مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده

1.مقدمه

2. مروری بر ادبیات

3. توصیف داده ها

3.1 منبع اطلاعات

3.2 تحلیل توصیفی تصادفات از عقب و رانندگان مقصر

3.2.1 وقوع تصادفات از عقب

3.2.2 شدت تصادفات از عقب

3.2.3 ویژگی های رانندگان مقصر در تصادفات از عقب

3.2.4 ویژگی های تصادفات از عقب

4. ارائه مدل

4.1 تکنیک مدلسازی

4.2 متغیرهای تشریحی

4.3 بسط مدل

5. نتایج و بحث

6. نتیجه گیری و پیشنهاد

بخشی از ترجمه فارسی مقاله:

1.مقدمه
تصادف خودرو با خودرو با توجه به نوع تصادف به چهار دسته تصادف از پشت –تصادف از بغل – سر به سر و تصادف با زاویه راست دسته بندی می شوند. تصادفات از عقب مرسوم ترین نوع تصادف در جهان هستند که منجر به جراحت ها و مرگ و میر قابل توجه می شوند.برای مثال ،در آمریکا ف حدود یک سوم از تمام تصادفات از عثب هستند (بیش از 25 میلیون تصادف در سال ) .این تصادفات باعث 30 درصد از جراحات و کشتارها می شوند.در طرف دیگر دنیا ،کامپن در سال 2000 نشان داد که حدود 30 درصد از تمام تصادفات بزرگراه های نیوزیلند در جاده های شهری 9% از تصادفات عقب هستند.در ژاپن ،حدود 28% از تصادفات نهایی تصادف از عقب هستند و 35 درصد از تصادفات مربوط به تصادفات تقاطع ها هستند.به هر حال ، اطلاعاتی در مورد تصادفات از عقب در مناطق شزقی قبلا منتشر نشده بود. بنابراین، تلاشهای قابل توجهی برای بررسی و شناسایی عوامل موثر در تصادفات از عقب برای درک بیشتر ویژگی های این تصادفات و کاهش وقوع و شدت تصادفات نیاز است. در ابوظبی ، تصادفات از عقب 17% از تصادفات را شامل می شوند. علیرغم روند کاهش تصادفات و میزان مرگ و میر در بین سال های 2010 و2014 ، میزان تصادفات از عقب در دنیا از 15% در سال 2010 تا 20.4% در سال 2014 افزایش داشته است.به علاوه ، امار نشان داد که که شدت تصادفات از عقب در ابوظبی بالاتر از شدت سایر تصادفات است.همچنین ،شایان ذکر است که رانندگان دارای گواهینامه در مناطق خلیجی تفاوت زیادی با رانندگان سایر مناطق جهان دارند.برای مثال در ابوظبی 87 درصد از رانندگان دارای ملیت های خارجی هستند و 85 درصد از رانندگان مرد هستند و 92 درصد کمتر از 45 سال دارند. با توجه به این حقایق ،عوامل مهمی که بر وقوع و شدت تصادفات از عقب تاثیر می گذارند در تحقیقات قبلی با صراحت مطرح نشده اند.
در این تحقیق هدف اصلی ارائه اطلاعات گسترده در مورد عوامل تاثیر گذار بر وقوع و شدت تصادفات در کشورهای حوزه خلیج فارس بر اساس اطلاعات گرداوری شده از ابوظبی است. عوامل بررسی شده در این تحقیق شامل ویژگی ها و رفتار راننده مقصر در تصادفات از عقب – اطلاعات مربوط به تصادف – ویژگی های جاده و شرایط آب و هوایی است.یک تحلیل رگرسیون لجستیک برای مدلسازی تاثیسر این عوامل بر تصادفات از عقب بکار گرفته شد.
2. مروری بر ادبیات
تلاشهای تحقیقی زیادی برای تحلیل ویژگیها و دلایل تصادفات از عقب در بخش های مختلف جهان انجام شده است.چندین تکنیک مدلسازی آماری هم برای بررسی عوامل موثر در این نوع تصادفات و همچنین شدت و وقوع تصادفات مورد استفاده قرار گرفت.اکثر تحقیقات انجام شده از تحلیل رگرسیون خطی و فرایندهای مدلسازی استفاده کردند.عبدل اتی و عبدلوهاب در سال 2004 از مدل لاگیت برای ارزیابی احتمال تصادفات از عقب برای خودرو-کامیون استفاده کردند. نتایج این تحقیق نشان داد که دید راننده و بی توجهی در خودرو بیشترین تاثیر را بر وقوع تصادف می گذارند.خطر وقوع این تصادفات در تقاطع عا هم توسط یان وهمکارانش در سال 2005 با استفاده از مدلسازی رگرسیون متعدد انجام شد. این مدل نشان داد که 7 عامل محیطی و جاده ( تعداد خطوط – تقسیم بزرگراه – زمان تصادف شرایط سطح جاده – ویژگی بزرگرزاه – مصرف مواد / الکل – محل سکونت راننده –و جنسیت ) و همچنین عوامل مرتبط با نقش راننده ( نوع خودرو – سن راننده – جنسیت و محل سکونت راننده ) با خطر تصادف در ارتباط هستند. به علاوه ، وانگ و همکارانش در سال 2006 از ارتباط دو عددی منفی برای تحلیل خطر در تقاطع های دارای تابلو استفاده کردند. مشخص شده است که حجم ترافیک – تعداد خطوط – و تقاطع عای راست و چپ بر وقوع تصادفات از پشت تاثیر می گذارند.کیم و همکارانش در سال 2007 هم با استفاده از رگرسیون دو عددی منفی برای خطر تصادف در ازاد راه استفاده کردند. نتیج تحقیق آنها نشان داد که عرض شانه جاده – بخش ترکیب شده از عوامل تاثیر گذار بر وقوع تصادف هستند. هارب و همکارانش در سال 2008 از یک مدل رگرسیون لاگیت برای ارزیابی تصادفات در منطقه کاری استفاده کردند.این مدل نشان داد که هندسه بزرگراه – شرایط اب و هوایی –سن – جنسیت – شزایط نور – کد سکونت و رانندگاز عوامل موثر در تصادفات منطقه ای هستند. اخیرا ، روش شبکه بایسین برای تحلیل شدت تصادف مورد استفاده قرار می گیرد.چم و همکارانش درسال 2015 از مدل لاگیت چند عددی برای بررسی عوامل تاثیر گذار در شدت تصادفات از عقب استفاده کردند. نتایج تحقیق آنها نشان داد که وجود کامیون – شرایط نور – شرایط باد – تعداد خودروهای موجود در جاده – و غیره می توانند تاثیر قابل توجهی بر افزایش جراحت های ناشی از تصادفات داشته باشند. تاثیر دید راننده نیز توسط حسن و عبدل اتی در سال 2011 مورد بررسی قرار گرفت.بعضی از محققان از روش مدلسازی غیر خطی برای بیان روابز پیچیده بین شدت تصادف و عوامل موثر استفاده کردند..لائو و همکارانش درسال 2014 از روش مدلسازی غیر خطی تعمیم یافته برای بررسی رابطه بین خطر این تصادفات و متغیر مستقل استفاده کردند.نتایج تحقیق آنها نشان داد که درصد وجود کامیون تاثیر قابل تجه بر وقوع تصادف دارد وجود کامیون در ابتدا باعث افزایش تصادف می شود اما در ادامه کاهش می یابد.سایر روش های مورد استفاده برای ارزیابی خطر به کار گرفته شده اند. اوه و همکارانش در سال 2006 از اطلاعات مدار شناسایی برای تعیین پتانسیل تصادفات از عقب بر اساس الگوریتم دسته بندی فازی استفاده کردند. نتایج تحقیق نشان داد که 6 دسته بندی برای ارائه معیار خطر تصادف مناسب تر می باشد.یک تحقیق دیگر از اطلاعات مدار شناسایی انجام شده توسط پاند و عبدالاتی در سال 2006 استفاده کرد و بیان شد که میانگین سرعت نیز عامل مهم در تصادف است. به علاوه ،اوه و کیم در سال 2010 از اطلاعات خط سیر برای هر کدام از وسایل نقلیه استفاده کردند تا شاخص خطر را در تصادفات از عقب به دست آورند. منگ و کو در سال 2012 از زمان تصادف در دو تونل در سنگاپور برای تحلیل میزان تصادفات استفاده کردند. داس و عبدل اتی در سال 2011 از روش برنامه نویسی ژنتیک برای تعیین خطر تصادفات از عقب در جاده های شهری استفاده کردند.لی و همکارانش در 2014 از روش موج جنبش برای بررسی شاخص خطر در تصادفات از عقب در نزدیکی ازادراه ها و گردنه استفاده کردند. و بیان کرذند که احتمال تصادف از عقب زمانی بیشمار است که ترافیک متراکم باشد.

