi: Table 3 dagi umumiy avtomobil o‘rtachalari bilan Table 5 dagi kesim bo‘yicha 85-persentil tezlik xulosalari o‘rtasidagi ma’lumotlarni vaznlash tartibi batafsil tushuntirilmagan.

Qayta ishlab chiqish nuqtai nazaridan yetishmayotgan ma’lumotlar

Har bir yo‘l kesimida va har bir transport vositasi sinfida nechta tezlik kuzatuvi to‘plangani hisobot qilinmagan.

Qo‘llangan radar gun ning marka/modeli ko‘rsatilmagan.

Regressiya va PCA tahlillari qaysi statistik dasturiy ta’minotda bajarilgani ko‘rsatilmagan.

PCA dan oldin o‘zgaruvchilar standartlashtirilganmi yoki yo‘qmi, batafsil bayon qilinmagan.

Mustaqil o‘qitish/test bo‘linishi yoki cross-validation hisobot qilinmagan.

Yangi yo‘l kesimlarida tashqi validatsiya mavjud emas.

Kelgusi tadqiqotlar uchun tavsiyalar

Mualliflar modellarni transport vositasi turi, relyef turi, atrof-muhit sharoitlari va yo‘l turi kabi qo‘shimcha o‘zgaruvchilar bilan kengaytirishni tavsiya qiladi.

Bundan tashqari, ridge regression, lasso regression, elastic net regression va partial least squares regression kabi muqobil ko‘p o‘zgaruvchili yondashuvlarni kelajakda ekspluatatsion tezlikni bashorat qilish uchun taqqoslash mumkinligi aytiladi.

Manba va Usul Haqida Izoh

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

Mualliflar: K.K. Tottadi; A. Mehar.

Yozishma ma’lumoti: Rasmiy SciELO yozuvi har ikki muallif uchun alohida correspondence ma’lumotini beradi; manba yagona corresponding author ni belgilamaydi.

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

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

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

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

Jild / son: 68(1).

Sahifalar: 21-30.

Paper: 1795.

Nashr sanasi: Mart 2026.

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

Manba turi: Technical Paper.

Taqrizdan o‘tish: Journal of the South African Institution of Civil Engineering taqrizli jurnaldir; maqolalar SAICE Journal Editorial Panel rahbarligidagi taqrizchilar tomonidan baholanadi.

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

Tadqiqot turi: Avtomobil yo‘lida dala o‘lchovlari va statistik ekspluatatsion tezlikni modellashtirish.

Tadqiqot geografiyasi: Assam, Madhya Pradesh, Delhi, Mumbai va Telangana, India.

Yo‘l turi: To‘rt polosali ajratilgan avtomobil yo‘llari.

Kesimlar soni: 44; 22 gorizontal egri chiziq va 22 tangent.

Asosiy chiqish o‘zgaruvchisi: Avtomobillar uchun 85-persentil ekspluatatsion tezlik.

Asosiy usullar: F testi, Z testi, Kolmogorov-Smirnov taqsimot tahlili, Multiple Linear Regression, Principal Component Analysis va Principal Component Regression.

Geometrik ma’lumot vositalari: Google Maps, AutoCAD, Android OSM Tracker va jismoniy o‘lchov lentasi.

Tezlik o‘lchovi: Radar gun; qurilmaning marka/modeli hisobot qilinmagan.

MLR multikollinearlik mezoni: Manba VIF>4 qiymatini muammo ko‘rsatkichi sifatida qo‘llagan.

PCA komponent tanlash mezoni: Xos qiymat >1 va scree plot baholashi.

Egri chiziq PCA mosligi: KMO=0,706; Bartlett p<0,001.

Tangent PCA mosligi: KMO=0,787; Bartlett p<0,002.

Egri chiziq PCR: R²=0,858; tuzatilgan R²=0,787.

Tangent PCR: R²=0,848; tuzatilgan R²=0,785.

Mustaqil model validatsiyasi: Manba train/test bo‘linishini, cross-validation yoki mustaqil tashqi test ma’lumotlar to‘plamini hisobot qilmaydi.

Moliyalashtirish: Manba PDF da alohida moliyalashtirish bayonoti hisobot qilinmagan.

Ma’lumotlar mavjudligi: Manba PDF da alohida data availability bayonoti hisobot qilinmagan.

Manfaatlar to‘qnashuvi: Manba PDF da alohida conflict-of-interest bayonoti hisobot qilinmagan.

Etik ruxsat: Manba PDF da alohida etik kengash bayonoti hisobot qilinmagan.

Muallif hissalari: Manba PDF da CRediT yoki batafsil author contributions bo‘limi hisobot qilinmagan.

Asosiy metodologik cheklovlar

Model Hindistonning besh hududidagi tanlangan to‘rt polosali ajratilgan avtomobil yo‘li kesimlariga asoslangan; boshqa mamlakatlardagi yo‘l geometriyalari va haydovchi xulq-atvori alohida tasdiqlanishi kerak.

Transport vositalari kuzatuvlarining umumiy soni va har bir kesim bo‘yicha namuna hajmlari hisobot qilinmagani sababli statistik ma’lumotlar zichligini to‘liq qayta tiklab bo‘lmaydi.

Model tanlashda R² va VIF muhim rol o‘ynagan, biroq mustaqil bashorat xatosi metrikalari berilmagan.

PCR modeli multikollinearlikni kamaytirar ekan, koeffitsiyentlarni dastlabki yo‘l o‘zgaruvchilari orqali to‘g‘ridan-to‘g‘ri talqin qilishni MLR ga nisbatan bilvositaroq qiladi; PCR koeffitsiyentlari bevosita PC1 va PC2 ballariga tegishli.

Manba Table 12 sarlavhasi, K-S bayoni va egri chiziq geometriyasi talqinida ayrim ichki hisobot noaniqliklarini o‘z ichiga oladi. Bular Verianla tomonidan jimlik bilan tuzatilmagan.

Asosiy talqin chegarasi

Tadqiqotning kuchli xulosasi shuki, ayni dala ma’lumotlar to‘plamida PCA/PCR dan foydalanish MLR dagi yuqori VIF muammosini kamaytirgan va yuqoriroq R² hosil qilgan. Bu natija PCR o‘rganilgan to‘rt polosali avtomobil yo‘li ma’lumotlari uchun mosroq model ekanini qo‘llab-quvvatlaydi; biroq model boshqa yo‘l tarmoqlarida ayni koeffitsiyentlar yoki ayni ustunlik bilan ishlashini isbotlamaydi.