การพัฒนาโมเดลความสัมพันธ์เชิงสาเหตุของปัจจัยเสี่ยงเชิงพฤติกรรม ในการขนส่งวัตถุอันตรายโดยใช้ข้อมูลจากระบบ ADAS และ DMS
Main Article Content
บทคัดย่อ
การศึกษานี้มีวัตถุประสงค์เพื่อ 1) ศึกษาความสัมพันธ์ระหว่าง Driver State Warning (DSW) และ Headway Monitoring Warning (HMW) 2) ศึกษาความสัมพันธ์ระหว่าง Headway Monitoring Warning (HMW) และ Forward Collision Warning (FCW) 3) ศึกษาความสัมพันธ์ระหว่าง Forward Collision Warning (FCW) และ Pedestrian Collision Warning (PCW) และ 4) พัฒนาโมเดลความสัมพันธ์เชิงสาเหตุของปัจจัยเสี่ยงเชิงพฤติกรรมในการขนส่งวัตถุอันตราย โดยใช้ข้อมูลจากระบบตรวจจับพฤติกรรมผู้ขับขี่ Driver Monitoring System (DMS) และระบบช่วยเหลือผู้ขับขี่ขั้นสูง Advanced Driver Assistance System (ADAS) ที่ได้จากการทดลองภาคสนามบนรถบรรทุกขนาดใหญ่จำนวน 10 คัน ภายใต้สภาพการใช้งานจริง โดยกำหนดระยะทางการเก็บข้อมูลคันละ 1,000 กิโลเมตร ตัวแปรที่ใช้ในการศึกษา ได้แก่ Driver State Warning (DSW), Headway Monitoring Warning (HMW), Forward Collision Warning (FCW) และ Pedestrian Collision Warning (PCW) ซึ่งถูกกำหนดตามกรอบแนวคิดการถ่ายทอดความเสี่ยงจากสภาพของผู้ขับขี่ไปสู่ความเสี่ยงของการชนในระดับที่สูงขึ้น การวิเคราะห์ข้อมูลดำเนินการโดยใช้สถิติเชิงพรรณนา การวิเคราะห์สหสัมพันธ์แบบสเปียร์แมน และการวิเคราะห์การถดถอยเชิงเส้นแบบลำดับขั้นเพื่อประเมินความสัมพันธ์ระหว่างตัวแปรและพัฒนาโมเดลที่เสนอ ผลการศึกษาพบว่าข้อมูลมีลักษณะการกระจายแบบไม่ปกติ
โดยมีค่าความเบ้และค่าความโด่งในระดับสูง สะท้อนลักษณะของเหตุการณ์ความเสี่ยงที่เกิดขึ้นไม่สม่ำเสมอภายใต้สภาพการขับขี่จริง ผลการวิเคราะห์สหสัมพันธ์พบความสัมพันธ์เชิงบวกอย่างมีนัยสำคัญระหว่าง HMW และ FCW (ρ = 0.656, p = 0.039) และระหว่าง FCW และ PCW (ρ = 0.636, p = 0.048) ผลการวิเคราะห์การถดถอยเชิงเส้นแสดงให้เห็นว่า DSW มีอิทธิพลเชิงบวกต่อ HMW (β = 0.967, p < 0.001, R² = 0.935) HMW มีอิทธิพลเชิงบวกต่อ FCW (β = 0.971, p < 0.001, R² = 0.942) และ FCW มีอิทธิพลเชิงบวกต่อ PCW (β = 0.972, p < 0.001, R² = 0.946) ผลลัพธ์ดังกล่าวสนับสนุนโมเดลความสัมพันธ์เชิงสาเหตุที่เสนอ ซึ่งอธิบายการถ่ายทอดความเสี่ยงจากสภาพของผู้ขับขี่ไปสู่พฤติกรรมการขับขี่ที่ไม่ปลอดภัย และพัฒนาไปสู่ความเสี่ยงของการชนในระดับที่สูงขึ้นตามลำดับ ผลการวิจัยแสดงให้เห็นถึงศักยภาพของข้อมูลจากระบบ DMS และ ADAS ในการอธิบายความสัมพันธ์ของปัจจัยเสี่ยงเชิงพฤติกรรม และสามารถใช้เป็นพื้นฐานสำหรับการพัฒนาแบบจำลองความปลอดภัย การประเมินความเสี่ยงเชิงรุก และมาตรการป้องกันอุบัติเหตุในการขนส่งวัตถุอันตรายในอนาคต
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์และเป็นลิขสิทธิ์ของวารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยเซาธ์อีสท์บางกอก
เอกสารอ้างอิง
A. Costa, S. Innamaa, and F. Malin, “Safety impact of advanced driver assistance systems in Europe in 2030,” Journal of Safety Research, vol. 95, pp. 290–300, Dec. 2025, doi: 10.1016/j.jsr.2025.10.008.
