شماره ركورد
22152
پديد آورنده
علي مقدري
عنوان
مدل سازي تخلفات رانندگان ناوگان سنگين با استفاده از پرسشنامه رفتار رانندگي
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
برنامهريزي و مهندسي حمل و نقل
سال تحصيل
98-99
تاريخ دفاع
1398/9/3
استاد راهنما
دكتر شيخ الاسلامي - دكتر احمدي نژاد
دانشكده
عمران
چكيده
اهداف اصلي اين پژوهش، شناسايي، بررسي و مدلسازي، اثرگذاري فاكتورهاي مهم و تأثيرگذار در ارتكاب رانندگان ناوگان باري به تخلفات رانندگي و ارائه پرسشنامه اصلاحشده رفتار رانندگي (DBQ) مختص ناوگان باري با در نظر گرفتن كليه شرايط علمي و پژوهشي حوزه روانشناسي، بهمنظور اصلاح و متناسبسازي برخي سؤالات پرسشنامه است. براي دستيابي به اهداف موردنظر، اطلاعات موردنياز شامل نوع تخلف رانندگي در شش طبقهبندي: اضافه تناژ، نبستن كمربند ايمني، سرعت غيرمجاز، داراي نقص فني، صحبت با تلفن همراه، نداشتن برگ باسكول بهعنوان متغير وابسته و فاكتورهاي اثرگذار در آن، در گروه مشخصات مربوط به راننده، وسيله نقليه و ميزان مسافت پيموده شده با استفاده از تكميل پرسشنامه اطلاعات دموگرافيك و رفتار رانندگي (DBQ) جمعآوري شد. لازم به ذكر است اين اطلاعات در دو مرحله برداشت گرديد: در مرحله اول، در طول يك بازه 45 روزه در دو كلانشهر تهران و مشهد در ميان 556 راننده وسيله نقليه باري بهصورت ميداني اطلاعات مرتبط با استفاده از پرسشنامه دموگرافيك و پرسشنامه رفتار رانندگي (DBQ) برداشت گرديد و پس از بررسي اطلاعات جمعآوريشده سؤالات مرتبط با رفتار رانندگي و انجام تحليلهاي اكتشافي بر روي سؤالات، نهايتاً پرسشنامهاي با 4 عامل و 21 سؤال بازطراحي گرديد و بهعنوان پرسشنامه اصلاحشده رفتار رانندگي (DBQ) تهيه شد. در مرحله دوم بهمنظور ارزيابي و بررسي كار آيي پرسشنامه تهيهشده، در يك بازه 60 روزه و بهصورت مطالعات ميداني در پايانه بار شهيد خبيري كلانشهر مشهد، از طريق انجام مصاحبه و در ميان 652 راننده وسيله نقليه باري اطلاعات مرتبط با پرسشنامه دموگرافيك و پرسشنامه اصلاحشده رفتار رانندگي برداشت شد و پس از اصلاح و يا حذف پرسشنامههاي ناقص، اطلاعات 583 راننده براي انجام تحليل-هاي آماري، مورد استفاده قرار گرفت. در ادامه، بهمنظور ، شناسايي، بررسي و مدلسازي، اثرگذاري فاكتورهاي مهم و تأثيرگذار در ارتكاب رانندگان ناوگان باري به تخلفات رانندگي، تحليل آماري اطلاعات برداشتشده با استفاده از مدل رگرسيون لجستيك چندمتغيره نشان داد، رانندگاني كه در هر ماه، پنج يا شش نوبت تخليهوبارگيري مينمايند، نسبت به رانندگاني كه در هر ماه بيش از 12 نوبت تخليهوبارگيري ميكنند كمتر مرتكب تخلف اضافه تناژ ميشوند. همچنين تحليل نتايج در بخش مدل سرعت غيرمجاز نشان ميدهد، رانندگاني كه دچار رفتار لغزشي كمتري بوده و بهاصطلاح حواسپرت نيستند به ميزان كمتري مرتكب تخلف سرعت غيرمجاز ميشوند و احتمال ارتكاب به تخلف سرعت غيرمجازشان به ميزان 85.4 درصد كاهش مييابد. در انتها نيز بررسي تحليل¬هاي آماري نشان داد، رانندگاني كه داراي رفتار تهاجمي در رانندگي هستند، به ميزان بيشتري مرتكب تخلف نداشتن برگ باسكول شدهاند.
تاريخ ورود اطلاعات
1399/05/14
عنوان به انگليسي
Modeling Heavy LORRY Driver Violations Using Driving Behavior Questionnaire
تاريخ بهره برداري
8/4/2020 12:00:00 AM
دانشجوي وارد كننده اطلاعات
علي مقدري
چكيده به لاتين
Accidents are directly related to driving offenses, and drivers who commit more offenses, are more prone to accidents. Therefore, reducing driving offenses can reduce accidents. Hence, the recognition of common driving offenses among heavy vehicle (truck) drivers and the effective factors in directing them to reduce driving offenses can consequently reduce the frequency and severity of accidents. Thus, there is a necessity for further studies to carry out research in this regard more than ever before. The main objective of this study is to identify and evaluate important factors affecting lorry drivers committing traffic offenses. To achieve the goals, the required information categorized into six categories: traffic tonnage, not wearing a seatbelt, speeding, technical defect, talking to cellphone, lacking a scalp sheet which these factors are known as dependent variables. Also, its influencing factors - in the group of driver characteristics, vehicle and mileage - were conducted by using a demographic questionnaire and driving behavior (DBQ) questionnaire and interviews with 652 drivers over 60 days at the shahid Khabiri Terminal in Mashhad. And after correcting or removing incomplete questionnaires, 583 drivers' information was used for statistical analysis. Besides, statistical analysis of data using a multivariate logistic regression model showed that drivers who discharging and loading five or six times per month are less likely to commit overloading than drivers who discharging and loading more than 12 times per month. The results also show that drivers with less slip behavior and not so-called distraction are less likely to commit unauthorized speed offenses and 85.4% less likely to commit this violation. Finally, analysis of statistical analysis showed that drivers with aggressive driving behavior were more likely to commit lacking a scalp sheet offense.