بخشی از مقاله انگلیسی:

1. Introduction

Vehicle to vehicle crashes have been classified based on the collision type into four categories: rear-end, side sweep, head-on and right angle collisions. Rear-end collisions are considered as the most frequently occurring types of crashes over the world and lead to a significant number of injuries and fatalities. For instance, in USA about one third of all crashes were rear end crashes (over 2.5 million rear end collisions are reported every year). These crashes were responsible for 30% of all injuries and fatalities (Sing, 2003). On the other side of the world, Kampen (2000) showed that about 35% of all crashes on Netherlands highways are rear-end against 9% in urban areas. In Japan, about 28% of total series crashes (i.e., crashes involving injuries or fatalities) are rear-end crashes and represent about 35% of crashes at intersections (ITARDA 1998; Wang et al., 2002). However, no information about the rear-end crashes in the middle-east region has been published before. Thus, significant efforts are needed to investigate and identify the contributing factors of rear-end crashes for more understanding of its characteristics and to develop the proper countermeasures in order to reduce its occurrence and severity. In the Emirate of Abu Dhabi AD, the Capital of UAE, the rear-end collisions represent about 17% of total severe crashes (i.e., any crash with at least one injury). Despite the decreasing trend of the traffic crashes and related fatalities between 2010 and 2014, the contribution of the rear-end crashes in the total crashes increased from 15.8% in year 2010 to 20.4 % in year 2014. In addition, the statistics showed that the severity of the rear-end crashes in AD is significantly higher (179 fatalities/1000 crashes) than the severity of other types of crashes (134 fatalities/1000 crashes). Also, it is worth mentioning that licensed drivers community in Gulf religion is significantly different than other regions in the world. For instance, in AD about 87% of the drivers are foreigners from more than one hundred different nationalities, 85% of the drivers are males and 92% are younger than 45 years old. Despite of these facts, the contributing factors that affect the occurrence and severity of the rear-end crashes have not been explicitly discussed in any prior studies. This paper mainly aims to provide extensive information and analysis about the contributing factors affect the occurrence and severity of rear-end crashes in Gulf country region based on data collected from Abu Dhabi Emirate. The investigated factors in this study include the characteristics and behavior of at-fault drivers involving in rear-end crashes, crash information, road site characteristics and weather condition. A logistic regression analysis is applied to model and investigate the impact of these factors on the rear-end crash severity.

2. Literature Review

Significant research effort have been undertaken to analyze the characteristics and causes of the rear-end crashes in different parts of the world. Several statistical modeling techniques were utilized to investigate the contribution factors affecting the occurrence and severity of rear-end crashes (Lao, et al. 2014). The majority of the researchers applied linear regression analysis bases in the analysis and modeling process. Abdel-Aty and Abdelwahab (2004) used the nested logit model to estimate the probability of four configurations of car-truck rear-end crashes. The results showed that driver’s visibility and inattention in the following vehicle have the largest effect on being involved in a rear-end crashes. The risk or rear-end crashes at signalized intersections was investigated by Yan, et al. (2005) using the multiple regression modeling. The model showed that seven road environment factors (number of lanes, divided/undivided highway, accident time, road surface condition, highway character, urban/rural, and speed limit), five factors related to striking role (vehicle type, driver age, alcohol/drug use, driver residence, and gender), and four factors related to struck role (vehicle type, driver age, driver residence, and gender) are significantly associated with the risk of rear-end accidents. In addition, Wang and Abdal-Aty (2006) applied negative binomial link function for risk analysis at signalized intersections. It was found that traffic volumes, speed, number of legs, right and left-turn proportion are significantly affect the occurrence of the rear-end crashes. Kim et al. (2007) estimated rear-end crash risk at freeways using a modified negative binomial regression. The results showed that urban area, curvature, offramp and merge, shoulder width, and merge section are factors found to increase rear-end crash probabilities. Harb et al. (2008) used a conditional logistic regression model to estimate rear-end crash risk in work zone. This model showed that roadway geometry, weather condition, age, gender, lighting condition, residence code, and driving under the influence of alcohol and/or drugs are significant risk factors associated with work-zone crashes. Recently, Bayesian Network BN hybrid approach has been gaining in the analysis of crash severity (Borg et al., 2014; Liang and Lee  2014; Mujalli and de Oña. 2011; Zhao et al., 2012). Chen et al., (2015) developed a multinomial logit model (BN approach) to investigate the contributing factors of rear-end crash severity. The results showed that truck-involvement, inferior lighting conditions, windy weather conditions, the number of vehicles involved, etc. could significantly increase driver injury severities in rear-end crashes. The impact of the driver visibility on the vehicle collision has been investigated by Hassan and Abdal-Aty (2011). Some researchers used the nonlinear modeling approach to extract more complex interaction relationships between crash severity and the contributing factors (Wong et al., 2007; Abdel-Aty and Haleem, 2011). Lao et al. (2014), applied the generalized nonlinear modeling approach to investigate the relationship between risk of rear-end crashes and independent variable. The results showed for example that truck percentage and grade have a parabolic impact: they increase crash risks initially, but decrease them after the certain thresholds. Other approaches were applied to quantify the risk of rear-end crashes. Oh et al. (2006) utilized inductive loop detector data to determine the potential of rear-end collision based on fuzzy-clustering algorithm. The results showed that six categories were more appropriate to establish collision risk criteria. Another study in rear-end crashes used loop detectors data was conducted by Pande and Abdal-Aty (2006). It was found that the average speed and occupancy downstream has a significant contribution of rear-end crashes.. In addition, Oh and Kim (2010) utilized the trajectory data of individual vehicles to develop a risk index of the read-end collision. Meng and Qu (2012) used the time to collision TTC data collected from two road tunnel in Singapore to analysis the frequency of Rear-end crashes. Das and Abdel-Aty (2011) applied the Genetic Programing methodology to quantity the risk of rear-end crashes in urban roads. Li et al. (2014) examined the kinematic wave approach to investigate the risk index on rear-end crashes near freeway recurrent bottlenecks. It was found that the likelihood of rear-end collision is highest when the traffic approaching from upstream in near capacity state while downstream traffic is highly congested.

عدم قطعیت ها در سیستم های تعلیق وسایل نقلیه جاده ای

Uncertainties in road vehicle suspensions

Abstract

Road vehicles are subject to random excitation by the unevenness of the road. For a dynamical analysis, vehicle models of the vertical vibrations as well as guideway models of the road unevenness are required. The fundamental dynamics of vehicle suspensions can be already modeled by a quarter car featuring the decoupling of the car body motion and the wheel motion. This suspension model is characterized by five design parameters where two of them, the shock absorber and the tire spring, are highly uncertain due to wear and poor maintenance. For the assessment of the vehicles performance three criteria have to be used: ride comfort, driving safety and suspension travel. These criteria depend on all the five design parameters resulting in a conflict or a pareto-optimal problem, respectively. In this paper, the uncertainties of the parameters are projected into a criteria space in order to support the decision to be made on the basis of a pareto-optimal problem. Simulations with uncertainties support the robust suspension design. It is shown that controlled suspension parameters remain uncertain due to the unpredictable decisions made by the driver

1 Introduction

Road vehicle suspensions generating propulsion and guidance forces are essential for driving safety. These forces are mainly controlled by the driver accelerating, braking and steering the vehicle. Statistics of road fatalities since 2001 in Europe 1 show a strong reduction from 54.900 to 31.500 in 2010 and 26.000 in 2013, see Fig. 1. The main reason for this encouraging development is the introduction of occupant protection systems. In 1998 the federal legislation made airbags mandatory in the United States, and since 2006 the wearing of seatbelts is compulsory in all vehicles throughout the European Union. On the other hand, a survey2 on the cause of accidents with physical injury from 2012 shows that three-fourths of them are due to driver malfunction, while still one-fourth has other reasons, including vehicle malfunction by uncertain design parameters.

In this paper, the vehicle and guideway modeling with uncertain parameters is considered and the assessment criteria for vehicle-guideway-systems are presented and analyzed by the covariance analysis. Multicriteria optimization and uncertainty analysis are performed with the software FAMOUS based on fuzzy arithmetic and introduced to multibody dynamics by Walz and Hanss .

