UTICAJ KARAKTERISTIKA PUTEVA NA PERCEPCIJU RIZIKA I ...

UNIVERZITETUBEOGRADU

SAOBRAĆAJNIFAKULTET

mrMarjanaV.Čubranić‐Dobrodolac

UTICAJKARAKTERISTIKAPUTEVANAPERCEPCIJURIZIKAIPONAŠANJEVOZAČA

Doktorskadisertacija

Beograd,2017.

II

UNIVERSITYOFBELGRADE

FACULTYOFTRANSPORTANDTRAFFICENGINEERING

MSc.MarjanaV.Čubranić‐Dobrodolac

THEIMPACTOFROADCHARACTERISTICSONDRIVERSRISKPERCEPTIONAND

BEHAVIOR

DoctoralDissertation

Belgrade,2017.

III

MENTOR:

Prof.drSvetlanaČičević,dipl.psih.,

redovniprofesorUniverzitetauBeogradu–Saobraćajnifakultet

ČLANOVIKOMISIJEZAOCENUIODBRANU

DOKTORSKEDISERTACIJE:

Prof.drSvetlanaČičević,dipl.psih.,redovniprofesorUniverzitetauBeogradu–

Saobraćajnifakultet

Prof.drBorisAntić,dipl.inž.saobr.,vanredniprofesorUniverzitetauBeogradu–

SaobraćajnifakultetProf.drMilankoČabarkapa,dip.psih.,

redovniprofesorUniverzitetauBeogradu–Filozofskifakultet,Odeljenjezapsihologiju

Mestoidatumodbrane:Beograd,_________________

IV

UTICAJKARAKTERISTIKAPUTEVA

NAPERCEPCIJURIZIKAIPONAŠANJEVOZAČA

REZIME:

Istraživanje vozačevog opažanja opasnosti u saobraćajnim situacijama, u

najširem smislu, podrazumeva analizu načina kako vozači doživljavaju, tumače i

reaguju na potencijalne opasnosti na putu, kao i kako to utiče na rizične odluke

vezanezaupravljanjevozilomkadasuupitanjuvreme,brzinaiprostor.

Iako direktna kontrola ponašanja vozača nije moguća, projektne i

funkcionalnekarakteristikeputevamorajubitiusklađenesanačinimanakojevozači

opažajusaobraćajnusituacijuidonoseodlukekakobipreduzeliodređenemanevre.

Postavljasepitanjekakovozač,pripermanentnojpercepcijiputamožedaprepozna

mestaopasnosti,dalimožedaihuoči,blagovremenoshvati,donesepravilnuodluku

iadekvatnoreaguje.Jedanodosnovnihproblemaprilikomprojektovanjaputevaje

taj što je ponašanje vozača podložno promenama, u zavisnosti od brojnih

unutrašnjihilispoljašnjih,trenutnihilitrajnihfaktora.Kadarazmatramouticajputa

kao faktora na ponašanje vozača, u najvećem delu determinišu ga putne

karakteristike i saobraćajni uslovi. Sa druge strane, vozači imaju sopstvenu

percepciju imotivaciju zavožnju, iprilagođavajuponašanjekakobioptimizovali

svojučinakpremasvojimčesto subjektivnimkriterijumima.Percepcija iprocena

rizikavažansudeoovogprocesa.

Pregledom stručne litarature, postalo je očigledno da percepcija rizika

funkcioniše na različitim nivoima. Dosadašnja istraživanja koja su se bavila

proučavanjemnačinanakojevozačidoživljavajuopasnostnaputupokazujuveliki

broj metodoloških problema i ograničenja. Relativno mali broj istraživanja je

sprovedenuvezisapercipiranjemrizika,naspramvelikogbrojastudijakojesuse

bavilepreuzimanjemrizika.Opažanjerizika jeposebno interesantno jersenjime

može potencijalno upravljati prilikom projektovanja puteva, dok je teže odrediti

faktoremotivacijeililičnostikojidoprinosepreuzimanjurizika.Problemkojimse

nebaveniteorijanipraksajekakopredvidetiikvantifikovatikoristiilištetekoje

nastajukaoposledicamalihpromenauponašanjuvozača.

V

Nedovoljno pažnje posvećeno je međusobnoj interakciji između faktora

putevaičinilacakojiseodnosenavozačevupercepcijupotencijalnihopasnostina

putu. Uticaj faktora puta je jedan od najkompleksnijih, jer se često pojavljuje u

različitimoblicimaitosamoponekadkaouzročniknastankasaobraćajnenezgode.

Sadrugestrane,putnainfrastrukturatrebadabudetakvadasmanjitehničkirizik

odsaobraćajnihnezgoda.Iakopostojeizolovanipodaci,nepostojijedinstvenskup

rezultatakojibiukazivaokakorazličitielementiputnogisaobraćajnoginženjerstva

utiču na opažanje rizika i na krajnje posledice ponašanja, a samim tim i na

bezbednost u saobraćaju. Veoma često, karakteristike puta mogu da omoguće

ispravljanjegreškevozačailiublažavanjeposledicanastalegreške,aštoseupraksi

veomaretkoanalizirakaouticajputa.

Identifikacija opasnih mesta na putevima predstavlja značajan aspekt

upravljanja opasnim mestima (menadžment crnih tačaka i menadžment

bezbednosti mreža). Metodologija identifikacije opasnihmesta na putevima nije

usaglašena što dodatno usložnjava aktivnosti usmerene ka upravljanju i sanaciji

opasnihmesta.Najčešćesekaopokazateljizaidentifikacijuopasnihmestakoriste

kolektivniiindividualnirizicinezgodaistradanjausaobraćajunaodređenojdeonici

putailiputnompravcu.Oviriziciproračunavajusenaosnovuobjektivnihpodataka

obroju,raspodeli,vrstamaiposledicamasaobraćajnihnezgoda.

PobrojunajopasnijihkilometarskihdeonicaputM‐22povećinirangiranih

parametara zauzima prvo mesto po veličini rizika, naročito kada se posmatra

veličina individualnog rizika. Zato je ona odabrana za analizu u ovoj doktorskoj

disertaciji.

Kako i pored rada na sanaciji i napora da se poboljšaju tehničko‐

eksploatacionekarakteristikaputabrojsaobraćajnihnezgodanaovojdeoniciputa

ostajerelativnokonstantantokomvremena,postajejasnodaobjektivniparametri

rizikanisudovoljnidaobjasnedogađanjesaobraćajnihnezgoda.Otudajeverovatno

pretpostavitidaseodgovorinaovopitanjemorajupotražitidodatnimidetaljnijim

proučavanjem uloge ljudskog faktora. Iz tih razloga, subjektivna percepcija

opasnostinaputuiprocenarazličitihelemenataikarakteristikaovedeoniceputa

odstranevozačasuvarijablekojesuodabranekaofaktoriumodelukojiimazacilj

dapredvidisklonostkadoživljavanjusaobraćajnihnezgoda.

