سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مدل رگرسیونی میزان خستگی و خوابآلودگی رانندگان وسایل نقلیه سنگین بر حسب عوامل انسانی، محیطی، بار و وسیله نقلیه

Publish Year: 1390
Type: Conference paper
Language: Persian
View: 1,119

This Paper With 15 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

TTC10_084

Index date: 30 December 2011

مدل رگرسیونی میزان خستگی و خوابآلودگی رانندگان وسایل نقلیه سنگین بر حسب عوامل انسانی، محیطی، بار و وسیله نقلیه abstract

در این تحقیق عوامل اثرگذار بر خستگی و خوابآلودگی رانندگان وسایل نقلیه سنگین بررسی و اولویتبندی شده است. نوع مطالعه توصیفی-تحلیلی بوده و برای جمعآوری اطلاعات از پرسشنامه و مصاحبه استفاده شده است. در پرسشنامه از رانندگان درباره سه گروه از دلایل عمده موثر در تصادفات ناشی از خستگی و خوابآلودگی شامل عوامل انسانی، محیطی و بار و وسیله نقلیه سوال شد و تأثیر این عوامل بر میزان خستگی و خوابآلودگی رانندگان مورد بررسی قرار گرفت. همچنین مدل رگرسیونی این دادهها برای متغیر وابسته میزان خستگی مورد تجزیه و تحلیل قرار گرفت و مهمترین عوامل شناسایی و به ترتیب اولویت مشخص گردید. نتایج نشان داد مهمترین عامل در میزان خستگی و خوابآلودگی رانندگان عوامل انسانی و بعد از آن عوامل محیطی و وسیله نقلیه و بار میباشد.

مدل رگرسیونی میزان خستگی و خوابآلودگی رانندگان وسایل نقلیه سنگین بر حسب عوامل انسانی، محیطی، بار و وسیله نقلیه Keywords:

مدل رگرسیونی میزان خستگی و خوابآلودگی رانندگان وسایل نقلیه سنگین بر حسب عوامل انسانی، محیطی، بار و وسیله نقلیه authors

مسعود قاسمی نوقابی

کارشناس ارشد راه و ترابری، دانشکده مهندسی دانشگاه فردوسی مشهد

مرتضی جلیلی

دانشجوی دکتری راه و ترابری، دانشگاه تربیت مدرس تهران

محمد احمدی

کارشناس ارشد راه و ترابری، مهندسین مشاور طرح توسعه محور

حمیدرضا عطاران کاخکی

کارشناس ارشد راه و ترابری، مهندسین مشاور روژان تدبیر

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
. هزینه تصادفات ترافیکی ایران، پاییز 1981، آیتی، اسماعیل، _ ...
Safety Science, 2008, Fatigued drivers driving behavior and cognitive task ...
. Staying Alert At The Whees (2004), Department For Planning ...
. Driver Fatigue And Road Accidents, The Royal Society For ...
. British Medical, 1995, Sleep Related Vehicle Accidents, Vol. 310. ...
Safety Research, 2009, Predicting driver drowsiness using vehicle measures Recent ...
. Working Safer, Not Less, (2006), ATSB, Australia, Information Bulletin. ...
. Factsheet 24, Fatigue and Road Accidents, (1998), Land Transport ...
Industrial Ergonomics, 2010, Mu sculoskeletal computational analysis of the influence ...
نمایش کامل مراجع

مقاله فارسی "مدل رگرسیونی میزان خستگی و خوابآلودگی رانندگان وسایل نقلیه سنگین بر حسب عوامل انسانی، محیطی، بار و وسیله نقلیه" توسط مسعود قاسمی نوقابی، کارشناس ارشد راه و ترابری، دانشکده مهندسی دانشگاه فردوسی مشهد؛ مرتضی جلیلی، دانشجوی دکتری راه و ترابری، دانشگاه تربیت مدرس تهران؛ محمد احمدی، کارشناس ارشد راه و ترابری، مهندسین مشاور طرح توسعه محور؛ حمیدرضا عطاران کاخکی، کارشناس ارشد راه و ترابری، مهندسین مشاور روژان تدبیر نوشته شده و در سال 1390 پس از تایید کمیته علمی دهمین کنفرانس مهندسی حمل و نقل و ترافیک ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تصادف، خستگی، خوابآلودگی، مدل رگرسیونی هستند. این مقاله در تاریخ 9 دی 1390 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1119 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این تحقیق عوامل اثرگذار بر خستگی و خوابآلودگی رانندگان وسایل نقلیه سنگین بررسی و اولویتبندی شده است. نوع مطالعه توصیفی-تحلیلی بوده و برای جمعآوری اطلاعات از پرسشنامه و مصاحبه استفاده شده است. در پرسشنامه از رانندگان درباره سه گروه از دلایل عمده موثر در تصادفات ناشی از خستگی و خوابآلودگی شامل عوامل انسانی، محیطی و بار و وسیله نقلیه ... . برای دانلود فایل کامل مقاله مدل رگرسیونی میزان خستگی و خوابآلودگی رانندگان وسایل نقلیه سنگین بر حسب عوامل انسانی، محیطی، بار و وسیله نقلیه با 15 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.