ارائه مدل اثرگذاری حواس‌پرتی بر روی رفتار ناهنجار رانندگی برای رانندگان وسایل نقلیه سنگین

حواس پرتی راننده به‌طور قابل‌توجهی عملکرد را مختل می کند و احتمال تصادف خودرو را افزایش می دهد. درک دلایل اساسی درگیر شدن حواس پرتی و همچنین حساسیت افراد به انواع مختلف حواس‌پرتی، گامی ضروری در توسعه راه‌حل‌های موثر برای کاهش حواس‌پرتی است. مطالعه حاضر باهدف بررسی تاثیر حواس پرتی رانندگان بر روی رفتار ناهنجار رانندگی انجام‌شده است. این مطالعه اطلاعات خود گزارشی 320 راننده حرفه‌ای وسایل نقلیه سنگین را بین سنین 31 تا 69 سال مورد تجزیه‌وتحلیل قرارداد که میزان پاسخ دهی 75 درصد بود. شرکت‌کنندگان علاوه بر پرسشنامه رفتار رانندگی به پرسشنامه حواس پرتی (درگیر شدن در حواس‌پرتی در حین رانندگی) و کیفیت خواب پیتسبورگ (psqi) نیز پاسخ دادند. برای بررسی رفتار رانندگان وسایل نقلیه سنگین و بررسی اعتبار آن‌ها، از تحلیل عاملی تاییدی استفاده شد. پس از اتمام این مرحله، از مدل‌سازی معادلات ساختاری با استفاده از نرم‌افزار smartpls برای شناسایی تاثیر متغیرهایی نظیر حواس‌پرتی، سن، تحصیلات و تجربه رانندگی بر رفتارهای رانندگان وسایل نقلیه سنگین استفاده گردید. نرم‌افزار smartpls یکی از برنامه‌های کاربردی برجسته برای مدل سازی معادلات ساختاری حداقل مربعات جزئی (pls-sem) است. نتایج نشان داد که هرچقدر رانندگان وسایل نقلیه سنگین مدت بیشتری رانندگی کنند، با حواس‌پرتی بیشتری مواجه می‌شوند. این موضوع ممکن است باعث افزایش خطاها، لغزش‌ها و تخلفات در رانندگی گردد. همچنین، نتایج نشان داد که ویژگی های جمعیت‌شناسی نیز بر روی حواس پرتی در حین رانندگی تاثیر می گذارد.

presenting a model of the driver distraction’s impact on aberrant driving behavior for heavy vehicle drivers

distracted driving significantly hampers performance and escalates the risk of vehicular accidents. it is crucial to comprehend the fundamental causes of driver distraction, as well as individuals’ susceptibilities to various types of distractions, in order to develop effective interventions aimed at mitigating distraction. the present study seeks to explore the impact of driver distraction on deviant driving behaviors by examining a cohort of 320 professional drivers operating heavy vehicles, aged between 31 and 69, with a response rate of 75 percent. apart from a driving behavior questionnaire, participants also completed a distraction questionnaire (assessing engagement in distractions while driving) and the pittsburgh sleep quality index (psqi) questionnaire. confirmatory factor analysis was employed to investigate the driving behaviors of the heavy vehicle drivers and assess the psychometric properties of the measurement instrument. subsequently, structural equation modeling utilizing the smartpls software was conducted to discern the effects of variables such as distraction, age, education, and driving experience on the driving behaviors of heavy vehicle drivers. smartpls emerges as a prominent software application for conducting structural equation modeling based on the partial least squares technique (pls-sem). the findings revealed a positive association between the duration of heavy vehicle driving and the occurrence of driver distraction. this correlation may contribute to an increase in errors, slippages, and traffic violations. moreover, the results demonstrated that demographic factors also exert an influence on driver distraction during the act of driving.