تصادفات پدیده ای چند علتی است که نمی توان آن را با درنظر گرفتن عواملی محدود به طور کامل کنترل و مدیریت کرد. یکی از مهم ترین عوامل مؤثر در اولویت بندی معابر پر خطر شهری (تصادف خیز) برای عابران پیاده، عوامل محیطی وقوع تصادف است که تاکنون در روش های موجود به طور جامع در نظر گرفته نشده است. اولویت بندی این معابر را نمی توان بدون در نظر گرفتن و استفاده از آمار و اطلاعات وضع موجود، از ترکیب های خطی و مدل های ساده ریاضی مورد بررسی قرار داد زیرا تصمیم گیری درباره انتخاب معابر پرخطر را دچار مشکل می کند. در این تحقیق با ارائه روش مشاهده ای با استفاده از شبکه های عصبی مصنوعی، مدلی جدید به منظور اولویت بندی معابر پر خطر شهری با محوریت عابران پیاده ارائه می شود. در این روش، معابر شهری مذکور با درنظرگرفتن هم زمان پارامترهای هندسی، ترافیکی و کنترلی با استفاده از یک مدل ارائه شده با شبکه های عصبی مصنوعی و آمار و اطلاعات تصادفات عابران پیاده به عنوان مدل پیش بینی و به دنبال آن، استفاده از داده های تصادفات و خطرپذیری معابر به عنوان مدل اولویت بندی ارائه شده است. از عوامل مؤثر در تولید این مدل می توان به طول معابر، عرض معابر، عرض پیاده روها، پارک حاشیه ای معابر، عرض میانه معبر، محدودیت سرعت معبر، روشنایی معابر، کیفیت رویه آسفالت معابر، میزان تفکیک سواره رو و پیاده رو، کاربری اطراف معابر، میزان حضور پلیس در معابر، میزان تناسب سرعت با کاربری در معابر، تناسب گذرگاه های عرضی و شیب معابر اشاره کرد. استفاده از مدل ارائه شده با عوامل ذکرشده در این تحقیق، دقت و کارایی فرآیند اولویت بندی معابر پرخطر شهری برای عابران پیاده، با استفاده از آمار و اطلاعات تصادفات به مقدار قابل توجهی افزایش می دهد.