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده

1 . مقدمه

2 . توسعه مدل

1 .2 مفهوم فضای امن برای طراحی و ارایه حرکات خارج از لاین موتورسیکلت

2. 2 پارامتر های مربوط به کاهش و افزایش سرعت

3 .2 شرایط مربوط به انتخاب تاثیر گذار ترین وسیله برای افزایش سرعت

1 .3. 2 زاویه دنبال کردنØ0

2 .3. 2دنبال کردن عرض مسیر RW 0

3 . درجه بندی مدل

1 .3 جمع آوری داده

2 .3 درجه بندی پارامتر

4 . یافته های شبیه سازی ارزیابی برخورد های ترافیکی

1 .4 شبیه ساز

1 .1 .4 طرح کلی

2 .1. 4 شبکه

3 .1 .4 تولید وسیله نقلیه

4 .1 .4 خصوصیات مدل

2 .4 بازبینی و تحقیق

1 .2 .4تعقیب انحرافی

2 .2 . 4حرکت انحرافی

3 .2 .4نمودار های اصلی

3 .4تاثیرات تراکم جریان بر برخورد های ترافیکی

1 .3 .4 موقعیت های مناقشه در بخش خیابانی

2 .3. 4شاخص برخورد: میزان کاهش سرعت

3 .3 .4 تاثیرات تراکم جریان روی برخورد های ترافیکی

4 . 3. 4رابطه بین تراکم جریان و انواع برخورد های ترافیکی

5. نتیجه گیری

بخشی از ترجمه فارسی مقاله:

1 . مقدمه
موتورسیکلت ها حالت اصلی حمل و نقل در چند کشور آسیایی توسعه یافته هستند. اختلاف اصلی حرکت اتومبیل و حرکت موتورسیکلت مربوط به حرکات به ترتیب خطی و خارج از لاین بودن می باشد. اتومبیل در یک لاین و خط حرکت می کند و به ندرت تغییر خط می دهد. اگرچه، موتور سیکلت مخصوصا تحت شرایط ترافیک سنگین و تراکم اغلب تغییر مسیر میدهد. وقتی که خیابان لاین موتورسیکلت نداشته باشد، نیازی نیست تا موتورسیکلت از اصول لاین و خط پیروی کند. برای مثال، موتورسیکلت ممکن است همراه با وسیله های نقلیه دیگر در یک لاین حرکت کند یا وسیله نقلیه جلو را بطور کج و انحرافی دنبال کند. این حرکات خارج از لاین موتورسیکلت ها انحصاری هستند و بر احتمال تصادفات ترافیکی تاثیر می گذارند. از این رو، در این مقاله بر تاثیرات حرکات خارج از لاین بر برخورد های ترافیکی تحت شرایط ترافیک سنگین تمرکز شده است.
محققین زیادی سعی کرده اند تا حرکات خارج از لاین را با تقسیم به حرکات طولی و عرضی ارایه دهند. از آنجا که حرکت طولی مشابه دنبال کردن اتومبیل است، از مدل قدیمی تعقیب و دنبال کردن اتومبیل برای تشریح این حرکت استفاده شده است. اما وقتی که حرکت عرضی مدل گذاری می شود، مدل های مختلف زیادی بر اساس فرضیات متفاوت مربوط به رابطه بین حرکات عرضی و طولی ارائه شده اند. Cho and Wuبیان کردند که موقعیت طولی موتورسیکلت با میانگین موقعیت عرضی وسایل نقلیه جانبی که با موقعیت های طولی خود وزن می شوند، تعیین می شود. Minh و همکارانش اینگونه بیان کردند که موتورسیکلت در یک “لاین دینامیک” حرکت می کند تا وسیله نقلیه جلو را در همان لاین دینامیک دنبال کند یا لاین ها را برای سبقت گرفتن از وسیله جلویی خود تغییر می دهد. عرض لاین دینامیک با استفاده از رابطه خطی بین فضای جدا کننده دو وسیله نقلیه کنار هم و میانگین سرعت محاسبه می شود. Lan and Changیک مدل اتوماسیون سلولی برای شبیه سازی حرکات دو بعدی موتور سیکلت ارایه کرده اند. آنها اندازه واحد سلولی را تا 1.25m×1.25mتنظیم کردند تا موتورسیکلت را به عنوان واحد های سلول 2×1ارائه کنند. سپس موتورسیکلت می تواند بر اساس قوانین حرکتی ساده موتورسیکلت ها از یک سلول به سلول دیگر حرکت کند، نظیر تعقیب اتومبیل، تغییر لاین یا سبقت گرفتن. علاوه بر این در بیشتر مدل ها عوامل ایمنی مثل مدت زمان واکنش، فضای امن یا اختلاف سرعت مربوط به توصیف رفتار پیشگیری از برخورد و تصادف در نظر گرفته نشده اند. Nguyen و همکارانش مفهوم فضای امن را مطرح کرده اند که در آن حرکات طولی و عرضی را می توان یکی کرد. این مدل بالقوه ارزیابی مباحث ایمنی حرکات خارج از لاین موتورسیکلت را دارد.

سطح ایمنی وسیله نقلیه با تعداد یا میزان تصادفات وسیله نقلیه مشخص می شود. دو رویکرد معروف برای برآورد سطح ایمنی وسیله نقلیه وجود دارد: (1)توسعه توابع عملکرد ایمنی که با استفاده از تحلیل رگرسیون، تعداد یا میزان تصادفات را به متغیر های توضیحی ربط می دهد، و (2) توسعه ی مدل های شبیه سازی برای محاسبه سطح ایمنی از طریق اندازه گیری های مربوط به ارزیابی ایمنی ترافیک. در مورد اول، روابط میان متغیر ها با تجزیه و تحلیل پراکندگی بدست می آیند و با فرمول های رگرسیون اشتقاقی تقریب زده می شوند. Neuman and Glennonروابط میان محیط خیابان طرح خیابانی، فرا ساختار و دلایل تصادف را بدست آورده اند. Wardhawsky-Livne و Shinarروابط بین مدت زمان واکنش به چراغ ترمز و جنسیت، سن راننده، سطح انتظار برای چراغ قرمز به علاوه تعداد دفعاتی که کار انجام شده است را ارایه کرده اند. با این حال، این رویکرد نیاز به داده های انطباقی در مورد تصادفات ترافیکی دارد که جمع آوری آنها در بیشتر کشور های توسعه یافته بسیار دشوار است. در واقعیت احتمال تصادف بسیار پایین است و در طول روز، روز های هفته، مکان و رویداد ها فرق می کند. رویکرد دوم بالقوه ی به کار بردن کمبود داده های مشاهده و بررسی فوق الذکر را دارد. مدل های شبیه سازی بر اساس مدل گذاری و طراحی رفتاری وسایل نقلیه ارائه می شوند. اگر چه این مدل ها نمی توانند تعداد تصادفات را برآورد کنند، اما می توان از آنها برای ارزیابی سطح میزان تصادفات بیش از حد متوسط استفاده کرد. مدل های شبیه سازی می توانند داده های تحلیلی بیشتری نسبت به داده های مشاهده با ذخایر زمان ایجاد کنند. علاوه بر این، این مدل ها می توانند زمینه های زیادی مثل طول شب، آخر هفته و مکان های مخصوص را تحت پوشش قرار دهند که مشاهده کننده ها در جمع آوری داده برای آنها با مشکل مواجه می شوند.
مطالعات قراردادی بر روی تکنیک های در حال توسعه ی مربوط به اندازه گیری برخورد های ترافیکی تمرکز داشته اند تا سطح ایمنی وسیله نقلیه را مورد ارزیابی قرار دهند. برخورد های ترافیکی به عنوان رویدادی تعریف می شود که شامل دو یا چند کاربر خیابانی یا راننده می شود که در آن عمل یک راننده موجب عمل دیگری می شود تا یک مانور گریز جهت جلوگیری از برخورد را ارایه کند. Gettman and Headاندازه گیری های اولیه برای تعیین برخورد های با استفاده از شبیه سازی میکروسکوپی را خلاصه کرده اند نظیر زمان -به -برخورد(TTC)، زمان بعد از تخطی(PET)، حداکثر سرعت های دو وسیله نقلیه موجود در رویداد برخورد(MaxS)، حداکثر سرعت های نسبی دو وسیله نقلیه موجود در برخورد ها(DeltaS) و میزان کاهش سرعت(DR). این مقادیر در خروجی مدل شبیه سازی در هر مرحله زمان در دسترس می باشد. به همین دلیل در اینجا ازDRبه عنوان اندازه کارآمد جهت ارزیابی برخورد های ترافیکی موتورسیکلت ها در بخشی از خیابان استفاده شده است.
در این مقاله مدلی جهت ارزیابی برخورد های ترافیکی موتور سیکلت ها ارائه می شود. این مدل شامل مفهوم فضای امن برای تعریف حرکات خارج از لاین می شود که مخصوص موتور سیکلت ها در شرایط ترافیک سنگین است. ویژگی های جدیدی نیز برای ارزیابی برخورد های ترافیکی در شرایط ترافیک سنگین نیز ارایه شده است، نظیر پارامتر های افزایش و کاهش سرعت به علاوه پیروی از شرایط مربوط به انتخاب وسیله نقلیه جلو: (1)زاویه دنبال کردن و(2) پهنای مسیر دنبال کردن. درجه بندی مربوط به برآورد پارامتر با استفاده از داده های خط سیر حرکت موتورسیکلت ها توضیح داده می شود که از تصاویر ویدئویی در دو بخش مختلف خیابان در شهرHo Chi Minhمشاهده شده اند. یک شبیه سازی جهت تایید حرکات خارج از لاین دینامیک موتورسیکلت ها ارایه شده است: منحرف شدن و کج دنبال کردن. ارزیابی برخورد های ترافیکی ایجاد شده با این حرکات با محاسبه DRدر هر فضای زمانی طبق تغییر تراکم جریان موتورسیکلت تایید و تصدیق می شود.