VI

Istraživanjemjeobuhvaćeno305vozača,odčegajeuposmatranomuzorku

bilo 100 vozača autobusa, 102 vozača kamiona, kao i 103 vozača amatera. Kao

kriterijum selekcije za učešće u uzorku uzet je podatak o učestalosti upravljanja

vozilom duž pomenute deonice, tj. uzorkom su obuhvaćeni vozači različitih

kategorija koji često voze duž ove deonice puta. U istraživanju je korišćeno više

psihološkihinstrumenatazaprocenuponašanjauvožnji,kaoispecijalnodizajnirani

instrumentizaprocenurizikanaopasnimmestima,tzv.crnimtačkama.

Uradujedatprikazpostojećihteorijaimodelaukojimaserazmatraodnos

između karakteristika elemenata puteva i percepcije vozača. Takođe, detaljno su

razmatrani i najznačajniji aspekti ljudskog ponašanja koji utiču na oblikovanje

percepcijeprilikomprocenerizičnihdeonicaputa.

Ciljistraživanjajebioformiranjeoptimalnogmodelazapredikcijusklonosti

ka nezgodama vozača, odnosno najbolje kombinacije prediktorskih varijabli iz

domenapsihološkihkarakteristikavozačakaoinjihovepercepcijeopasnihmesta

naputu.Naosnovuopsežnestatističkeanalize,udisertacijijepredloženonekoliko

originalnihmodelaponašanjavozača.Upredloženimmodelimaimplementiranisu

najznačajniji aspekti sklonosti vozača prema riziku, koji se na posredan način,

negativnoodražavajunaukupnubezbednosnuslikuusaobraćaju,vodećisepritom

idejom o mogućnostima praktične primenjljivosti i upotrebne vrednosti

predloženihmodela.

Udisertacijiseizdvajanekolikocelina.Jednacelinaseodnosinautvrđivanje

opasnih mesta na posmatranoj deonici puta. Implementiran je metod „Provera

bezbednosti saobraćaja“ (engl. RSI – Road Safety Inspections). Ovaj metod je

podrazumevao da istraživač obiđe posmatranu deonicu dužine 65 km i detaljno

analiziraelementekojimogubitioduticajanabezbednostsaobraćaja,kaoštosu

funkcijaputa,poprečniprofil,pružanjetrase,ukrštanja,javniiprivatniservisi,javni

objekti i prostori za odmor, javni transport, ranjivi učesnici u saobraćaju,

saobraćajniznaci,oznakenakolovozuiosvetlјenje,okolinaporedputaielementi

pasivnebezbednostiputa.

Druga celina se odnosi naprimenuodgovarajućih instrumenatau funkciji

istraživanjastavovavozačauvezisapercepcijomrizikaikarakteristikamaputa,na

procenebazičnihkarakteristikaličnostivozača,kaoiponašanjakojasuspecifična

VII

za situaciju vožnje. Pored demografskog upitnika, korišćeni su i Upitnik istorije

učešćausaobraćajnimnezgodama,UpitnikoponašanjuvozačanadeoniciputaIB

reda broj 22, Upitnik u vezi sa procenom elemenata posmatrane deonice puta,

Upitnikpercepcijerizikaopasnihmestanaposmatranojdeoniciputa,BIS‐11upitnik

zaprocenuimpulsivnosti,ADBQupitnikzaprocenuagresivnogponašanjauvožnji,

Manchester DAQ upitnik za procenu stavova u vožnji i Upitnik samopercepcije

vozačkihsposobnosti.

Poreddeskriptivnestatistike,korišćenesurazličitemetodezaizračunavanje

povezanosti između različitih pojava koje su od interesa za ovo istraživanje.

Posebno se izdvajajuprimenahijerarhijske regresioneanalize,binarne logističke

regresijeifazilogike.Analiziranasu442fazilogičkasistema,svakinauzorkuod305

ispitanika. Predstavljeni su najvažniji simulacioni rezultati i predložen optimalni

modelkojiomogućujepreciznopredviđanjeindividualnesklonostikadoživljavanju

saobraćajnihnezgodavozača.

KLJUČNEREČI:

Percepcijarizika,ponašanjevozača,saobraćajnenezgode,karakteristikeputeva,

bezbednostsaobraćaja

Naučnaoblast:Tehničko‐tehnološkenauke,Saobraćajnoinženjerstvo

Užanaučnaoblast:Saobraćajnapsihologija

UDKbroj:656.8:519.8(043.3)

VIII

THEIMPACTOFROADCHARACTERISTICS

ONRISKPERCEPTIONANDDRIVERBEHAVIOUR

ABSTRACT:

Theresearchofdrivers'apprehensionofdangeroustrafficsituations,inthe

broadestsense,impliesananalysisofhowdriversperceive,interpretandreactto

potentialhazardsintheroad,aswellas,howitaffectstheriskydecisionsrelatedto

thecontrolofthevehicleintermsoftime,speedandspace.

Althoughthedirectcontrolofdriverbehaviorisnotpossible,thedesignand

functional characteristics of roadsmust comply with the ways in which drivers

perceive trafficsituationandmakedecisions inorder to takecertainmaneuvers.

Thequestionis,howadrivercan,inthepermanentperceptionoftheroad,recognize

thehazardoussites,whetherhecanseethem,understandtheminatimelymanner,

maketherightdecision,andreactappropriately.Oneofthemainproblemswithin

theroadplanninganddesignprocess,isthatdriverbehaviorisnotstrictlysettled,

butissubjecttochangesduetoindividualdifferences,dependingonthenumberof

internal or external, as well as, actual or current factors.When considering the

influenceoftheroadasafactorondriverbehavior,itislargelydeterminedbyits

roadcharacteristicsandtrafficconditions.Ontheotherhand,thedrivershavetheir

own perception andmotivation for driving so as to adjust behavior in order to

optimize their performance according to their own criteria. Perception and risk

assessmentsareimportantpartsofthisprocess.

Throughtheextensiveliteraturereviewundertaken,itbecameapparentthat

theperceptionofriskoperatesatdifferentlevels.Previousstudiesthatdealtwith

the ways in which drivers perceive danger on the road have shown numerous

methodologicalproblemsandconstraints.However,onlyarelativelysmallnumber

ofstudieshavebeencarriedouttoassesstheperceptionofrisk,asopposedtothe

large number of studies dealing with risk‐taking. Risk perception is especially

interestingbecause it potentially canbemanipulatedby optimizing roaddesign,

through its elements, while it is more difficult to determine the motivation or

personality factors thatcontribute torisk‐taking.Problemthatneitheraddresses

the issue from the theoretical point of viewnor from the standpoint of practical

IX

applicationishowtopredictandquantifythebenefitsasopposedtodamagesthat

occurasaresultofsmallchangesindriverbehavior.

