تعيين سهم ادراك خطر بر اساس مؤلفه‌هاي رفتار رانندگي در رانندگان پرخطر در شهر تهران

The Contribution of Risk Perception Based on Components of Driving Behavior in Tehran's High-Risk Drivers

هدف: هدف از اين پژوهش پيش‌بيني رفتار رانندگي پرخطر بر اساس مؤلفه‌هاي رفتار رانندگي است. روش: روش پژوهش همبستگي و جامعه آماري 2700 راننده وسايط نقليه در استان تهران بود كه در سه ماهه اول سال 1392 توسط پليس راهنمايي و رانندگي به دليل رانندگي خطرآفرين توقيف شده بودند. نمونه شامل 460 راننده پرخطر بود كه به روش نمونه‌گيري در دسترس و داوطلبانه انتخاب شدند. براي جمع‌آوري اطلاعات از دو پرسش‌نامه، رفتار رانندگي منچستر و ادراك خطر رانندگي استفاده شد. سپس تحليل‌هاي آمار توصيفي و استنباطي (ازجمله رگرسيون چند متغيره و تحليل مسير) بر روي داده‌ها انجام شد. يافته‌ها: نتايج نشان داد كه مؤلفه‌هاي رفتار رانندگي مي‌توانند رفتار رانندگي پرخطر را پيش‌بيني كنند و رابطه معناداري بين رفتار رانندگي با درك خطر در حين رانندگي وجود دارد. نتيجه‌گيري: مؤلفه‌هاي رفتاري از نوع اشتباهات و تخلفات عمدي بيشترين تأثير را در درك خطر در حين رانندگي دارند و همچنين؛ بر اساس مؤلفه‌هاي رفتار رانندگي مي‌توان ادراك خطر در حين رانندگي را پيش‌بيني كرد.

Aim: The purpose of this study was the prediction of high-risk driving perception based on the driving behavioral components. Materials and Methods: The method of this research was correlation and the population included 2700 drivers whose cars were detained due to high-risk driving in Tehran. The sample consisted of 460 highrisk drivers who were selected through convenience sampling method. In order of gathering the data 2 questionnaires of Manchester driving behavior and driving risk perception were used. Then, the methods of statistics (such as correlation and regression) were used for data analysis. Results: Results showed that driving behavioral components can predict high-risk driving perception & there is a significant relationship between driving behavior and high-risk driving perception. Conclusion: The behavioral components, errors and intentional violations have the greatest impact on risk perception and also driving risk perception can be predicted based on the components of driving behavior.