M. Aleksa, A. Schaub, I. Erdelean, S. Wittmann, A. Soteropoulos, and A. Fürdös, “Impact analysis of Advanced Driver Assistance Systems (ADAS) regarding road safety – computing reduction potentials,” European Transport Research Review, vol. 16, art. no. 39, 2024, doi: 10.1186/s12544-024-00654-0.
N. Pumpugsri, W. Rattanawong, and V. Vongmanee, “Applying GIS Analytics and ADAS with DMS to Assessment Heavy-Duty Vehicles Unsafe Acts and Unsafe Conditions in Thailand,” in Proc. 2023 27th International Computer Science and Engineering Conference (ICSEC), Chiang Rai, Thailand, Sept. 2023, pp. 434–439, doi: 10.1109/ICSEC59635.2023.10329638.
T. Garefalakis, E. Michelaraki, S. Roussou, M. Kourtesis, A. Chrysanthou, and C. Antoniou, “Predicting risky driving behavior with classification algorithms: Results from a large-scale field-trial and simulator experiment,” European Transport Research Review, vol. 16, art. no. 65, 2024, doi: 10.1186/s12544-024-00691-9.
Y. Zhang, “Analysis of Psychological Factors Affecting Drivers' Driving Safety and Countermeasures,” Lecture Notes in Education, Arts, Management and Social Science, vol. 3, no. 6, 2025, doi: 10.18063/lne.v3i6.1133.
N. Vasta and F. Biondi, “Effect of Partially Automated Driving on Mental Workload, Visual Behavior and Engagement in Nondriving-Related Tasks: A Meta-Analysis,” Human Factors, vol. 67, no. 9, pp. 962–991, Mar. 2025, doi: 10.1177/00187208251323132.
N. Pumpugsri, W. Rattanawong, and V. Vongmanee, “Development of a Safety Heavy-Duty Vehicle Model Considering Unsafe Acts, Unsafe Conditions and Near-Miss Events Using Structural Equation Model,” Sustainability, vol. 15, no. 16, art. no. 12150, 2023, doi: 10.3390/su151612150.
N. Pumpugsri, W. Rattanawong, and V. Vongmanee, “Path Analysis Model of Heavy-Duty Vehicle Safety for Road Environment Improvement and Accidents Prevention,” Journal of Logistics and Supply Chain Operations (JLSCO), vol. 11, no. 1, pp. 121–138, 2025, doi:10.53848/jlsco.v11i1.271296.
Y. Chen, Y. Xie, C. Wang, L. Yang, N. Zheng, and L. Wu, “Time-dependent effect of advanced driver assistance systems on driver behavior based on connected vehicle data,” Analytic Methods in Accident Research, vol. 45, art. no. 100370, 2025, doi: 10.1016/j.amar.2025.100370.
L. Ferreira, A. Valente, P. Salgado, et al., “Advances on risky driver behaviour detection in road vehicles: A systematic literature review,” Artificial Intelligence Review, vol. 59, art. no. 93, 2026, doi: 10.1007/s10462-026-11492-y.
F. N. Biondi and B. Balakumar, “Human factors of automated driving systems: A compendium of lessons learned,” International Journal of Human Factors and Ergonomics, vol. 8, no. 2, pp. 183–194, 2021, doi: 10.1504/IJHFE.2021.116066.
A. Rahman, F. Barber, M. Lovric, R. Woodman, and V. Donzella, “Driver Monitoring Systems: Advances, Challenges, and Future Directions in Noncontact Sensor Technologies: A Review,” IEEE Sensors Journal, vol. 26, no. 3, pp. 3540–3557, Feb. 2026, doi: 10.1109/JSEN.2025.3646923.
F. Chen and J. Terken, “Human Factors of Automated Driving,” in Automotive Interaction Design, Springer Tracts in Mechanical Engineering, A. Riener and M. Jeon, Eds. Singapore: Springer, 2023, pp. 273–307, doi: 10.1007/978-981-19-3448-3_16.
N. Pumpugsri, W. Rattanawong, and V. Vongmanee, “Using Telematics and AI Technology to Reduce Road Accidents for Heavy-Duty Vehicles,” in Proc. 2023 27th International Computer Science and Engineering Conference (ICSEC), 2023, doi: 10.1109/ICSEC59635.2023.10329662.
C. Yang, A. Agarwal, and P. Konana, “General Behavioral Impact of Smart System Warnings: A Case of Advanced Driving Assistance Systems,” Production and Operations Management, vol. 34, no. 11, 2025, doi: 10.1177/10591478251336742.
