فهرست نشریات علمی دسترسی آزاد ایران

مدلسازی تصمیم توقف یا عبور رانندگان هنگام مواجهه با چراغ زرد نقش مهمی در سیستم‌های پیشگیری از تردید (dilemma protection)، کمک راننده (driver-assistive)، و هشدار به راننده دارد. تصمیم نادرست منجر به تصادفات و مخاطرات ایمنی می ­شود. مدل­ های پیش ­بینی تصمیم توقف/عبور به دوگروه مدل ­های رگرسیونی و تئوری مطلوبیت تقسیم بندی می ­شوند. اما مشخص نیست کدام گروه از این مدل­ ها، قدرت پیش بینی بهتری دارند و آیا منطق و تئوری قوی تر مدل ­های مطلوبیت، منجر به برازش و پیش ­بینی بهتری می­ شود. علاوه بر آن در مطالعات پیشین، کمتر اتفاق افتاده است که هر سه تصمیم توقف، عبور از چراغ زرد، و عبور از چراغ قرمز با هم پیش بینی­ شود. هدف از مقاله جاری، مقایسه نکویی برازش و پیش ­بینی صحیح این دو گروه از مدل ­ها با در نظر گرفتن تصمیم ناایمن عبور از چراغ قرمز می ­باشد. همچنین بررسی شد در نظر گرفتن اختلاف سلیقه تصادفی یا ناهمگنی رانندگان در کنار ناهمگنی مکانی به کمک مدل ­های تئوری مطلوبیت، آیا سبب بهبود پیش­ بینی­ تصمیم ­های رانندگان می‌شود یا خیر. لذا طیف وسیعی از مدل ­های  خانواده تئوری مطلوبیت از جمله لوجیت چندجمله ­ای، آشیانه ­ای و ترکیبی و مدل ­های رگرسیون لجستیک چندجمله ­ای، ترتیبی و پروبیت ساخته و پرداخته شد. سپس نکویی برازش و توانایی پیش بینی این دو گروه مقایسه شد. برای مدلسازی، داده‌های سه تقاطع نهضت، مدرس و مازندران در شهر سمنان، به کمک فیلمبرداری استخراج شد. شاخص ­های لگاریتم درست نمایی، نسبت درست نمایی، درصد برآورد درست و شاخص اطلاعات آکایکه (AIC) نشان می‌دهد که نکویی برازش مدل ­های رگرسیونی بهتر از مدل ­های تئوری مطلوبیت است. اعتبارسنجی به کمک 20 درصد از داده­ ها نیز موید همین مطلب بود. اما مزیت مدل­ های تئوری مطلوبیت، نشان دادن ناهمگنی سلایق رانندگان و ناهمگنی‌های مکانی بود. مدل رگرسیون لجستیک چندجمله ­ای با  43/99 درصد برآورد درست به عنوان بهترین مدل شناخته شد.