تدوین شاخص ترکیبی ریسک رانندگی و پیش بینی آن با استفاده از مدل های یادگیری ماشین مبتنی بر داده های شبیه ساز رانندگی

ایمنی رانندگی پدیده ای چندبعدی است که از برهم کنش رفتار راننده، خطاهای عملیاتی، تخطی از قوانین و ویژگی های فردی و فیزیولوژیک شکل می گیرد، در حالی که بخش عمده ای از مطالعات پیشین یا بر شاخص های منفرد تمرکز داشته اند یا فاقد یک معیار ترکیبی ساختاریافته بوده اند. در پاسخ به این خلا، مقاله حاضر با هدف تدوین یک شاخص ترکیبی ریسک رانندگی (Driving Risk Index – DRI) و ارزیابی قابلیت پیش بینی آن با استفاده از مدل های یادگیری ماشین مبتنی بر داده های شبیه ساز رانندگی انجام شد. داده ها از آزمایش های رانندگی شبیه سازی شده ۱۲۰ راننده استخراج شد و شامل متغیرهای رفتاری، خطاهای عملیاتی، شاخص های فیزیولوژیک، ویژگی های شخصیتی و اطلاعات جمعیت شناختی بود. شاخص DRI با ترکیب وزنی سه زیرشاخص «تصادف»، «سرعت و قانون گریزی» و «خطاها و رفتارهای خطرناک» تعریف شد. سپس دو چارچوب مدل سازی مبتنی بر Random Forest Regressor توسعه یافت: یک مدل کامل برای اعتبارسنجی ساختاری شاخص و یک مدل رفتاری–فردی بدون اطلاعات رخدادی برای بررسی نقش مستقل ویژگی های فردی و سبک رانندگی. نتایج نشان داد مدل کامل با دقت بسیار بالا (R² ≈ ۰.۹۵) قادر به بازتولید شاخص DRI است، در حالی که مدل رفتاری-فردی عملکرد ضعیفی (R² منفی) از خود نشان داد. این امر بیانگر آن است که ریسک رانندگی، در چارچوب شاخص طراحی شده، بدون اطلاعات مستقیم از خطاها و تصادفات قابل پیش بینی دقیق نیست. با این حال، تحلیل اهمیت متغیرها نشان داد ویژگی های شخصیتی و فیزیولوژیک به عنوان عوامل زمینه ساز، نقش غیرمستقیم اما معناداری در شکل گیری الگوهای پرخطر رانندگی دارند. در مجموع، نتایج تاکید می کند که ریسک رانندگی پدیده ای پیامدمحور و چندسطحی است و شاخص DRI می تواند مبنایی برای توسعه سامانه های ارزیابی ریسک، آموزش رانندگی و مداخلات مبتنی بر شواهد فراهم کند.

کلیدواژه ها:

شاخص ترکیبی ریسک رانندگی ، شبیه ساز رانندگی ، رفتار راننده ، یادگیری ماشین ، ایمنی ترافیک