بخشی از مقاله انگلیسی:

1. Introduction

Motorcycles are the main mode of transportation in several developing Asian countries. The basic difference in the movement of a car and that of a motorcycle relates to lane-based and non-lane-based movements, respectively. A car runs in and seldom changes lanes. However, a motorcycle frequently changes direction, especially under congested conditions. When a road lacks a motorcycle lane, a motorcycle need not follow lane discipline. For example, a motorcycle may travel alongside other vehicles in the same lane [1] or obliquely follow a lead vehicle [2]. Such non-lane-based movements of motorcycles are unique and in- fluence the likelihood of traffic accidents. Hence, in this study, we focus on the effects of such non-lane-based movements on traffic conflict under congested situations. Many researchers have attempted to represent non-lane-based movements by separating them into longitudinal and lateral movements. Because longitudinal movement resembles car following, the traditional car-following model has been used to describe this movement. However, when modeling lateral movement, many different models have been developed on the basis of different assumptions regarding the relationship between longitudinal and lateral movements. Cho and Wu [3] assumed that the lateral position of a motorcycle was determined by the average lateral position of the surrounding vehicles weighted by their longitudinal positions. Minh et al. [4,5] supposed that a motorcycle runs on a “dynamic lane” to follow a lead motorcycle on the same dynamic lane or change lanes to overtake its leader. The width of the dynamic lane was calculated using the linear relationship between the distance separating two vehicles running side-by-side and the average speed. Lan and Chang [6] developed a cellular automation model to simulate two-dimensional motorcycle movements. They set the size of a cell unit to 1.25 m × 1.25 m to represent a motorcycle as 2 × 1 cell units. A motorcycle can then move from one cell to another based on simple moving rules developed for motorcycles, such as carfollowing, lane-changing, or overtaking. Moreover, most models do not consider safety factors such as reaction time, safety distance,  or speed difference related to the description of collision avoidance behavior. Nguyen et al. [14] proposed the concept of a safety space in which longitudinal and lateral movements can be integrated. This model has the potential to evaluate the safety issues of nonlane based motorcycle movements. The safety level of a vehicle is denoted by the number or rate of accidents involved with the vehicle. There are two popular approaches for estimating the safety level of a vehicle: (1) development of safety performance functions that relate the number or rate of accidents to the explanatory variables by using regression analysis, and (2) development of simulation models to calculate the safety level through measures for traffic safety assessment. In the former, correlations among variables are found by analyzing the dispersion and approximated by deriving regression formulas. Neuman and Glennon [7] found correlations among the road environment of road design, infrastructure, and accident causes. Warshawsky-Livne and Shinar [8] found relationships between the reaction time to a brake light and the driver’s gender, age, level of expectancy for the brake light, as well as the number of times that a task was performed. However, this approach requires consensus data on traffic accidents, which are very difficult to collect in most developing Asian countries. In reality, the probability of a traffic

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

1.3. فشار وقت
فشار وقت یکی از فاکتورهای مهم موقعیتی ریسک است (Gabany et al., 1997; Harris et al., 2003). سه چهارم رانندگان بر این موافقند که دلیل برانگیزنده و شایع برای تخلفات ترافیکی، زیر فشار وقت بودن است(Salminen and Lahdeniemi, 2002)؛ فشار وقت شامل 13% واریانس در رفتار رانندگی پرخطر گزارش شده می باشد (Adams-Guppy and Guppy, 1995).
در یک محیط ترافیکی، بدشدن شرایط جاده مانند تراکم، تاخیر، دیرحرکت کردن برای ملاقات مهم، شرایط اضطراری می تواند حس فشار وقت را در رانندگان افزایش دهد (O’Brien et al., 2004). تحت فشار وقت زیاد، رانندگان کمتر متمایل به حس سرعت داشتن به عنوان فاکتور ریسکی مهم هستند و بیشتر متمایل به حس وقت شناسی هستند همانطور که انتظار می رود (Adams-Guppy and Guppy, 1995). در حالت مشابه، رانندگان بیشتر سطوح خود گزارش شده عصبانیت را تجربه می کنند (O’Brien et al., 2004) و حس فعالیت، هیجان و استرس بیشتر دارند، بنابراین باعث انگیزش آنان برای رانندگی تندتر می شود (Oliveras et al.,2002) . برپایه این مطالعات ما این مورد را پیش بینی می کنیم: ه4 : تحت فشار وقت بالا، رانندگان بیشتر متمایل به انجام تخلفات هستند.

1.4. آمادگی
آمادگی بیان کننده کنترل شخص روی رفتار و افکارش می باشد (Patton et al., 1995). آمادگی به عنوان یک تخمینگر شخصیتی رانندگی ریسکی (Stanford et al., 1996) و رانندگی پرخاشگرانه (Dahlen et al., 2005; Owsley et al., 2003) بیان شده است، زیرا افراد در این رفتارها قابلیت نگهداری خود را ندارند. Patton et al. (1995) یک ساختار 3 فاکتوری از آمادگی ارائه نموده است، که بترتیب به “رفتار بدون فکر، نمایش تشخیص موقعیت یا فقدان آینده نگری، و تصمیم گیری شناخت سریع” اشاره دارد (Evenden, 1999, p. 350). مطالعه حاضر با هدف تعیین اعتبار تخمینی سه ساخنار مجزا از آمادگی در مقصود راننده برای تخلف ترافیکی انجام شد، و پیش بینی نمودیم که ه5الف: آمادگی حرکت به طور مثبت مقصود یک راننده را برای تخلف ترافیکی پیش بینی میکند؛ ه5ب : آمادگی بدون برنامه به طور مثبت مقصود راننده برای تخلف رانندگی را پیش بینی می کند؛ ه5ج : آمادگی شناختی به طور مثبت مقصود راننده برای تخلف ترافیکی را پیش بینی می کند.

1.5. تجربه رانندگی
رانندگان تازه کار جوان بطور بی تناسب حضور بالایی در تصادفات ترافیکی کشورهای غربی دارند(Deery, 1999; Farrandand Mckenna, 2001; Rundmo and Iversen, 2004). در چین رانندگان کمتر از 3سال تجربه به عنوان قاتلان جاده ای شناخته می شوند، زیرا آنان نسبت به رانندگان باتجربه بیشتر در تصادفات رانندگی شرکت دارند(CRTASR, 2010). در دو دهه اخیر، شمار وسایط نقلیه در چین خیلی افزایش یافته است. بین 1987 تا 2008، نرخ افزایش سالیانه وسایط موتوری 14% افزایش یافته است (Lu, 2009). در نتیجه اکثر رانندگان عضوی از نسل اول رانندگان می باشند. بنابراین ، شمار بسرعت افزاینده رانندگان کم تجربه چالشی برای امنیت رانندگی شده است(Zhang et al., 2006; Shiet al., 2010).
علاوه بر تفاوت در مهارت های رانندگان مجرب و آماتور، در تشریح نتیجه قبلی برای تصادفات رانندگی، این موضوع نیز وجود دارد که در ست است آنها بسرعت به مهارت های کنترل وسیله موتوری دست می یابند، اما برای دستیابی به مهارتهای ادراکی و شناختی لازم برای تقابل ایمن با دیگران درون محیط رانندگی زمان بیشتری نیاز است (Deery, 1999). رانندگان مبتدی از ظرفیت کم ذهنی برخوردارند زیرا اکثر این ظرفیت را صرف کنترل صرف وسیله می کنند(Underwood et al., 2002, 2003). به همین دلیل، رانندگان مبتدی تمرکزشان را روی نواحی کوچکتر معطوف می کنند، درنتیجه خطرات را کمتر از رانندگان باتجربه حس می کنند(Finn and Bragg, 1986;Fisher et al., 2006; Scialfa et al., 2012; Chapman and Underwood,1998). در مقایسه، رانندگان مجرب حساسیت بیشتری را به موقعیت کلی نشان می دهند (Underwood et al., 2003) و تخلفات ترافیکی را مرتکب نمی شوند مگراینکه احساس کنند برای یک موقعیت خاص کنترل کامل دارند (Cestac et al., 2010). بنابراین، ما فرض می کنیم که اثرات فاکتورهای موقعیتی و آمادگی روی مقاصد تخلفاتشان به تجربه رانندگی بستگی دارد، به طور ویژه: ه6الف: با افزایش تجربه رانندگی، مقصود راننده از تخلف به طور افزاینده با فاکتورهای موقعیتی هدایت می شود؛ ه6ب: با افزایش تجربه رانندگی، مقصود تخلف راننده به طور کاهنده با آمادگی هدایت می شود.

