ارزیابی متغیرهای رفتاری در پیش بینی خواب آلودگی رانندگان کمک به توسعه سیستمهای هوشمند حمل و نقل
محل انتشار: کنفرانس بین المللی معماری، شهرسازی، عمران، هنر و محیط زیست؛ افق های آینده، نگاه به گذشته
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 328
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICAUCAE01_1415
تاریخ نمایه سازی: 10 تیر 1396
چکیده مقاله:
رانندگی یک روند پیچیده مخصوص به خود را دارد که با چشم، دست و صورت مستقیما در ارتباط است. خواب آلودگی به عنوان یکی از عواملی که این سه شاخص را در خود دارد، نقش موثر و جدی در تصادفات حمل و نقل کشور بر عهده دارد. ابزار و وسایلی وجود دارد که خستگی ذهنی رانندگان را اندازه گیری و ارزیابی می کند. افزایش سطح هوشیاری راننده کمک به سزایی در کاهش تصادفات جادهای به همراه دارد. هدف، این مطالعه بررسی اثر متغیرهای رفتاری برای پیش بینی خواب آلودگی ذهنی رانندگان می باشد. مطالعه حاضر جهت توسعه سیستم های حمل و نقل هوشمند به منظور جلوگیری از وقوع هرگونه حادثه ی ترافیکی ناگوار ناشی از کاهش سطح هوشیاری رانندگان می باشد. متغیرهای رفتاری شامل زاویه خم گردن، فشار پشت فشار پا، حرکت مرکز فشار روی سطح نشستن و خطای ردیابی مسیر در شبیه ساز رانندگی می باشند. حالت های خواب آلودگی راننده به وسیله ی مدل رگرسیون لجستیک چند جمله ای با استفاده از متغیرهای مستقل و وابسته، پیش بینی شده اند. ابتدا تاثیر دو روش مبتنی بر ضریب همبستگی و درصد احتمالات را برای مشخص کردن ترتیب ورود متغیرهای رفتاری در مدل بررسی میشود. سپس، دقت پیش بینی در میان تعدادی از متغیرهای رفتاری مقایسه می گردد. تفاوتی در دقت پیش بینی چهار، پنج و شش متغیر رفتاری وجود ندارد (α<0.05 ضریب معناداری یا درستی آزمایش). حداقل چهار متغیر رفتاری برای دقت پیش بینی در مدل کافی است. دقت پیش بینی بین گروهای هوشیار, کم و زیاد خواب آلود مقایسه شده است . اختلاف در دقت پیش بینی بین این سه گروه وجود دارد و روشی که پیشنهاد شده، تحت شرایط خواب آلودگی زیاد موثر واقع می شود .
کلیدواژه ها:
نویسندگان
فرهاد حدادی
دانشجوی ارشد راه و ترابری، دانشگاه ارومیه
حمید شیرمحمدی
استادیار گروه مهندسی راه و ترابری، دانشگاه ارومیه
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 :