مدل سازی ساختاری عوامل موثر بر حواس پرتی شنیداری ناشی از پیام های ناوبری صوتی در رانندگی

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 3

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ROAD-34-128_006

تاریخ نمایه سازی: 21 مهر 1405

چکیده مقاله:

افزایش استفاده از سامانه ها و اپلیکیشن های ناوبری صوتی در رانندگی شهری، پیام های راهنمای صوتی را به یکی از منابع مهم حواس پرتی رانندگان تبدیل کرده است. هدف این پژوهش، شناسایی و مدل سازی ساختاری عوامل موثر بر حواس پرتی شنیداری ناشی از پیام های ناوبری صوتی است. جامعه آماری شامل رانندگان تهرانی دارای تجربه استفاده از مسیریاب صوتی بود. پژوهش در دو مرحله انجام شد. در مرحله اول، الگوهای استفاده رانندگان با استفاده از چک لیست رفتاری بررسی شد و نتایج نشان داد که ۸۹ درصد از رانندگان سابقه استفاده از مسیریاب صوتی دارند و ۶۴ درصد آنان در مواجهه با حواس پرتی شنیداری با کاهش سرعت و افزایش فاصله ایمنی واکنش نشان می دهند. در مرحله دوم، تحلیل روابط میان عوامل با روش مدل سازی ساختاری تفسیری (ISM) انجام شد. نتایج، یک ساختار سلسله مراتبی چهارسطحی را نشان داد؛ به طوری که شدت و کیفیت صدا و زمان ارائه دستورالعمل در سطح نخست، شناخت صدای خروجی در سطح دوم، تعداد دستورالعمل ها در سطح سوم و عواملی مانند سرعت صحبت، محیط نویزی و محتوای راهنمایی در سطح چهارم قرار گرفتند. تحلیل MICMAC نیز نشان داد که «محتوای راهنمایی» متغیری کلیدی و اثرگذار است. بر این اساس، بهبود محتوای پیام ها و زمان بندی مناسب دستورالعمل ها می تواند به کاهش حواس پرتی رانندگان و افزایش ایمنی ترافیک شهری کمک کند

کلیدواژه ها:

تحلیل میک مک ، حواس پرتی شنیداری ، مدل سازی ساختاری تفسیری ، مسیریاب صوتی

نویسندگان

امیرمحمد سرلک

گروه مهندسی عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

سیدابراهیم عبدالمنافی

گروه مهندسی عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Attri, R., Dev, N., and Sharma, V. (۲۰۱۳). Interpretive structural ...
  • Basacik, D., Reed, N., and Robbins, R. (۲۰۱۱). Smartphone use ...
  • Caird, J. K., Willness, C. R., Steel, P., and Scialfa, ...
  • Chen, Y., and Liu, H. (۲۰۲۳). Effects of voice navigation ...
  • Dingus, T. A., Klauer, S. G., Neale, V. L., Petersen, ...
  • Drews, F. A., Pasupathi, M., and Strayer, D. L. (۲۰۰۹). ...
  • Ericsson. (۲۰۱۶). Ericsson mobility report. Ericsson. ...
  • Garcia, A., Lopez, J., and Martinez, F. (۲۰۲۲). Effects of ...
  • Gopher, D., and Donchin, E. (۱۹۸۵). Workload: An examination of ...
  • Green, P. (۲۰۰۰). Crashes induced by driver information systems and ...
  • Guest, G., Bunce, A., and Johnson, L. (۲۰۰۶). How many ...
  • Hair, J. F., Black, W. C., Babin, B. J., and ...
  • Horrey, W. J., and Wickens, C. D. (۲۰۰۶). Examining the ...
  • Kern, S., and Schmidt, G. (۲۰۰۹). Advanced driver assistance systems ...
  • Kim, H., Lee، S., and Park, J. (۲۰۲۱). Optimizing the ...
  • Klauer, S. G., Dingus, T. A., Neale, V. L., Sudweeks, ...
  • Lee, J. D., Caven, B., Haake, S., and Brown, T. ...
  • Lee, J. D., Young, K. L., and Regan, M. A. ...
  • Li, Z., Wang, Y., and Chen, X. (۲۰۲۳). Deep learning ...
  • Maciej, J., and Vollrath, M. (۲۰۰۹). Comparison of manual vs. ...
  • McGehee, D. V., Lee, J. D., Rizzo, M., Dawson, J., ...
  • Olson, R. L., Hanowski, R. J., Hickman, J. S., and ...
  • نمایش کامل مراجع