2. روش
2.1. مشارکت کنندگان
232 بزرگسال با گواهینامه رانندگی جدید، با سن 18-60 سال (میانگین=34.55سال، SD = 9.01) در این مطالعه شرکت کردند. از اینها، 189 نفر رانندگان غیرحرفه ای بودند (82.9%) ، و 116 نفر زن بودند(50.4%؛ البته دو شرکت کننده جنسیتشان گزارش نشد). شرکت کنندگان نیروهای تازه انجمن های محلی (152نفر) و دوره روانشناسی در انستیتو روانشناسی چین(80 نفر) بودند. بیشتر از نیمی از نمونه(60.8%) حداقل یک تصادف داشته اند؛ 83.1% حداقل یک تصادف را تماشا کرده اند؛ 18% جرم قبلی ترافیکی داشته اند.سال های رانندگی در گستره 0.5 تا 28 سال بود، که میانگین 6.62سال رانندگی بود.تجربه رانندگی به سه دسته تقسیم شد: 76 شرکت کننده آماتور بودند(کمتر از 3سال، تجربه رانندگی میانگین=1.4 سال، SD = 0.56)، 79 تا تجربه متوسط داشتند(از 3 تا 10 سال، تجربه رانندگی میانگین=5.29 سال، SD = 1.81)، و 77 تا رانندگان مجرب بودند(10 سال یا بیشتر، تجربه رانندگی میانگین=13.69 سال، SD = 4.44)، که اختلاف فاحشی بین نسبت جنسیت ها وجود نداشت. این دسته بندی با مطالعات قبلی (Smith et al., 2009) و داده تصادف جاده ای چین (CRTASR, 2010).

2.2. طراحی
نرم های تشریحی، شامل نرخ پایه تصادف، فشار زمان، و آمادگی در این مطالعه، متغیرهای مستقل بودند. نرم تشریحی دو سطح داشت(نرم رانندگی ایمن و نرم رانندگی ناایمن) و به عنوان یک متغیر درون موضوعی طراحی شد. نرخ پایه تصادف و فشار زمانی دو سطح(بالا و پایین) و مشخصات بین موضوعی طراحی داشت.
نرم های تشریحی، فشار زمانی، و نرخ پایه تصادف در 8 سناریو اداره شدند. باید خاطر نشان کرد که مشخصه بندی ما از فشار زمانی ، بعدا می تواند بازتابی بهتر از فشارهای زندگی مدرن، نسبت به درجات مختلف تراکم در مطالعات قبلی باشد که نتایج ترکیبی را برای این تئوری روشن می کند (O’Brien et al., 2004).
سناریو اینگونه شرح داده می شود:
شما در حال رانندگی تنها در یک محیط شهری به سوی ایستگاه راه آهن هستید تا یک دوست را بدرقه کنید. شما وقتی چراغ از سبز به قرمز می رود به یک چهارراه می رسید. موقعیتی که پیش روی شماست اینگونه است: ترافیک فشرده است، شما منتظرید تا چراغ از قرمز به سبز برود. حالت ترافیک خوب است و تخلفات ترافیکی کمی وجود دارد(حالت ترافیک بد است، وسایل معمولا مرتکب تخلف می شوند). براساس آمار رسمی این ناحیه یک نقطه پرتصادف می باشد، که نشان می دهد تصادفات مکررا اتفاق می افتد(در این ناحیه تصادفات ترافیکی کم رخ می دهد). در این لحظه شما عجله ندارید، و وقت کافی برای شما برای رسیدن به ایستگاه راه آهن وجود دارد(شما تحت فششار زمانی هستید تا به ایستگاه راه آهن برسید). با انتظار در صف، شما بیرون می زنید و می بینید که چند دوچرخه در خط غیرموتوری هستند.

2.3. سنجش و رویه
از شرکت کنندگان تقاضا شد تا معرفی نوشته شده ای را مربوط به تحقیق توسط یک محقق حرفه ای بخوانند، و اطلاعات را بدون نام تحویل دهند. سپس شرکت کنندگان بطور تصادفی در چهار گروه قرار داده شدند که با نسخه سناریوها تعریف شدند و ترکیب فشار زمانی (بالا و پایین) و نرخ پایه تصادف (بالا و پایین) بود.شرکت کنندگان هر گروه دو نسخه سناریو را ارائه نمودند، که در آن هردوی نرم های تشریحی مثبت و منفی جای داشت. برای کمینه کردن اثرات مرتبه، شرکت کنندگان بطور تصادفی به دو نسخه مختلف پرسشنامه جواب دادند، که در آن مرتبه ارائه سناریو نگهداری شده بود. شمار برابری از شرکت کنندگان برای هر حالت تجربی تعیین شده بود(58 نفر). تفاوت مهمی برای هر گروه آزمایشی در آمادگی، جنسیت، سن، مدت رانندگی و یا جرم های خود گفته ترافیکی شرکت کنندگان وجود نداشت. پس از خوتندن سناریو،شرکت کنندگان حول مقصود تخلف، نرم تشریحی ادراکی، احتمال ادراکی تصادف رانندگی و فشار زمانی ادراکی سوال شدند(سه سوال آخر برای بررسی زمینه ای)؛ سپس آمادگی سنجیده شد. سرانجام داده آماری به دست آمد. پس از اینکه پرسشنامه پذیرفته شد، جایزه کوچکی برای همکاری فراهم شد.

2.3.1. مقصود تخلف
وقتی شرکت کنندگان خواندن سناریو را تمام کردند، از آنان تقاضا شد تا مقصودشان را برای یک رفتار روی یک مقیاس 5امتیازی از 1(ناممکن) تا 5(خیلی ممکن) شرح دهند. در مقیاس اول، شرکنندگان مورد سوال قرار گرفتند که دلیل گرایششان به رانندگی در خط دوچرخه را شرح دهند. در مقیاس دوم، از شرکت کنندگان سوال شد تا دلیل تمایلشان برای ماندن و انتظار سبز شدن چراغ را شرح دهند(نمره سوال برعکس شد). نمرات با یک جمع و میانگین گرفته شدند، و یک نمره بالا که بزرگترین مقصود تخلف ترافیکی را نشان می داد نیز وجود داشت α = 0.78, mean = 2.30, SD = 0.97.

2.3.2. سوال هایی برای بررسی زمینه ای
بی درنگ پس از تکمیل آینم ها توسط شرکت کنندگان، از آنان تقاضا شد تا نرم تشریحی ادراکی، احتمال تصادف ترافیکی و فشار زمانیشان را بیان کنند. در مقیاس اول، شرکت کنندگان تقاضا شدند تا این احتمال را داوری نمایند که اشخاص اطراف در تخلف ترافیکی با استفاده از مقیاس 5امتیازی قرار می گیرند. در مقیاس های دوم و سوم، شرکت کنندگان تقاضا شدند تا احتمال رویداد تصادف ترافیکی در این ناحیه[از 1 تا 5] را داوری نمایند و بیان نمایند چگونه فشار زمانی را در موقعیت مشخص احساس کرده اند[از 1 تا 5].

مقایسه تصادف ها در طول ایام تعطیلات عمومی و تعطیلات عادی

Comparison of crashes during public holidays and regular weekends

Abstract

Traffic collisions and fatalities during the holiday festive periods are apparently on the rise in Alberta, Canada, despite the enhanced enforcement and publicity campaigns conducted during these periods. Using data from 2004 to 2008, this research identifies the factors that delineate between crashes that occur during public holidays and those occurring during normal weekends. We find that fatal and injury crashes are over-represented during holidays. Amongst the three risky behaviors targeted in the holiday blitzes (driver intoxication, unsafe speeding and restraint use), non-use of restraint is more prevalent whereas driver intoxication and unsafe speeding are less prevalent during holidays. The mixed results obtained suggest that it may be time to consider a more balanced approach to the enhanced enforcement and publicity campaigns.