Toolittleattentionhasbeendevotedtothemutualinteractionbetweenthe

factorsofroadsandfactorsrelatingtoabilitytoperceivepotentialroadhazardsthat

couldaffectsafety.Theimpactoftheroadfactorisoneofthemostcomplex,because

itoftenappearsindifferentforms,andjustoccasionallyasacauseoftheoccurrence

ofatrafficaccident.Ontheotherhand,aroadinfrastructureshouldbesuchasto

reducethetechnicalriskoftrafficaccidents.Althoughthereareisolateddata,there

isnoauniquesetofresultswhichwouldindicatetheimpactofvariouselementsof

roadandtrafficengineeringonriskperceptionandtheultimateconsequenceson

behaviorandroadsafety. Veryoften,theroadfeaturesmightleadtothecorrection

of driver error or to amitigation of the consequences of a fault,which is rarely

analyzedinpracticeasaroadfactor.

Theidentificationofdangerousplacesontheroadsrepresentsasignificant

aspect of managing hazardous sites (management of black spots and network

securitymanagement).Themethodologyforidentifyingdangerousplacesonroads

isnotharmonized,whichadditionallycomplicatesactivitiesdirectedtowardsthe

management and rehabilitation of dangerous places. Most often, collective and

individualrisksofaccidentsandcasualties inaparticularsectionof theroadare

usedasindicatorsforidentifyingdangerousplaces.Theserisksarecalculatedonthe

basisofobjectivedataonthenumber,distribution,typesandconsequencesoftraffic

accidents.

Bythenumberofthemostdangerousmilesections,theM‐22routebymost

oftherankingparameterstakesthefirstplaceinthesizeoftherisk,especiallywhen

consideringthesizeofindividualrisk.Thisiswhyitwasselectedforanalysisinthis

doctoraldissertation.

As in spite of the work on the rehabilitation and efforts to improve the

technicalandoperationalcharacteristicsoftheroad,thenumberoftrafficaccidents

on this road section remains relatively constant over time, it becomes clear that

objective risk parameters are not sufficient to explain the occurrence of traffic

accidents.Hence, it is likely toassumethat theanswers to thisquestionmustbe

soughtbyadditionalandmoredetailedstudyontheroleofthehumanfactor.For

thesereasons,thesubjectiveperceptionofroadhazardandtheassessmentofthe

X

various elements and characteristics of this section of the road by drivers are

variables chosen as factors in a model that aims to predict the tendency to

experiencetrafficaccidents.

Onehundredforty‐onedriverscomprisedthetotalnumberofparticipants

whofilledoutthesurvey.Participantsincluded100busdrivers,102truckdrivers,

and103amateurdrivers.Themainsampleselectioncriterionwasthefrequencyof

theconsideredroadsectionusage, i.e. thesamplecovereddifferentcategoriesof

driverswhooftendrivealong this road.Severalpsychologicalquestionnaires for

evaluating driving behavior, as well as, specially designed instruments for risk

assessmentinhazardouslocations,orso‐calledblackspots,wereemployedinthe

study.

The thesis provides an overview of existing theories and models which

considertherelationshipbetweenthecharacteristicsofroadelementsanddriver

perception.Themostimportantfactorsthatcontributetodriverperceptionwhen

assessingtheriskoftrafficsituationwillalsobediscussedmorethoroughly.

Theaimoftheresearchwastoformanoptimalmodelforpredictionofthe

tendency towards accidents, that is, the best combination of predictor variables

from the domain of psychological characteristics of drivers, as well as their

perception of dangerous places on the road. Based on the extensive statistical

analysis,severaloriginalmodelsofdriverbehaviorareproposed.Guidedbytheidea

ofthepossibilitiesofpracticalapplicabilityandusefulnessofthemodelsproposed

in the thesis, the most important aspects of a drivers' risk preferences were

implemented,whichindirectlyexhibitadverseeffectsonmentalmodelsofsafetyin

roadtraffic.

Severalsegmentsaredistinguishedinthedissertation.Oneofthemrefersto

the identification of dangerous places on the observed section of the road. The

"RoadSafetyInspections"methodhasbeenimplemented.Thismethodimpliesthat

theresearcherhasvisitedtheconsidered65kmlongroadsectionandhasanalyzed

indetail thepotential elements that affect the traffic safety.Theaforementioned

elementsrelatetotheroadfunction,cross‐sections,routeshape,crossings,public

andprivate services, public facilities and rest areas, public transport, vulnerable

roadusers,trafficsigns,roadwaymarkingsandlighting,roadsideenvironmentand

elementsofpassiveroadsafety.

XI

Theothersegmentreferstotheapplicationofappropriateinstrumentsinthe

functionofexploringtheattitudeofthedriverinrelationtotheperceptionofrisks

androadcharacteristics,totheassessmentofthebasiccharacteristicsofthedriver's

personality,andtothebehaviorspecifictothedrivingsituation.Inadditiontothe

demographic questionnaire, the Questionnaire on the history of participation in

trafficaccidents,theQuestionnaireondriver'sbehaviorontheroadofIBrankroad

no.22,Questionnaireontheevaluationofelementsoftheconsideredroadsection,

Questionnaire on risk perception about danger spots on the considered road

section, BIS‐11 questionnaire for assessing the impulsiveness, the ADBQ

questionnaire forassessingtheaggressivedrivingbehavior, theManchesterDAQ

questionnaire for assessing driving attitudes and the Questionnaire for self‐

assessmentofdrivingability.

Inadditiontodescriptivestatistics,variousmethodswereusedtocalculate

the correlation between different phenomena of interest to this research. In

particular, thehierarchical regressionanalysis,binary logistic regressionand the

fuzzylogicmethodwerecarriedout.Therewere442fuzzylogicsystemsanalyzed,

and each of themwas tested on a sample of 305 subjects. Themost important

simulation results arepresented and theoptimalmodelwhich enables aprecise

assessment of the individual tendency towards experiencing traffic accidents is

proposed.

