مهندسی ترافیک

مهندسی ترافیک

کمّی کردن حجم اطلاعات تابلوهای راهنمای مسیر با استفاده از نظریه اطلاعات و تحلیل سلسله مراتبی

نوع مقاله : مقاله پژوهشی

نویسندگان
فاطمه مختاری 1
امین میرزا بروجردیان 2
1 دانشجوی کارشناسی ارشد ایمنی راه و ترابری، دانشکده عمران و محیط‌زیست، دانشگاه تربیت مدرس، تهران، ایران
2 دانشیار گروه راه و ترابری، دانشکده عمران و محیط‌زیست، دانشگاه تربیت مدرس، تهران، ایران
چکیده
 برای بهبود ایمنی و سرعت سفر کاربران در معابر، انتقال دقیق و به‌موقع اطلاعات بسیار حائز اهمیت است. موقعیت‌های پیچیده ترافیکی و بار کاری زیاد رانندگی، عوامل اصلی در تصادفات ترافیکی هستند. علائم راهنمایی و رانندگی به‌تدریج افزایش یافته‌ و تعداد و اشکال مختلف آن‌ها در جاده‌های شهری نصب شده است. بااین‌حال، با افزایش علائم راهنمایی و رانندگی، اشکال آن‌ها پیچیده‌تر و متنوع‌تر شده است. نتیجه این است که بار بصری راننده به‌طور مجازی افزایش می‌یابد. گاهی اوقات، راننده نمی‌تواند اطلاعات مؤثر را در زمان مناسب توسط علائم راهنمایی و رانندگی به‌درستی درک کند، درنتیجه نمی‌تواند وضعیت خودرو را به‌موقع تغییر دهد و مقصد صحیح را از دست می‌دهد. این مطالعه با هدف کمی‌ کردن حجم اطلاعات علائم راهنمای مسیر که یکی از گام‌های ارزیابی حجم اطلاعات علائم است، با استفاده از فرمول نظریه اطلاعات و تحلیل سلسله مراتبی (AHP) انجام شد. از نظرات 63 کارشناس حمل‌ونقل و راننده با تجربه برای وزن دهی عناصر تابلوهای راهنمای مسیر استفاده شد. همچنین پس از کمی سازی حجم اطلاعات با استفاده از نظریه اطلاعات، (حجم اطلاعات عینی) تعدادی تابلو راهنمای مسیر با حجم اطلاعات متفاوت طراحی گردید و از 47 شرکت‌کننده خواسته شد بر اساس حجم اطلاعات تابلوها، رتبه‌ای به آن‌ها اختصاص دهند (حجم اطلاعات ذهنی). نتایج تحلیل همبستگی پیرسون (ضریب همبستگی=984/0) اطلاعات عینی و ذهنی نشان می‌دهد، مقدار حجم اطلاعات عینی و ذهنی رانندگان به‌خوبی مطابقت دارد؛ بنابراین می‌توان از روش محاسبه حجم اطلاعات عینی برای محاسبه و ارزیابی حجم کار ناشی از تابلوهای راهنمای مسیر استفاده کرد؛ بنابراین، فرمول آنتروپی اطلاعات با استفاده از وزن‌های به‌دست‌آمده برای عناصر داخل تابلوهای راهنمای مسیر از روش AHP می‌تواند مبنای مناسبی برای کمی سازی حجم اطلاعات تابلوهای راهنمای مسیر باشد.
کلیدواژه‌ها
تابلوهای هدایت مسیر
تحلیل سلسله مراتبی
حجم اطلاعات علائم
  • مختاری، ف.، 1402، «تحلیل زمان عکس‌العمل رانندگان نسبت به پیام تابلوهای راهنمای مسیر در خروجی بزرگراه‌های درون‌شهری». پایان‌نامه دوره کارشناسی ارشد مهندسی ایمنی راه و ترابری، دانشکده عمران و محیط‌زیست، دانشگاه تربیت مدرس.

 

  • Chen, J., Jia, K., Chen, W., Lv, Z., & Zhang, R. (2022). A real-time and high-precision method for small traffic-signs recognition. Neural Computing and Applications, 34(3), 2233-2245.

 

  • AASHTO, A. (2001). Policy on geometric design of highways and streets. American Association of State Highway and Transportation Officials, Washington, DC, 1(990), 158.
  • Senders, J. W. (1970). The estimation of operator workload in complex systems. Systems psychology, 207-216.

 

  • Cafiso, S., & La Cava, G. (2009). Driving performance, alignment consistency, and road safety: real-world experiment. Transportation research record, 2102(1), 1-8.

 

  • Han, L., Du, Z., Wang, S., & Chen, Y. (2022). Analysis of traffic signs information volume affecting driver’s visual characteristics and driving safety. International journal of environmental research.

 

  • Liu, Y. C. (2005). A simulated study on the effects of information volume on traffic signs, viewing strategies and sign familiarity upon driver's visual search performance. International Journal of Industrial Ergonomics, 35(12), 1147-1158.

 

  • Hick, W. E. (1952). On the rate of gain of information. Quarterly Journal of experimental psychology, 4(1), 11-26.

 

  • Forrin, B., Kumler, M. L., & Morin, R. E. (1966). The effects of response code and signal probability in a numeral-naming task. Canadian Journal of Experimental Psychology, 20, 115.

 

  • Bohua, L. I. U., Lishan, S. U. N., & Jian, R. O. N. G. (2011). Driver's visual cognition behaviors of traffic signs based on eye movement parameters. Journal of Transportation Systems Engineering and Information Technology, 11(4), 22-27.

 

  • Guo, Z., Wei, Z., & Wang, H. (2016). The expressway traffic sign information volume threshold and AGS position based on driving behaviour. Transportation research procedia, 14, 3801-3810.

 

  • Fu, Q., Wu, C., & Lv, N. (2013). Study on the reaction time for road traffic signs information volume. In ICTIS 2013: Improving Multimodal Transportation Systems-Information, Safety, and Integration (pp. 1533-1541).

 

  • Liu, K., & Deng, H. (2021). The relationship of the information quantity of urban roadside traffic signs and drivers’ visibility based on information transmission. International journal of environmental research and public health, 18(20), 10976.

 

  • Nengchao, L., Qiang, F., & Chaozhong, W. (2015, June). Analysis traffic safety for highway off-rampbased on visual reaction time on traffic signs. In 2015 International Conference on Transportation Information and Safety (ICTIS) (pp. 235-239). IEEE.

 

  • Tūskė, V., Šeibokaitė, L., Endriulaitienė, A., & Lehtonen, E. (2019). Hazard perception test development for Lithuanian drivers. IATSS research, 43(2), 108-113.

 

  • Lyu, N., Xie, L., Wu, C., Fu, Q., & Deng, C. (2017). Driver’s cognitive workload and driving performance under traffic sign information exposure in complex environments: A case study of the highways in China. International journal of environmental research and public health, 14(2), 203.