1 Introduction

1-1 Background

Motor vehicle collisions are a major concern in many developing and developed countries. For instance, recent Canadian data showed that a total of 2767 fatalities and 194,177 injuries occurred on the roads as a result of motor vehicle collisions in 2007 (Transport Canada, 2007). In the Canadian Province of Alberta alone, nearly 400 people are killed and more than 27,000 people are injured in over 112,000 motor vehicle collisions each year (Alberta Transportation, 2006). The annual social cost of motor vehicle collisions to Albertans is estimated at $4.68 billion or 2.4% of Alberta’s gross domestic product. Therefore, much more work needs to be done to make our roads safer for all users at all times.

With regard to time, traffic collisions and the ensuing fatalities during the statutory holiday festive periods are apparently on the rise in both developing and developed countries (Anowar et al., 2009, 2012). For example, a total of 6937 collisions occurred in 1999 during the holidays and long weekends which killed 39 people in Alberta but the total number of crashes escalated to 11,337 in 2008, with 43 people killed (Alberta Transportation, 1999, 2008). Although collisions during statutory holidays represent only a small percentage (less than 10%) of the total motor vehicle collisions occurring in Alberta, the number of fatal collisions occurring during statutory holidays is found to be higher than those during non-holidays. Overall, the average number of fatal collisions for these holidays (1.11 per day) is approximately 18% higher than the non-holiday rate (0.94 per day). The average number of people killed per day on Albertan roadways during these holidays is also higher than the rest of the year (Anowar et al., 2012).

Consequently, there are more aggressive police enforcement activities and publicity campaigns targeted at drink-driving, speeding and other risky driving behaviors during these festive holidays in Alberta and worldwide (Alberta Transportation, 2006; Transport Canada, 2001; Pilkington, 2000; Watson et al., 2002; Alsop and Langley, 2000). Moreover, traffic fatalities and enforcement activities during these long weekends often attract disproportionately more media and public attention. A sample of news headlines in Alberta shows that this issue is a concern for rural and urban communities, large municipalities and small towns, and printed and electronic media:

“Christmas Eve crash near Mundare kills three, orphans baby” (Edmonton Journal, 27/12/2010).

“Long weekend means police patrol roads” (Channel 880 News, 21/4/2011).

“Royal Canadian Mounted Police (RCMP) will hunt speeders on Easter long weekend” (Calgary Herald, 21/4/2011).

“The Labour Day long weekend proved once again to be deadly on Alberta’s roadways” (Crowsnest Pass Promoter, 4/9/2008).

Holidays are meant to be times of enjoyment and festivity. Unfortunately, these times also have the image as a time for partying, drunkenness, speeding and other reckless driving behaviors. Holidays are also associated with a large increase in recreational private travel resulting in longer trip distances, and more travel in rural and unfamiliar environment. Supposedly, owing to these factors, in many countries of the world, holiday periods are commonly viewed as times of heightened danger on the roads resulting in fatal and injurious traffic collisions. Hence, additional resources are frequently employed during public holidays to boost enforcement and publicity campaigns. However, these factors are also overrepresented during regular weekends and relatively little research has beendone onidentifying the road safety issues related to specifically public holidays.

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده

1 . مقدمه

2 . تکنیک های برخورد ترافیکی

1 .2 بررسی ادبیات

2 .2 شدت برخورد

3 .2 خلاصه برخورد ترافیکی- ارائه

3. مشاهده آزمایشی برخورد ها

1 .3چهار راهی در Brno

2 .3 نتایج مشاهده آزمایشی

4 . نتیجه گیری

بخشی از ترجمه فارسی مقاله:

1 . مقدمه
رویکرد قدیمی ایمنی خیابان عبارت است از خصوصیات کمی و کیفی کنترل کننده تصادفات ترافیکی در شبکه خیابانی، ارزیابی آنها و اندازه گیری های مناسب و بیشتر خصوصیت سازنده. کل فرایند باز کردن مکان های تصادف در روش شناسی برای شناسایی و مدیریت محل های اغلب تصادفات خلاصه شده است که در سال 2001 توسط مرکز تحقیقات حمل و نقل منتشر شد. این روش قدیمی تقاضای مالی و زمان بالا دارد: زمان معمول کنترل ترافیک و ارزیابی موقعیت های ایمنی 3سال می باشد.
کنترل برخورد های ترافیکی در جمهوری چکسلواکی روش جدیدتر کنترل ترافیک می باشد. این کنترل و ارزیابی موقعیت های برخورد در ترافیک و عبور و مرور واقعی است. یک تعریف قابل قبول برخورد ترافیکی در Kocourekعبارتست از: یک موقعیت مشاهده شده که دو یا چند راننده در فضا و زمانی به یکدیگر نزدیک می شوند که تا ان میزان خطر و دیسک برخورد وجود دارد در صورتی که حرکات آنها بدون تغییر باقی بماند. در این تحقیق بر روی برخورد های ترافیکی به عنوان جایگزینی برای داده های تصادف تمرکز شده است. برخورد ها بیشتر در ترافیک و عبور و مرور روی می دهند و می توانند شامل میزان کل رویداد هایی شوند که تصادف واقعی در آن درست در کفه دیگر ترازو وجود دارد. تکنیک ها در جایی که برخورد ها با اندازه گیری هایی نظیر زمان برخورد یا زمان بعد از تخطی برآورد می شوند از فردی به جمعی تر شدن پیش می روند. مزیت تکنیک های برخورد ترافیکی این است که می تواند مسایل را پیش از اینکه تصادف به تنهایی روی دهد، تشخیص دهد. در حالی که کنترل و ارزیابی تصادفات به ترتیب سال ها می باشد، برخوردهایی که بی شمار هستند در روز ها و هفته ها کار می کنند. کنترل برخورد نه تنها کارآمد تر می باشد(زمان و پول)، بلکه ایمنی محل برای انسان را می توان پیش از تصادف، جراحت، مرگ و اسیب اجتماعی اداره کرد.
2 . تکنیک های برخورد ترافیکی
روش برخورد ترافیکی در مقایسه با شناسایی و تشخیص قدیمی ایمنی از زمان تصادفات ترافیکی و کارآیی مالی بیشتر است. اما در جمهوری چکسلواکی روش شناسی ثابتی برای کنترل برخورد های ترافیکی وجود ندارد. دیدگاه پروژه KONFLIKT(روش شناسی مربوط به کنترل و ارزیابی برخورد های ترافیکی در جمهوری چکسلواکی)ایجاد ابزار عملی برای ارزیابی و اداره ایمنی خیابان در جمهوری چکسلواکی می باشد.
دانشگاه فنی چکسلواکی در پاراگوئه، دانشکده علوم حمل و نقل و مرکز تحقیقات حمل و نقل باهم در حال کار روی پروژه می باشند. کار روی پروژه سه سال طول خواهد کشید و شامل چندین بخش تحقیقاتی می شود(بخش های اصلی عبارتند از جست و جوی ادبیات، مشاهده آزمایشی، و ایجاد روش شناسی برای مشاهده برخورد های ترافیکی).

1 .2 بررسی ادبیات
در آغاز پروژه، جست و جوی ادبیات انجام شده است. بیش از 40سال در جهان از تکنیک های برخورد ترافیکی(TCT) استفاده شده است. در جست و جوی ادبیات به دو مورد از آقای پارکر و آقای زگیر اهل آمریکا می رسیم. مطالب از برخورد تحقیق برخورد ترافیکی در آمریکا در سال 1986-1988منشا می گیرند و بر روی کنترل برخورد های ترافیکی بر اساس انواع تقاطع تمرکز دارد. برای انتخاب تقاطع مربوط به دنبال کردن برخورد ترافیکی، معیار های پایه ای وجود دارد، که برای مهندسین اطلاعات پس زمینه و پروسه های استانداردی ارایه می کند که برای یکی کردن مطالعات برخورد ترافیکی با عمل روتین روزانه مورد نیاز می باشند. راهنما شامل دستورالعمل های مرحله به مرحله برای به کار بردن برخورد های ترافیکی در تجزیه و تحلیل مسایل ایمنی و اجرایی در چهار راه ها می شود. از جمله دستورالعمل ها یی برای آموزش مشاهده کننده ها، انجام نظر سنجی و تحقیق، تجزیه و تحلیل داده های برخورد و تفسیر یافته ها برای تصمیم گیری ها و توصیه ها. هر پروسه با نمونه های گویا تکمیل می شود. می توان از مطالعات برخورد ترافیکی برای شناسایی و تعیین موقعیت های غیر عادی، تشخیص شرایط نا امن ویژه، انتخاب رفتار های صحیح، و ارزیابی تاثیر گذار بودن اقدامات متقابل بدون اجبار به انتظار طولانی مدت برای روی دادن تصادفات اضافی استفاده کرد.
آموزش و تربیت مشاهده کننده ها جهت کنترل امری مهم می باشد. دست نوشته ها به طور مفصل چگونگی آموزش مشاهده کننده ها را شرح می دهند. و شامل تعاریف برخورد های ترافیکی که معمولا در چهار راه ها روی می دهند و هم چنین دستورالعمل های مرحله به مرحله برای انجام تحقیق می شوند.