KEYWORDS:

Riskperception,driverbehavior,trafficaccidents,roadcharacteristics,trafficsafety

Scientificfield:Technicalandtechnologicalsciences,

TransportandTrafficEngineering

Fieldofacademicexpertise:TrafficPsychology

UDKnumber:656.8:519.8(043.3)

XII

SADRŽAJ

PREGLEDTABELA...............................................................................................................................XXIII

PREGLEDSLIKA.................................................................................................................................XXVIII

1. UVODNARAZMATRANJA...................................................................................................1

1.1Obrazloženjemotivazaizborteme.....................................................................1

1.2Predmeticiljistraživanja........................................................................................5

1.3Strukturarada................................................................................................................6

1.4Polaznehipotezeistraživanja................................................................................9

1.5.Ostvarennaučnidoprinos....................................................................................10

2. FAKTORIBEZBEDNOSTISAOBRAĆAJA…………………………………................12

2.1 Uticajkarakteristikaputevanabezbednostsaobraćaja.....................12

2.1.1 Vrstaputa...........................................................................................................13

2.1.2 Elementitraseputa........................................................................................14

2.1.3 Prosečanbrojpriključnihputeva(raskrsnica)...................................15

2.1.4 Ambijentalniuslovi.........................................................................................15

2.1.5 Preprekeporedputa......................................................................................16

2.1.6 Nepovoljnivremenskiuslovi......................................................................18

2.1.7 Osvetljenjeputa................................................................................................18

2.2 Uticajljudskogfaktoranabezbednostsaobraćaja.................................18

2.2.1 Agresivnostuvožnji.......................................................................................21

2.2.2 Razlikeizmeđuagresivnevožnjeiostalihsličnihpsiholoških

konstrukata........................................................................................................21

2.2.3 Teorijeagresije.................................................................................................24

2.2.3.1 Teorijafrustracije‐agresije................................................................24

2.2.3.2 Kognitivnoneoasocijalanmodel.....................................................26

2.2.4 Teorijesocijalnekognicije...........................................................................28

2.2.4.1 Socijalnoučenje......................................................................................28

2.2.4.2 Teorijauzbune........................................................................................30

XIII

2.2.4.3 Društvenainterakcija...........................................................................31

2.2.5 Mladivozačikaopopulacijapodrizikom..............................................32

2.3 Međusobniuticajputevailjudskogfaktora–savremene

perspektive....................................................................................................................36

2.3.1 Modeliponašanjavozača.............................................................................37

2.3.2 Procesiranjeinformacijaipercepcija.................................................... 40

2.3.3 Vizuelnapercepcija:okoikorisnopoljevida(UFOV).....................42

2.3.4 Motivacionimodeliponašanja...................................................................45

2.3.4.1 Modelrizika..............................................................................................45

2.3.4.2 Modeliradnogopterećenja................................................................46

2.3.4.3 Prilagođavanjeponašanja..................................................................48

2.3.5 Određeniusloviusaobraćajnomtokukojidoprinosesmanjenju

bezbednosti........................................................................................................51

3. PROVERABEZBEDNOSTISAOBRAĆAJANADEONICIDRŽAVNOGPUTA

IBREDABROJ22(ODNASELJAŽARKOVODOIZLASKAIZNASELJA

ĆELIJE).......................................................................................................................................53

3.1 Metodološkepostavkeproverebezbednostisaobraćaja(PBS).....55

3.2 Rezultatiistraživanjasadiskusijom...............................................................57

3.2.1 Funkcijaiokruženje.......................................................................................60

3.2.2 Poprečniprofil..................................................................................................60

3.2.3 Pružanjetraseputa.........................................................................................61

3.2.4 Ukrštanja,osvetljenje,prelaziprekoželezničkihpruga.................63

3.2.5 Sadržajiuputnompojasu............................................................................65

3.2.6 Ranjiviučesniciusaobraćaju.....................................................................66

3.2.7 Saobraćajniznakovi,oznakenakolovozu,svetlosniznakovi......68

3.2.8 Okolinaporedputaielementipasivnebezbednostiputa.............69

3.3 Zaključnaanaliza.......................................................................................................70

4. METODOLOGIJAISTRAŽIVANJASTAVOVAVOZAČAUVEZISA

PERCEPCIJOMRIZIKAIKARAKTERISTIKAMAPUTEVA………………..........73

4.1 Karakteristikeuzorkaistraživanjaiproceduraanketiranja............73

XIV

4.2 Merniinstrumenti.....................................................................................................75

4.2.1 Demografskiupitnik.......................................................................................75

4.2.2 Upitnikistorijeučešćausaobraćajnimnezgodama.........................75

4.2.3 Upitnik o ponašanju vozača na deonici puta IB reda broj

22............................................................................................................................76

4.2.4 UpitnikuvezisaprocenomelemenatadeoniceputaIBredabroj

22.............................................................................................................................76

4.2.5 Upitnikpercepcijerizikaopasnihmestanadeoniciputa IBreda

broj22…………………………………………………….........................................76

4.2.5.1 BIS‐11upitnikzaprocenuimpulsivnosti....................................78

4.2.5.2 ADBQupitnikzaprocenuagresivnogponašanjauvožnji....79

4.2.5.3 ManchesterDAQupitnikzaprocenustavovapremarizikuu

vožnji……………………………………………………………………............79

4.2.5.4 Upitniksamoprocenevozačkihsposobnosti.............................80

4.3 Statističkaanalizapodataka................................................................................81

5. DESKRIPTIVNASTATISTIKAINEPARAMETRIJSKITESTOVI

ZAANALIZUUZORKA…………………………………………………………………………………….82

5.1 Deskriptivnaanalizauzorka...............................................................................82

5.1.1 Polnastruktura.................................................................................................82

5.1.2 Kategorijevozača............................................................................................83

5.1.3 Starosnastruktura..........................................................................................84

5.1.4 Pređenakilometraža......................................................................................84

5.1.5 Kategorijavozila..............................................................................................85

5.2 Upitnikistorijeučešćausaobraćajnimnezgodama..............................86

5.2.1 Periodposedovanjavozačkedozvole.....................................................86

5.2.2 Frekvencijakorišćenjaposmatranedeonice.......................................86

5.2.3 Ukupanbrojsaobraćajnihnezgoda.........................................................87

5.2.4 UkupanbrojsaobraćajnihnezgodanadeoniciputaIBreda22...88

5.3 PonašanjevozačanadeoniciputaIBredabroj22.................................. 88

5.3.1 Uzrocinezgodanaposmatranojdeonicipomišljenju

ispitanika.............................................................................................................88

XV

5.3.2 Prosečanbrojkonfliktnihsituacijautokujednogputovanja.......89

5.3.3 Procenasopstvenemaksimalnebrzinekretanja...............................90

5.3.4 Procena maksimalnih brzina kretanja ostalih učesnika na

posmatranojdeonici......................................................................................91

5.4 Prikazdeskriptivnihstatističkihpokazateljamernihinstrumentata

zaprocenuličnostiiponašanjavozača........................................................92

5.5 Neparametarskitestovizaanalizuuzorka:ManVitnijeviKruskal‐

Volisovtest.....................................................................................................................96

5.6 Primena hijerarhijskih loglinearnih modela u proceni efekata

nezavisnihvarijabliinjihovogmeđusobnogodnosa............................99

6. KORELACIJEIMPULSIVNOSTI,AGRESIVNOSTI,STAVOVAPREMARIZIKU

ISAMOPROCENEVOZAČKIHSPOSOBNOSTI....................................................107

6.1 Relacijeizmeđuagresivnostiuvožnjiiimpulsivnosti.......................107

6.2 Relacijeizmeđustavovapremarizikuuvožnjii

impulsivnosti.............................................................................................................111

