Publication detail

A Decision Support Model for Transportation Companies to Examine Driver Behavior

Authors: Cubranic-Dobrodolac Marjana | Švadlenka Libor | Markovic Goran Z | Dobrodolac Momčilo

Year: 2021

Type of publication: článek v odborném periodiku

Name of source: IEEE Transactions on Engineering Management

Publisher name: IEEE (Institute of Electrical and Electronics Engineers)

Place: New York

Page from-to: 1-13

Titles:

Language	Name	Abstract	Keywords
cze	Podpůrný rozhodovací model k vyhodnocování chování řidičů pro dopravní společnosti	Společnost a i jednotlivé dopravní společnosti mají zájem na zvyšování bezpečnosti dopravy. Vedle více než 3000 denně ztracených lidských životů jsou zde významné finanční důsledky uskutečněných dopravních nehod. Cílem článku je navrhnout efektivní model pro získání informace o inklinaci řidiče k účasti na dopravní nehodě na základě ocenění jeho osobnostních rysů. To lze dosáhnout vytvořením fuzzy inferenčního systému (FIS) jehož vstupy vstupem body získané v rámci implementovaných psychologických instrumentů a výstupy budou počty dopravních nehod, kterých se řidiči zúčastnili. K uzpůsobení FIS k získaným empirickým datům je aplikována metaheuristika optimalizace pomocí mravenčích kolonií (BCO). V této optimalizační proceduře se testují tři přístupy k definování proměnných vstupního FIS a vzájemně se porovnávají jejich výsledky. Výsledky simulace ukazují rozdíly mezi uvažovanými přístupy a obecně velmi slibné výsledky navrhovaného algoritmu. Nejlepší FIS dosahuje 36% zlepšení objektivní funkce ve srovnání s počátečním FIS. Tento FIS může být použit mimo jiné jako rozhodovací nástroj v procesu přijímání profesionálních řidičů pro ohodnocení jejich sklonu k účasti na dopravní nehodě a tím k ušetření lidských životů a redukci nákladů dopravních společností.	Optimalizace; dopravní nehody; fuzzy logika; multikriteriální rozhodování; Psychologie;
eng	A Decision Support Model for Transportation Companies to Examine Driver Behavior	The entire society, and particularly the transportation companies, has an interest to improve traffic safety. Besides more than 3000 lost lives on the roads every day, there are significant financial consequences of road traffic accidents (RTAs). The purpose of this article is to design an efficient model for providing information about driver propensity for RTAs based on assessing their personality traits. This is achieved by creating a fuzzy inference system (FIS) where inputs are the scores from the implemented psychological instruments and output is the number of RTAs experienced by a driver. To adjust the functioning of FIS to the empirical data, a bee colony optimization (BCO) metaheuristic is applied. In this optimization procedure, we test three approaches for defining the variables of initial FIS and compare their performance. Simulation results show the differences between the considered approaches and, generally, very promising achievements of the proposed algorithm. The best-found FIS reached a 36% improvement of the objective function compared to the starting FIS. This FIS can be used, inter alia, as a decision-making tool in recruitment procedures for professional drivers to assess their propensity for RTAs, by that saving the lives of people and reducing the costs of the companies.	Vehicles; Optimization; Instruments; Psychology; Roads; Fuzzy logic; Recruitment; Bee colony optimization (BCO); decision-making; driver behavior; fuzzy inference system (FIS); road traffic accidents (RTAs)

Search

Login for students

Login for employees

Publication detail

Departments

Other Parts

Map

Services

Popular Links