بخشی از مقاله انگلیسی:

1. Introduction

The traditional approach in road safety is monitoring quantitative and qualitative characteristics of traffic accidents on the road network, evaluating them, and appropriate measures, mostly building character. The whole process of solving accident sites is summarized in the Methodology to identify and manage places of frequent accidents, published by the Transport Research Centre in 2001. This traditional method has a high time and financial demand: a typical time traffic monitoring and evaluation of the security situation are 3 years. Monitoring of traffic conflicts in the Czech Republic is less traditional method of monitoring traffic. This is a monitoring and evaluation of conflict situations in real traffic. A well accepted definition of traffic conflict is “an observe situation which two or more road users approach each other in space and time to such an extent that there is a risk of collision if their movements remain unchanged”, in Kocourek [2]. The research is focused on traffic conflicts as an alternative to accident data. Conflicts occur far more frequently in traffic and can include the whole range of incidences where the actual accident is just at one end of the scale. Techniques range from subjective to the more objective where conflicts are rated by measurements such as time to collision or post encroachment time. The advantage of traffic conflict techniques is that it can detect problems before accidents occur alone. While monitoring and evaluation of accidents is in the order of years, the conflicts that are more numerous, are working in a matter of days or weeks. Monitoring of conflict is not only more efficient (time and money), but humane – safety of the site can be addressed before there are accidents, injuries, death and societal damage.

2. Traffic conflict techniques

The method of traffic conflicts is in comparison with the traditional identification of safety from traffic accidents time and financial more efficient. But in Czech Republic there is not consistent methodology for monitoring of traffic conflicts yet. View of project KONFLIKT (“Methodology for monitoring and evaluation of traffic conflicts in the Czech Republic”) is to create a practical tool for assessing and addressing road safety in the Czech Republic. On the project are working together Czech Technical University in Prague, Faculty of Transportation Sciences and Transport Research Centre. The task on project will take three years and will consist of several parts of research (key parts are literature search, pilot observation, and creation methodology for observation of traffic conflicts).

2.1 Literature search

In the beginning of the project there was performed literature search. Traffic conflict techniques (TCT) are used more then 40 years in the world. In the literature search we came out of two quid from USA from Mr. Parker and Mr. Zegeer: [3 and 4]. The material originated from the research of traffic conflict in USA in year 1986 – 1988 and is focused on monitoring of traffic conflicts on the basic types of level crossings. There are established the basic criteria for selection of crossing for following the traffic conflict, for engineers it provide the basic back ground information and standard procedures which are needed to incorporate traffic conflict studies into daily routine practice. The guide contains step-by-step instructions for using traffic conflicts to analyze safety and operational problems at intersections. Included are guidelines for training observers, conducting the survey, analyzing conflict data and interpreting the results to make decisions and recommendations. Each procedure is supplemented with illustrative examples. Traffic conflict studies can be used to identify abnormal conflict situations, diagnose specific unsafe conditions, select corrective treatments, and evaluate the effectiveness of countermeasures without having to wait a long time for additional accidents to occur. For monitoring it is important to appropriately train observes. Manual describes in detail how to train observes. Manual contains definitions of traffic conflicts which typically occur at intersections as well as step-bystep instructions for conducting the survey.