6.3 Relacijeizmeđusamoprocenevozačkihsposobnostii

impulsivnosti.............................................................................................................113

6.4 Relacijeprocenarizikauvožnjiisamoprocenevozačkih

sposobnosti.................................................................................................................115

6.5 Relacijeizmeđustavovapremarizikuuvožnjii

agresivnosti................................................................................................................117

6.6 Relacijeizmeđuagresivnostiuvožnjiisamoprocenevozačkih

sposobnosti..................................................................................................................119

6.7 Diskusijarezulatakorelacijaizmeđuupitnika......................................121

7. PRIMENA HIJERARHIJSKE REGRESIONE ANALIZE U FORMIRANJU

MODELAPERCEPCIJERIZIKAIPONAŠANJAVOZAČA..................................125

7.1 Opisstatističkemetode........................................................................................125

7.2 Primenahijerarhijskeregresioneanalizeupredikcijisaobraćajnih

nezgoda na osnovu rezultata na psihološkim mernim

instrumentima..........................................................................................................127

XVI

7.2.1 Primenahijerarhijskeregresioneanalizeupredikciji

saobraćajnihnezgodanaosnovuimpulsivnostivozača

(RegresionimodelI)....................................................................................128

7.2.2 Primenahijerarhijskeregresioneanalizeupredikcijisaobraćajnih

nezgoda na osnovu agresivnosti vozača (Regresioni model

II)..........................................................................................................................132


saobraćajnihnezgodanaosnovusklonostikarizikuuvožnji

(RegresionimodelIII).................................................................................134


saobraćajnihnezgodanaosnovusamoprocenevozačkih

sposobnosti(RegresionimodelIV).......................................................137

7.2.5 Regresionimodelzasveinstrumenteprocene................................139

7.2.6 Strukturalnimodeljednačina(strukturalno

modelovanje)..................................................................................................142

7.3 Diskusija rezultata primene hijerarhijske regresione analize u

predikciji saobraćajnih nezgoda na osnovu psiholoških mernih

instrumenata.............................................................................................................143

8. PRIMENAREGRESIONEANALIZEUFORMIRANJUMODELAPERCEPCIJE

RIZIKANAPUTUIPONAŠANJAVOZAČA.............................................................148

8.1 Opisstatističkemetode........................................................................................148

8.2 Primenaregresioneanalizeupredikcijisaobraćajnihnezgodana

osnovuprocenakarakteristikadeoniceputa.........................................149

8.2.1 Procenarizikaopasnihmestakaoprediktorsaobraćajnih

nezgoda(RegresionimodelV)………….................................................150

8.2.2 Subjektivnaprocenaelemenataputaposmatranedeonicekao

prediktorsaobraćajnihnezgoda(RegresionimodelVI)............. 155

8.3 Diskusijarezultata..................................................................................................159

9. BINARNALOGISTIČKAREGRESIJA.........................................................................164

XVII

9.1 Primenalogističkebinarneregresijeupredikcijiuticaja

psihološkihkaraktersitikananastanaksaobraćajnihnezgoda..165

9.2 Primenalogističkebinarneregresijeupredikcijiuticaja

percepcijeopasnihmestaikarakteristikaputananastanak

saobraćajnihnezgoda...........................................................................................168

9.3 Diskusija.......................................................................................................................171

10. MODELI ZA PROCENU SKLONOSTIKA SAOBRAĆAJNIMNEZGODAMA

BAZIRANI NA KORIŠĆENJU INSTRUMENATA ZA PROCENU

KARAKTERISTIKALIČNOSTIIPRIMENIFAZILOGIKE.............................173

10.1 Osnoveteorijefaziskupovaifazilogike.................................................174

10.1.1 Fazilogičkisistemi.......................................................................................175

10.1.2 WangMendelovmetodzagenerisanjefazipravila.......................177

10.2 Pregledliteratureizoblastifazilogikeirešavanjasaobraćajnih

problema...................................................................................................................178

10.3 Modelizaprocenusklonostikasaobraćajnimnezgodama.........180

10.3.1 Modelizaprocenusklonostikasaobraćajnimnezgodamau

kojimasudomenifunkcijapripadnostidefinisaninaosnovu

podatakaizempirijskogistraživanjauokvirudoktorske

disertacije.........................................................................................................182

10.3.1.1Modelizaprocenusklonostikasaobraćajnimnezgodamasa

jednomulaznompromenljivomkojaseodnosinaskornaADBQ

upitnikuzaprocenuagresivnogponašanjauvožnji.............................182


jednomulaznompromenljivomkojaseodnosinaskornaBIS‐11

upitnikuzaprocenuimpulsivnosti...............................................................193


jednomulaznompromenljivomkojaseodnosinaskorna

ManchesterDAQupitnikuzaprocenurizikauvožnji..........................200


jednomulaznompromenljivomkojaseodnosinaskornaUpitnikuza

samoprocenusopstvenihvozačkihsposobnosti....................................208

XVIII


dveulaznepromenljivekojeseodnosenaskornaADBQupitnikuza

procenuagresivnogponašanjauvožnjiiskornaBIS‐11upitnikuza

procenuimpulsivnosti........................................................................................216



procenuagresivnogponašanjauvožnjiiskornaManchesterDAQ

upitnikuzaprocenurizikauvožnji..............................................................219



procenuagresivnogponašanjauvožnjiiskornaupitnikuza



dveulaznepromenljivekojeseodnosenaskornaBIS‐11upitnikuza

procenuimpulsivnostiiskornaManchesterDAQupitnikuza

procenurizikauvožnji.......................................................................................225


dveulaznepromenljivekojeseodnosenaskornaBIS‐11upitnikuza

procenuimpulsivnostiiskornaupitnikuzasamoprocenusopstvenih

vozačkihsposobnosti..........................................................................................228

10.3.1.10Modelizaprocenusklonostikasaobraćajnimnezgodama

sadveulaznepromenljivekojeseodnosenaskornaManchester

DAQupitnikuzaprocenurizikauvožnjiiskornaupitnikuza



satriulaznepromenljivekojeseodnosenaskornaADBQupitnikuza

procenuagresivnogponašanjauvožnji,skornaBIS‐11upitnikuza

procenuimpulsivnostiiskornaManchesterDAQupitnikuza

procenurizikauvožnji.......................................................................................234

