Diagnostische Unterscheidbarkeit unfallfreier und mehrfach unfallbelasteter Kraftfahrer mit Hilfe nicht-linearer Auswertemethoden / Possibility to differentiate between accident-free drivers and drivers with multiple accidents using non-linear statistical methods

Die vorliegende Studie befasst sich mit der Moeglichkeit zur Unterscheidung von unfallfreien und mehrfach unfallbelasteten Kraftfahrern anhand ihrer Testwerte in einer standardisierten verkehrspsychologischen Testbatterie. Untersucht werden insgesamt 153 Personen, von denen 49 Prozent in einem strukturierten Interview zur Erfassung ihrer Verkehrsunfaelle angeben, bereits zwei oder mehr selbst verschuldete Verkehrunfaelle zu haben, waehrend die uebrigen untersuchten Personen berichten, bisher noch keine Verkehrsunfaelle verursacht zu haben. Die beiden Personengruppen unterscheiden sich nicht in ihrer Fahrumwelt oder in ihrem Fahrverhalten. Alle Personen bearbeiten eine standardisierte Testbatterie zur Erfassung wesentlicher Determinanten der kraftfahrspezifischen Leistungsfaehigkeit sowie der Bereitschaft zur Verkehrsanpassung. Zur Untersuchung der Trennbarkeit der beiden Personengruppen werden sowohl klassische Methoden der statistischen Urteilsbildung als auch artifizielle neuronale Netze herangezogen. Die Ergebnisse zeigen, dass artifizielle neuronale Netze eine weitaus bessere Trennbarkeit der beiden Personengruppen ermoeglichen. Dieser Umstand wird mit dem Vorhandensein nicht-linearer und vollstaendig kompensatorischer Wechselwirkungen zwischen den Praediktorvariablen und der Gruppenzugehoerigkeit als Kriteriumsmass erklaert. (A) ABSTRACT IN ENGLISH: The study at hand investigates possibilities to distinguish accident free drivers and drivers with two or more self-committed accidents based on their results in a standardized traffic psychological test battery. A total of 153 participants took part in this study. 49 percent of these participants report two or more self-committed traffic accidents in a structured interview assessing respondents' accidents. The remaining respondents did not commit any traffic accidents thus far. The two groups do not differ with regard to their driving environment and driving experience. All respondents took a standardized traffic psychological test battery measuring various aspects of their ability to drive and willingness to adjust to traffic-conditions. Classical methods of statistical judgment formation as well as artificial neural nets are used to differentiate accident free drivers and drivers with at least two self-committed accidents. The results indicate that artificial neural nets enable a far better differentiation between these two groups than classical methods of statistical judgment formation, which can be explained by their ability to take non-linear relationships and complete-compensatory relationships into account. (A)

  • Availability:
  • Authors:
    • SOMMER, M
    • Arendasy, M
    • SCHUHFRIED, G
    • Litzenberger, M
  • Publication Date: 2005

Language

  • German

Media Info

Subject/Index Terms

Filing Info

  • Accession Number: 01183989
  • Record Type: Publication
  • Source Agency: Bundesanstalt für Straßenwesen (BASt)
  • Files: ITRD
  • Created Date: Oct 7 2010 11:29AM