پنج عامل بزرگ، هیجان طلبی و رانندگی با عصبانیت در پیش بینی رانندگی ناامن

The Big Five factors, sensation seeking, and driving anger

in the prediction of unsafe driving

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1904

2.2 ابزارها
2.2.1 بررسی رانندگی
پیمایش (نظرسنجی) میزان رانندگی 35-مورد (Deffenbacher et al.، 2000) برای ارزیابی فراوانی رانندگی تهاجمی (به عنوان مثال، سبقت از راننده دیگر در عصبانیت، گرفتن ژست عصبانی برای راننده دیگر یا عابر پیاده و غیره)، رانندگی خطرناک ( مثلا عدم استفاده از یک کمربند ایمنی، و غیره)، و شش حالت تصادف (مرگ و میرها تمرکز، مرگ و میرهای جزئی کنترل وسایل نقلیه و تماس های نزدیک در طی 3 ماه گذشته و نقل قول های ترافیکی طول عمر، حوادث جزئی و عمده حوادث) استفاده شد. تسریعاتی برای تشریح معانی سوالات و تسریع در یادآوری رویدادهای جزئی گنجانده شده است. به عنوان مثال، ” حوادث جزئی ‘شامل’ ‘مانند حادثه جزئی ترافیکی،’ ‘و’ تمرکز از دست رفته ‘شامل’ ‘افکار پوچ، تفکر به چیز دیگری، و غیره’ بودند. آیتم ها از 0 تا +5 رتبه بندی شدند که اشاره به این دارند که هر رویداد در یک فریم زمانی خاص, چند بار رخ داده است. رانندگی تهاجمی 13-آیتم و خرده مقیاس های رانندگی خطرناک 16-آیتم به طور داخلی (به ترتیب و 0.86) سازگار هستند، در حالی که آیتم های وضعیت مربوط به تصادف برای ایجاد یک مقیاس قابل اعتماد طراحی نشده بودند و به صورت جداگانه مورد تجزیه و تحلیل قرار می گیرند. قابلیت های اطمینان آزمون-بازآزمون طی یک دوره 3 ماهه برای رانندگی تهاجمی (85-89) و رانندگی خطرناک (83-86) در یک جامعه آماری دانشجویی دوره کارشناسی پذیرفته شد (Deffenbacher et al.، 2003).
2.2.2 حوزه آیتم های شخصیت بین المللی (IPIP)
صفات شخصیت FFM باIPIP 50-آیتم (Goldberg، 1999) ارزیابی شدند. آیتم ها و دستورالعمل ها برای مدیریت و دستورالعمل ها برای امتیازبندی را می توان از نویسنده اخذ نمود. هر عامل توسط 10-آیتم از 1 (بسیار غیردقیق) تا 5 (بسیار دقیق) ارزیابی می شود که نشان می دهد دقت پاسخ دهنده چقدر است. عامل اول، برون گرایی , برای ارزیابی صفات اجتماعی و فعال فرد (به عنوان مثال، زندگی فرد، شروع گفتگوها، نگه داشتن در پس زمینه و غیره) طراحی شده است. توافق پذیری شامل آیتم هایی می شود که به علاقه فرد و صمیمیت نسبت به دیگران می پردازند (به عنوان مثال من علاقه مند به مردم هستم، قلب نرمی دارم، حس نگرانی نسبت به دیگران و غیره را احساس می کنم). باوجدان بودن شامل آیتم هایی می شود که برای ارزیابی صفات باوجدان بودن و قابلیت اعتماد فرد طراحی شده اند (همیشه آماده، دوست داشتن نظم، ترک تعلقات در اطراف خودم، و غیره) است. ثبات احساسی توسط آیتم هایی ارزیابی می شود که درباره حساسیت فرد به استرس و نوسانات در تجربه های احساسی می پرسند (به عنوان مثال، به راحتی تحت فشار قرار می گیرم، به راحتی ناراحت می شوم، به ندرت احساس ناراحتی و غمگینی می کنم و غیره). در نهایت، آزاد بودن (a = .84) برای صفات خلاقیت و خبرگی (برای مثال، داشتن یک دامنه واژگان غنی، تخیل واضح، من علاقه ای به ایده های ذهنی ندارم و غیره) ارزیابی می شود. مقیاس های IPIP با مقیاس های معادل موجودی NEO همبستگی دارند؛ بیشترین همبستگی بالاتر از 0.9 برای بعد از اصلاح به خاطر تضعیف است.
2.2.3 مقیاس هیجان طلبی (SSS)
هیجان طلبی با یک نسخه اصلاح شده از فرم V 40-آیتم SSS (Zuckerman، 1994) ارزیابی شد. هر آیتم, پاسخ دهندگان را ملزم می کند که یکی از دوتا را انتخاب کنند، یک بیانیه مربوط به تمایل برای احساس (مثلاً “من آدم های وحشی و غیرقابل انکار را دوست دارم”) و دیگری مربوط به ترجیح محتاطانه تر (مثلا “من آدم های آرام با مکالمه خوب را ترجیح می دهم”). پاسخ دهندگان گزینه ای را انتخاب می کنند که دقیق تر ترجیحات آنها را توصیف می کند. بر اساس انتقاد از کلمه بندی تاریخی مورد استفاده در برخی از آیتم های SSS (به عنوان مثال، Arnett، 1994)، عباراتی مانند ‘far-out’ ‘و’ ‘jet set’ ‘با اصطلاحات به روز شده دنبال شدند. SSS, یک امتیاز کلی و چهار خرده مقیاس را ارائه می دهد: هیجان و ماجراجویی (TAS)، تجربه یابی (ES)، حساسیت به خستگی (BS) و بازداری زدایی (DIS). Zuckerman (1994) دریافت که نمره کلی به طور داخلی سازگار است (به عنوان 0.86- و پایدار طی 3 هفته (rxx = .94). با این حال، تمام نمرات خرده مقیاس به طور قابل قبول قابل اطمینان نیستند (Deditius-Island & Caruso، 2002). در مطالعه حاضر فقط TAS و DIS به اندازه کافی قابل اطمینان بودند . SSS توسط مقایسه ها با بسیاری از صفات و رفتارهای مختلف، از جمله سیگار کشیدن، شیوه های رانندگی، تکانشگری و استفاده از مواد مخدر و الکل (Zuckerman، 1994)، تأیید شده است.
2.2.4 مقیاس رانندگی خشمگینانه (DAS)
تمايل شركت كنندگان برای تجربه خشم در هنگام رانندگي، توسط فرم كوتاهي 14-آیتم DAS ارزيابي شد (Deffenbacher et al.، 1994). آیتم ها بر اساس یک مقیاس پنج-نقطه ای (1 = هرگز 5 = بسیار زیاد) با توجه به سطح خشم هر حالت رتبه بندی می شوند. فرم کوتاه از بهترین ساختار یک-خوشه ای نسخه 33-آیتم ساخته شد، با این الزام که شامل حداقل یک آیتم از هر یک از شش مقیاس گنجانده شده در فرم طولانی باشد. شکل کوتاه، با فرم بلند، بسیار همبسته است (r = 0.95) و دارای قابلیت اطمینان آزمون-بازآمون 10 هفته ای 0.84 است (Deffenbacher et al.، 1994). امتیازات DAS به طور مثبت با صفت کلی خشم، تکانشگری و صفت اضطراب و شرکت کنندگانی مرتبط هستند که در گزارش DAS بالاترین امتیاز را در مورد نتایج رضایت بخش بودن و ریسک پذیری و برخی نتایج مرتبط با تصادف نسبت به افراد با نمره کم گرفتند (Deffenbacher et al.، 2000؛ Deffenbacher et al.، 2003).
2.3 روش اجرایی
بسته های پرسش نامه حاوی هر یک از معیارهای توصیف شده بالا برای گروه های شرکت کنندگان به صورت منظم مطابقت داده شد. کل فرآیند تقریباً 40 دقیقه طول کشید تا تکمیل شود.
. نتایج
میانگین ها و انحرافات معیار برای تمام متغیرها در جدول 1 به واسطه جنس نشان داده شده است. یک MANOVA (جنس) یکطرفه روی تمام متغیرها انجام شد به جز شش وضعیت مرتبط با حادثه و دو خرده مقیاس SSS مورد استفاده در مطالعه حاضر, یک اثر جنسی چندمتغیره متوسط را نشان دادند. . تفاوت های جنسی تک متغیره معنادار برای توافق پذیری, ثبات احساسی, SSS, رانندگی تهاجمی و رانندگی ریسکی (خطرناک) یافت شد. یک MANOVA (جنس) یکطرفه روی شش وضعیت مرتبط با حادثه نیز, یک اثر جنسی چندمتغیره کوچک را تولید نمود . تفاوت های جنسی تک متغیره معنادار روی از دست دادن کنترل وسیله نقلیه و بلیت های حرکت یافت شد. یک MANOVA یکطرفه (جنس) روی دو خرده مقیاس SSS قابل اطمینان (TAS و DIS) معنادار نبود . تفاوت های جنسی بالقوه در همبستگی ها توسط آزمون ها برای تفاوت ها در همبستگی های مستقل بررسی شد . از تمام مقایسه ها, تنها دو مورد, تفاوت های جنسی چشمگیر را در سطح نشان دادند. بنابراین, همبستگی های دومتغیره در جدول 2 برای نمونه کامل نشان داده شده است. رگرسیون های چندگانه سلسله مراتبی روی خرده مقیاس های رانندگی خطرناک و تهاجی پیمایش رانندگ و پنج تا از شش وضعیت مرتبط با حادثه انجام شد (جدول 3 را ببینید).
یک رگرسیون لجستیک برای تصادفات عمده بعد از دوتایی نمودن این متغیر انجام شد, زیرا نرخ پایه پایین به چولگی چشمگیری منجر شد (جدول 4 را ببینید). در تمام رگرسیون ها، جنس، سن و مایل / رانندگی در مرحله 1 برای کنترل اثرات آن وارد شدند. پنج مقیاس IPIP در مرحله 2 وارد شدند و نمره کل DAS و SSS در مرحله 3 وارد شد. این ترتیب ورود بر اساس ماهیت کلی تر FFM در مقایسه با رانندگی خشمگینانه و هیجان طلبی بود. مجموع نمره SSS به جای خرده مقیاس ها استفاده شدند، زیرا بیشتر با تمام متغیرهای معیار همبسته بود نه خرده مقیاس ها. ورودی همزمان در تمام مراحل استفاده شد.
فراتر از جنسیت، سن و مایل رانندگی شده، رانندگی خطرناک توسط کاهش آزاد بودن و افزایش نمرات DAS و SSS پیش بینی شد. رانندگی تهاجمی با کاهش پایداری عاطفی و افزایش نمرات DAS و SSS پیش بینی شد. از دست دادن تمرکز با SSS مرتبط بود و از دست دادن کنترل وسایل نقلیه توسط توافق پذیری کاهش یافته و DAS پیش بینی شد. نقل قول های نقل و انتقالات، حوادث جزئی و حوادث مهم پیش بینی شد. هیچکدام از متغیرهای تحت مطالعه, تماسهای نزدیک را پیش بینی نکردند.

4. بحث و بررسی
مطالعه کنونی, سه خط جداگانه از تحقیقات را در مورد پیش بینی رانندگی ناامن ترکیب نمود: FFM، هیجان طلبی و رانندگی خشمگینانه. آزاد بودن، ثبات احساسی، توافق پذیری، هیجان طلبی رانندگی و هیجان طلبی, رفتار رانندگی و نتایج را مستقل از جنس، سن و مایل / هفتگی پیش بینی نمود. یافته ها, پشتیبانی بیشتری را برای پیش بینی کاربرد رانندگی خشمگینانه و هیجان طلبی فراهم می کنند. با این حال، نتایج FFM ترکیب شدند، زیرا برون گرایی و باوجدان بودن بودن در درک رفتار / نتایج رانندگی مفید نبودند.
این یافته که صفت رانندگی خشمگینانه, رانندگی ناامن را پیش بینی می کند, با نوشته های قبلی مطابقت داشت (به عنوان مثال Deffenbacher و همکاران، 2000؛ Deffenbacher و همکاران، 2003؛ Underwood و همکاران، 1999). رانندگی خشمگینانه, رانندگی خطرناک، رانندگی تهاجمی و مرگ و میرها جزئی کنترل خودرو را پیش بینی کرد. بنابراین، به نظر می رسد تفاوت های فردی در تمایل به تجربه رانندگی خشمگینانه, پیش بینی کننده مهم رفتار رانندگی و نتایج مرتبط با حوادث باشد. مطالعه این ساختار در زمینه رفتار رانندگی ضروری است. علاوه بر این، کوتاه بودن و حمایت تجربی از DAS نشان می دهد که این ممکن است برای غربالگری رانندگان با ریسک بالا یا به عنوان بخشی از ارزیابی جامع تر از ویژگی های شخصیت مرتبط با رانندگی ناامن, یک ابزار قابل قبول.