XIX



procenuagresivnogponašanjauvožnji,skornaBIS‐11upitnikuza

procenuimpulsivnostiiskornaupitnikuzasamoprocenusopstvenih

vozačkihsposobnosti..........................................................................................237



procenuagresivnogponašanjauvožnji,skornaManchesterDAQ

upitnikuzaprocenurizikauvožnjiiskornaupitnikuza



satriulaznepromenljivekojeseodnosenaskornaBIS‐11upitniku

zaprocenuimpulsivnosti,skornaManchesterDAQupitnikuza

procenurizikauvožnjiiskornaupitnikuzasamoprocenu

sopstvenihvozačkihsposobnosti..................................................................244


sačetiriulaznepromenljivekojeseodnosenaskornaADBQ

upitnikuzaprocenuagresivnogponašanjauvožnji,skornaBIS‐11

upitnikuzaprocenuimpulsivnosti,skornaManchesterDAQupitniku

zaprocenurizikauvožnjiiskornaupitnikuzasamoprocenu

sopstvenihvozačkihsposobnosti..................................................................247

10.3.2 Diskusija–Izboroptimalnogmodelazaprocenusklonostika

saobraćajnimnezgodamaukojimasudomenifunkcija

pripadnostidefinisaninaosnovupodatakaizempirijskog

istraživanja......................................................................................................250

10.3.3 Modelizaprocenusklonostikasaobraćajnimnezgodamau

kojimasudomenifunkcijapripadnostidefinisaninaosnovu

podatakaizliterature..................................................................................258

10.3.4 Diskusija–Izboroptimalnogmodelazaprocenusklonostika

saobraćajnimnezgodamaukojimasudomenifunkcija

pripadnostidefinisaninaosnovupodatakaiz

literature...........................................................................................................272

XX

10.4 Finopodešavanjenajboljegfazilogičkogsistema.............................282

10.4.1 Finopodešavanjeoptimalnogfazilogičkogsistemamenjanjem

metodedefazifikacije..................................................................................282

10.4.2 Finopodešavanjeoptimalnogfazilogičkogsistemamenjanjem

domenafunkcijapripadnosti...................................................................284

10.4.2.1Podeševanjedomenafunkcijapripadnostipromenljive

Agresivnost..............................................................................................................284


Impulsivnost...........................................................................................................285


Rizik............................................................................................................................287


Samoprocena..........................................................................................................288


Nezgode....................................................................................................................289

10.5 Opisfinalnogfazilogičkogsistema............................................................290

10.6 Poređenjerezultatahijerarhijskeregresioneanalizeiprimene

fazilogičkihsistema............................................................................................295

11. MODEL ZA PROCENU SKLONOSTI KA SAOBRAĆAJNIM NEZGODAMA

BAZIRANNAANALIZIKARAKTERISTIKAIZABRANEDEONICEPUTA I

PRIMENIFAZILOGIKE................................................................................................297

11.1 Promenljiveurazmatranimfazilogičkimmodelima......................297

11.2 Modelizaprocenusklonostikasaobraćajnimnezgodama

baziraninaanaliziizabranedeoniceputa...............................................301

11.2.1 Modelizaprocenusklonostikasaobraćajnimnezgodamasa

jednomulaznompromenljivomkojaseodnosinaOpasna

mesta..................................................................................................................301


jednomulaznompromenljivomkojaseodnosinaKarakteristike

puta.....................................................................................................................305

XXI


jednomulaznompromenljivomkojaseodnosinaUčestalost

vožnje.................................................................................................................308

11.2.4 Modelizaprocenusklonostikasaobraćajnimnezgodamasadve

ulaznepromenljivekojeseodnosenaOpasnamestai

Karakteristikeputa......................................................................................312


ulaznepromenljivekojeseodnosenaOpasnamestaiUčestalost

vožnje.................................................................................................................314


ulaznepromenljivekojeseodnosenaKarakteristikeputai

Učestalostvožnje..........................................................................................316

11.2.7 Modelizaprocenusklonostikasaobraćajnimnezgodamasatri

ulaznepromenljivekojeseodnosenaOpasnamesta,

KarakteristikeputaiUčestalostvožnje..............................................318

11.3 Diskusija....................................................................................................................321

11.4 Finopodešavanjenajboljegfazilogičkogsistema.............................327

11.4.1 Finopodešavanjenajboljegfazilogičkogsistemamenjanjem

metodedefazifikacije..................................................................................328

11.4.2 Finopodešavanjenajboljegfazilogičkogsistemamenjanjem

domenafunkcijapripadnosti...................................................................329


Opasnamesta.........................................................................................................330


Karakteristikeputa..............................................................................................331


Nezgode....................................................................................................................332

11.5 Opisfinalnogfazilogičkogsistemazaprocenuskonostika

saobraćajnimnezgodamanaosnovuprocenakarakteristika

puta..................................................................................................................................333

12. ZAKLJUČNARAZMATRANJA,DISKUSIJAIPRAVCIBUDUĆIHISTRAŽIVANJA.................................................................................................................339

XXII

LITERATURA.........................................................................................................................................350

PRILOGA:Loglinearnimodeli…........................................................................................381

PRILOGB:Fazipravila….......................................................................................................407

PRILOGC:Varijableufazilogičkimsistemima...........................................................452

BIOGRAFIJAAUTORA…………………………………………………………………………….467

PRILOG1.Izjavaoautorstvu..............................................................................................468

PRILOG2.Izjavaoistovetnostištampaneielektronskeverzijedoktorskograda.................................................................................................469

PRILOG3.Izjavaokorišćenju......................................................................................................470

XXIII

PREGLEDTABELA

Tabela3.1.Prosečangodišnjidnevnisaobraćaju2016.godini…...................................59

Tabela5.1.Deskriptivnastatistikazaprocenurizikaikarakteristikaponašanjavozača.................................................................................................................................93

Tabela5.2.DeskriptivnastatistikazaBIS‐11upitnikzarazličitekategorijevozača..……….................................................................................................................. 93

Tabela5.3.DeskriptivnastatistikazaADBQupitnikzarazličitekategorijevozača…………………………………................................................................................................94

Tabela5.4.UkupniprosečniskorovizaDAQupitnikzarazličitekategorijevozača………....................................................................................................................95

Tabela5.5.Ukupniprosečniskorovisamoprocenevozačkihsposobnostizarazličitekategorijevozača........................................................................................95

Tabela5.6.StatistikaMan‐VitnijevogUtesta.........................................................................97

Tabela5.7.Rezultatihi‐kvadrattestazaocenuopasnihmesta.......................................97

Tabela5.8.Srednjirangoviocenaopasnihmestauodnosunakategorijevozača..98

Tabela5.9.Rezultatihi‐kvadrattestazaocenukarakteristikaputa.............................98

Tabela 5.10. Srednji rangovi ocena karakteristika puteva u odnosu na kategorije

vozača...........................................................................................................................98

Tabela5.11.Rezultatihi‐kvadrattestazaBIS‐11instrument.........................................99

Tabela5.12.SrednjirangovizaBIS‐11instrumentuodnosunakategorije

vozača.............................................................................................................................99

