โมเดลการวิเคราะห์เส้นทางความปลอดภัยของยานพาหนะหนักสำหรับการปรับปรุงสภาพแวดล้อมถนนและการป้องกันอุบัติเหตุ
DOI:
https://doi.org/10.53848/jlsco.v11i1.271296คำสำคัญ:
การวิเคราะห์เส้นทาง, ความปลอดภัยของยานพาหนะหนัก, สภาพแวดล้อมถนน, การป้องกันอุบัติเหตุบทคัดย่อ
รายงานสถานการณ์โลกเกี่ยวกับความปลอดภัยทางถนนปี 2018 ขององค์การอนามัยโลก (WHO) ได้รายงานสถิติอุบัติเหตุทางถนนของประเทศไทย ที่มีจำนวนการเสียชีวิตและบาดเจ็บที่สูงกว่าประเทศอื่นในภูมิภาคเอเชีย การศึกษานี้วิเคราะห์พฤติกรรมที่เสี่ยงต่อการเกิดอุบัติเหตุโดยใช้ตัวอย่าง DBQ 400 ตัวอย่างและข้อมูลใกล้พลาดตั้งแต่เดือนพฤษภาคมถึงกรกฎาคม 2022 ซึ่งรวบรวมจากระบบ ADAS และ DMS ในยานพาหนะหนัก 246 คัน งานวิจัยนี้มีวัตถุประสงค์เพื่อแก้ไขปัญหาดังกล่าว โดยใช้เทคนิค Del-phi method เพื่อหาฉันทามติจากผู้เชี่ยวชาญทางด้านการขนส่งและความปลอดภัยในการขนส่งทั้งหน่วยงานภาครัฐและเอกชน ขั้นตอนการประเมินความคิดเห็นอาจแตกต่างกันขึ้นอยู่กับนักวิจัย โดยไม่มีขั้นตอนที่แน่นอน แต่วิธีการประเมินที่ได้รับความยอมรับมากที่สุดคือวิธี Del-phi เพื่อกำหนดตัวชี้วัดที่สามารถใช้ในการประเมินมิติที่ซับซ้อนด้านความปลอดภัยในการขนส่ง พบว่า ประกอบไปด้วย 4 มิติ 15 องค์ประกอบ 55 ตัวชี้วัด ซึ่งมีฉันทามติที่ระดับสูงโดยมีค่า Kendall's W=.402 and P < 0.001 จากนั้นได้ทำการหาค่าความสัมพันธ์ทางสถิติระหว่าง ตัวแปร ด้านพฤติกรรมคนขับ สภาพแวดล้อมที่ไม่ปลอดภัยบนท้องถนน ยานพาหนะ และเหตุเกือบเกิดอุบัติเหตุ ด้วยเทคนิคการวิเคราะห์เส้นทาง (path analysis) ซึ่งเป็นเครื่องมือสถิติที่ใช้ในการวิเคราะห์ความสัมพันธ์ระหว่างตัวแปร เพื่อให้เข้าใจและวิเคราะห์ความสัมพันธ์ของตัวแปรต่าง ๆ ที่เกี่ยวข้องกับอุบัติเหตุทางถนน งานวิจัยนี้ชี้ให้เห็นว่าการปรับปรุงสภาพแวดล้อมทางถนนที่ไม่ปลอดภัยและพฤติกรรมขับขี่ของผู้ขับขี่เป็นสิ่งสำคัญในการลดอุบัติเหตุทางถนนในประเทศไทย การวิเคราะห์เส้นทางและวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรช่วยให้เราเข้าใจว่าองค์ประกอบต่าง ๆ มีความสัมพันธ์กันอย่างไร ผลการตรวจสอบความน่าเชื่อถือ พบว่า Absolute fit ประกอบไปด้วย CMIN/DF = 1.26 RMSEA = .026 , GFI = .97 , AGFI = .95 , RMR = .024 และ Incremental fit ประกอบไปด้วย NFI = .98 , CFI = .99 , TLI = .98 , และ IFI = .99 ทั้งหมดอยู่ในระดับดี โดยการศึกษา แบบจําลองนี้มีประโยชน์ต่อหน่วยงานที่เกี่ยวข้องในการปรับปรุงสภาพแวดล้อมที่ไม่ปลอดภัยและพฤติกรรมของผู้ขับขี่เพื่อการวางแผนเชิงกลยุทธ์และการจัดการอุบัติเหตุที่อาจเกิดขึ้นในแต่ละพื้นที่ของประเทศ
เอกสารอ้างอิง
Chantith, C., Permpoonwiwat, C. K., & Hamaide, B. (2021). Measure of productivity loss due to road traffic accidents in Thailand. IATSS Research, 45(1), 131-136. https://doi.org/https://doi.org/10.1016/j.iatssr.2020.07.001.