Tabela5.13.PodacizamodelI(višihijerarhijskimodel)................................................101

Tabela5.14.PodacizamodelI(nižihijerarhijskimodel)...............................................101

Tabela5.15.PodacizamodelII(višihijerarhijskimodel)..............................................102

Tabela5.16.PodacizamodelII(nižihijerarhijskimodel)..............................................102

Tabela5.17.PodacizamodelIII(nižihijerarhijskimodel).............................................103

Tabela5.18.PodacizamodelIII(višihijerarhijskimodel).............................................103

Tabela5.19.PodacizamodelIV(višihijerarhijskimodel).............................................104

Tabela5.20.PodacizamodelIV(nižihijerarhijskimodel)............................................104

XXIV

Tabela5.21.PodacizamodelV(višihijerarhijskimodel)..............................................104

Tabela5.22.PodacizamodelVI(višihijerarhijskimodel).............................................105

Tabela5.23.Efekattrostrukeasocijacije(procenakaraktersitikaputa)..................106

Tabela5.24.PodacizamodelVI(nižihijerarhijskimodel)............................................106

Tabela6.1.KorelacijeskalaupitnikaADBQiskalaupitnikaBIS‐11...........……….....109

Tabela6.2.KorelacijeskalaupitnikaDAQiskalaupitnikaBIS‐11………...................112

Tabela6.3.KoeficijentkorelacijeizmeđuUpitnikasamoproceneiBIS‐11upitnika………………...……............................................................................................................114

Tabela6.4.KoeficijentkorelacijeizmeđuDAQupitnikaiUpitnikasamoprocene……………….………..........................................................................................................116

Tabela6.5.KoeficijentkorelacijeizmeđuDAQupitnikaiADBQupitnika................118

Tabela6.6.KoeficijentkorelacijeizmeđuADBQupitnikaiUpitnikazasamoprocenuvozačkihsposobnosti...............................................................................................120

Tabela7.1.OdređivanjePirsonovogkoeficijentakorelacijeizmeđustarosti,vozačkogiskustva,skorovanainstrumentimaiuključenostiusaobraćajnenezgode……………...............................................................................129

Tabela7.2.PrikazregresionogmodelaI……………………………………………..................130

Tabela7.3.ProveraznačajnostimodelaIkaocelineprimenomANOVAtesta......130

Tabela7.4KoeficijentimodelaI..................................................................................................131

Tabela7.5.PrikazregresionogmodelaII...............................................................................132

Tabela7.6.ProveraznačajnostimodelaIIkaocelineprimenomANOVAtesta.....133

Tabela7.7.KoeficijentimodelaII...............................................................................................133

Tabela7.8.PrikazregresionogmodelaIII..............................................................................135

Tabela7.9.ProveraznačajnostimodelaIIIkaocelineprimenomANOVAtesta...135

Tabela7.10.KoeficijentimodelaIII...........................................................................................136

Tabela7.11.PrikazregresionogmodelaIV...........................................................................137

Tabela7.12.ProveraznačajnostimodelaIVkaocelineprimenomANOVAtesta.138

Tabela7.13.KoeficijentimodelaIV...........................................................................................138

Tabela7.14.Prikazvišestrukogregresionogmodela........................................................140

Tabela7.15.ProveraznačajnostivišestrukogregresionogmodelakaocelineprimenomANOVAtesta.......................................................................................141

XXV

Tabela7.16.Koeficijentivišestrukogregresionogmodela.............................................141

Tabela9.1.OmnibustestmodelaI.............................................................................................165

Tabela9.2CoxiSnellRSquareModelI...................................................................................166

Tabela9.3HosmeriLemeshowTestI.....................................................................................166

Tabela9.4KlasifikacijaI.................................................................................................................166

Tabela9.5DoprinosisvakevarijableI.....................................................................................167

Tabela9.6.OmnibustestmodelaII...........................................................................................169

Tabela9.7.CoxiSnellRKvadratModelII..............................................................................169

Tabela9.8HosmeriLemeshowTestII....................................................................................170

Tabela9.9DoprinosisvakevarijableII...................................................................................170

Tabela9.10DoprinosisvakevarijableII.................................................................................171

Tabela10.1Bazaulaznihiizlaznihpodataka.......................................................................181

Tabela10.2.ZbirapsolutnihgrešakazaslučajfazilogičkogsistemaI......................187

Tabela10.3.ZbirapsolutnihgrešakafazilogičkihsistemaodIdoXV………………189

Tabela10.4.ZbirapsolutnihgrešakafazilogičkihsistemaodXVIdoXXX………...197

Tabela10.5.ZbirapsolutnihgrešakafazilogičkihsistemaodXXXIdoXLV...........205

Tabela10.6.ZbirapsolutnihgrešakafazilogičkihsistemaodXLVIdoLX…………212

Tabela10.7.ZbirapsolutnihgrešakafazilogičkihsistemaodLXIdoLXXVII…….218

Tabela10.8.ZbirapsolutnihgrešakafazilogičkihsistemaodLXXVIIIdoXCIII…221

Tabela10.9.ZbirapsolutnihgrešakafazilogičkihsistemaodXCIVdoCIX……….224

Tabela10.10.ZbirapsolutnihgrešakafazilogičkihsistemaodXCIVdoCIX……..227

Tabela10.11.ZbirapsolutnihgrešakafazilogičkihsistemaodCXXVIIdoCXLIII………………………………………………………………………………………230

Tabela10.12.ZbirapsolutnihgrešakafazilogičkihsistemaodCXLIVdoCLVIII……………………………………………………………………………………….233

Tabela10.13.ZbirapsolutnihgrešakafazilogičkihsistemaodCLIXdoCLXXV…236

Tabela10.14.ZbirapsolutnihgrešakafazilogičkihsistemaodCLXXVIdoCXCII………………………………………………………………………………………..239

Tabela10.15.ZbirapsolutnihgrešakafazilogičkihsistemaodCXCIIIdoCCVIII………………………………………………………………………………………242

XXVI

Tabela10.16.ZbirapsolutnihgrešakafazilogičkihsistemaodCCIXdoCCXXV...245

Tabela10.17.ZbirapsolutnihgrešakafazilogičkihsistemaodCCXXVIdoCCXLII……………………………………………………………………………………...249

Tabela10.18.OdnosrazličitihkoncepatafazilogičkihsistemaodIdoCCXLII….251

Tabela10.19.Oblicifunkcijapripadnostikojisuzastupljeniunajboljimfazilogičkimsistemimausvakomodkoncepata………………….................. 253

Tabela10.20.Odnosstandardnihdevijacijarezultatafazilogičkihsistemapremaizborufunkcijapripadnostiipremaizborukoncepta..........................257

Tabela10.21.VrednostinaADBQupitnikudostupneuliteraturi...............................258