Davoli, L., Martalò, M., Cilfone, A., Belli, L., Ferrari, G., Presta, R., Montanari, R., Mengoni, M., Giraldi, L., Amparore, E. G., Botta, M., Drago, I., Carbonara, G., Castellano, A., & Plomp, J. (2020). On Driver Behavior Recognition for Increased Safety: A Roadmap. Safety, 6(4).
Domenichini, L., Branzi, V., & Smorti, M. (2019). Influence of drivers’ psychological risk profiles on the effectiveness of traffic calming measures. Accident Analysis & Prevention, 123, 243-255. https://doi.org/https://doi.org/10.1016/j.aap. 2018.11.025.
Elamrani Abou Elassad, Z., Mousannif, H., Al Moatassime, H., & Karkouch, A. (2020). The application of machine learning techniques for driving behavior analysis: A conceptual framework and a systematic literature review. Engineering Applications of Artificial Intelligence, 87, 103312. https://doi.org/https://doi.org /10.1016/j.engappai.2019.103312.
Jomnonkwao, S., Uttra, S., & Ratanavaraha, V. (2020). Forecasting Road Traffic Deaths in Thailand: Applications of Time-Series, Curve Estimation, Multiple Linear Regression, and Path Analysis Models. Sustainability, 12(1).
Mase, J. M., Majid, S., Mesgarpour, M., Torres, M. T., Figueredo, G. P., & Chapman, P. (2020). Evaluating the impact of Heavy Goods Vehicle driver monitoring and coaching to reduce risky behaviour. Accident Analysis & Prevention, 146, 105754. https://doi.org/https://doi.org/10.1016/j.aap.2020.105754.
Matemane, R., Moloi, T., & Adelowotan, M. (2022). Appraising Executive Compensation ESG-Based Indicators Using Analytical Hierarchical Process and Delphi Techniques. Journal of Risk and Financial Management, 15(10), 469. https://www.mdpi.com/1911-8074/15/10/469.
Okafor, C. C., Aigbavboa, C., & Thwala, W. D. (2023). A Delphi approach to evaluating the success factors for the application of smart mobility systems in smart cities: a construction industry perspective. International Journal of Construction Management, 23(8), 1289-1298. https://doi.org/10.1080/15623599.2021.1968567.
Perveen, S., Kamruzzaman, M., & Yigitcanlar, T. (2019). What to assess to model the transport impacts of urban growth? A Delphi approach to examine the space–time suitability of transport indicators. International Journal of Sustainable Transportation, 13(8), 597-613. https://doi.org/10.1080/15568318.2018.1491077.
Pumpugsri, N., Rattanawong, W., & Vongmanee, V. (2023). Development of a Safety Heavy-Duty Vehicle Model Considering Unsafe Acts, Unsafe Conditions and Near-Miss Events Using Structural Equation Model. Sustainability, 15(16), 12150. https://www.mdpi.com /2071-1050/15/16/12150.
Ritmak, N., Rattanawong, W., & Vongmanee, V. (2023). A New Dimension of Health Sustainability Model after Pandemic Crisis Using Structural Equation Model. Sustainability, 15(2).
Shams, Z., Naderi, H., & Nassiri, H. (2021). Assessing the effect of inattention-related error and anger in driving on road accidents among Iranian heavy vehicle drivers. IATSS Research, 45(2), 210-217. https://doi.org/https://doi.org/10.1016 /j.iatssr.2020.09.005.
Taghouti, I., Cristobal, R., Brenko, A., Stara, K., Markos, N., Chapelet, B., Hamrouni, L., Buršić, D., & Bonet, J.-A. (2022). The Market Evolution of Medicinal and Aromatic Plants: A Global Supply Chain Analysis and an Application of the Delphi Method in the Mediterranean Area. Forests, 13(5).
Uysal Toraman, A., Topçu, S., Konal Korkmaz, E., & Visiers-Jiménez, L. (2023). Psychometric Evaluation of Turkish Version of the Cultural Competence Assessment Tool: CCA-EUnurse Project. Healthcare, 11(5).
Wang, J., Huang, H., Li, Y., Zhou, H., Liu, J., & Xu, Q. (2020). Driving risk assessment based on naturalistic driving study and driver attitude questionnaire analysis. Accident Analysis & Prevention, 145, 105680. https://doi.org/https://doi.org /10.1016/j.aap.2020.105680.
Zhu, M., Zhou, W., Hu, M., Du, J., & Yuan, T. (2023). Evaluating the Renewal Degree for Expressway Regeneration Projects Based on a Model Integrating the Fuzzy Delphi Method, the Fuzzy AHP Method, and the TOPSIS Method. Sustainability, 15(4).