Tabela10.22.VrednostinaBIS‐11upitnikudostupneuliteraturi.............................260

Tabela10.23.VrednostinaDAQupitnikudostupneuliteraturi..................................264

Tabela10.24.Vrednostinaupitnikuzasamoprocenuvozačkihsposobnostidostupneuliteraturi...........................................................................................265

Tabela10.25.OdnosrazličitihkoncepatafazilogičkihsistemaodCCXLIIIdoCCLVII........................................................................................................................273

Tabela10.26.ZbirapsolutnihgrešakafazilogičkihsistemaodCCLVIIIdoCCLXXI……………………………………………………………………………………..275

Tabela10.27.Uporednaanalizarazličitihmetodadefazifikacije.................................283

Tabela10.28.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuAgresivnost...................................................................................285

Tabela10.29.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuImpulsivnost................................................................................ 286

Tabela10.30.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuRizik................................................................................................. 287

Tabela10.31.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuSamoprocena...............................................................................288

Tabela10.32.TestiranjepromenedomenafunkcijapripadnostizaizlaznupromenljivuNezgode..........................................................................................289

Tabela10.33.Prosečnevrednostiskorovaposmatranopokategorijamaufunkcijibrojanezgoda.........................................................................................................293

Tabela11.1.Bazaulaznihiizlaznihpodataka………………………………………………….300

Tabela11.2.ZbirapsolutnihgrešakafazilogičkihsistemaodIadoXVa…………...304

Tabela11.3.ZbirapsolutnihgrešakafazilogičkihsistemaodXVIadoXXXa…..…308

XXVII

Tabela11.4.ZbirapsolutnihgrešakafazilogičkihsistemaodXXXIadoXLVa…...311

Tabela11.5.ZbirapsolutnihgrešakafazilogičkihsistemaodXLVIadoLXIa…….313

Tabela11.6.ZbirapsolutnihgrešakafazilogičkihsistemaodLXIIadoLXXVIIIa……………………………………………………………………………………..315

Tabela11.7.ZbirapsolutnihgrešakafazilogičkihsistemaodLXXIXadoXCIIIa…………………………………………………………………………………………318

Tabela11.8.ZbirapsolutnihgrešakafazilogičkihsistemaodXCIVadoCXa……..320

Tabela11.9.OdnosrazličitihkoncepatafazilogičkihsistemaodIadoCXa……….322

Tabela11.10.Oblicifunkcijapripadnostikojisuzastupljeniunajboljimfazilogičkimsistemimausvakomodkoncepata………………………………323

Tabela11.11.Uporednaanalizarazličitihmetodadefazifikacije.................................328

Tabela11.12.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuOpasnamesta...............................................................................330

Tabela11.13.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuKarakteristikeputa...................................................................331

Tabela11.14.TestiranjepromenedomenafunkcijapripadnostizaizlaznupromenljivuNezgode..........................................................................................332

Tabela11.15.Prosečnevrednostiocenaposmatranopokategorijamaufunkcijibrojanezgoda.........................................................................................................336

XXVIII

PREGLEDSLIKA

Slika2.1.Faktorikojiutičunaponašanjevozača....................................................................20

Slika2.2.Odnosizmeđurizičneiagresivnevožnje...............................................................22

Slika2.3.Frustracija‐agresijamodelagresivnevožnje....................................................... 26

Slika2.4Vožnjapoddejstvomalkoholakodmladihvozača.............................................34

Slika2.5Učestalostvožnjepoddejstvomalkoholakodmladihvozača........................34

Slika2.6.Korišćenjemobilnogtelefonaiučestvovanjeunezgodama…………...........35

Slika2.7Uticajupotrebamobilnihtelefonauvožnjimeđumladimvozačimauodnosunadoživljavanjesaobraćajnihnezgoda…..............................................36

Slika2.8.Pregledrazličitihmodelaponašanjavozača.........................................................38

Slika2.9KombinacijanivoaučinkapremaRasmussenuihijerarhijskimodelpremaMichonu...............................................................................................................................39

Slika2.10GeneričkisistemmodeliranjakojipredlažeReason.......................................40

Slika2.11.Metodiproceneradnogopterećenjainjihovodnossaopštomprocenombezbednosti.....................................................................................................................47

Slika2.12.Prilagođavanjeponašanja:konačnirezultati.....................................................48

Slika2.13.Modelprocesaprilagođavanjaponašanja………………………….....................49

Slika3.1.ProcessprovođenjaProverebezbednostisaobraćaja......................................56

Slika3.2.NajrizičnijetačkeusaobraćajunaputnojmrežiRepublikeSrbije..............58

Slika3.3.Prilazstanicizasnabdevanjegorivom....................................................................60

Slika3.4.Izgledsaobraćajnihtraka............................………………………………………...........61

Slika3.5.Izgledsaobraćajnihtraka..............................................................................................61

Slika3.6.Pružanjetraseputa..........................................................................................................62

Slika3.7.Primersemaforizovaneraskrsnice...........................................................................63

Slika3.8.Primerlevogskretanja...................................................................................................64

Slika3.9.SkretanjezaBarajevoizpravcaBeograda–nepostojanjeposebnetrakezaskretanje.........................................................................................................................64

Slika3.10.UkrštanjekodVelikihCrljena...................................................................................64

Slika3.11.UkrštanjesaprugomBeograd–Bar......................................................................65

XXIX

Slika3.12.Trgovačkiobjektiporedputa...................................................................................65

Slika3.13.Ugostiteljskiobjekatporedputa.............................................................................66

Slika3.14.Kretanjepešakakolovozom......................................................................................66

Slika3.15.Kretanjepešakakolovozom......................................................................................67

Slika3.16.Pretrčavanjekolovozaodstranepešaka.............................................................67

Slika3.17.Kretanjetraktoranaposmatranojdeonici.........................................................67

Slika3.18.Izgledvertikalnesignalizacije..................................................................................68

Slika3.19.Izgledhorizontalnesignalizacije.............................................................................68

Slika3.20.NepravilanpriključaknaIbarskojmagistrali....................................................69

Slika3.21.Stajalištejavnogprevoza............................................................................................70

Slika3.22.Primerstajalištaulošemstanju..............................................................................70

Slika4.1PrikazopasnihmestanadeoniciputaIBredabroj22...….................................77

Slika5.1.Polnastrukturaispitanika............................................................................................83

Slika5.2.Procentualnadistribucijavozačapokategorijama……....................................83

Slika5.3.Starosnastrukturavozača………………………..........................................................84

Slika5.4.Pređenakilometražavozačauuzorku.................................................................... 85

Slika5.5.Zastupljenostrazličitihkategorijavozilauuzorku............................................85

Slika5.6.Periodposedovanjavozačkedozvolevozačaizuzorka...................................86

Slika5.7.Frekvencijakorišćenjaposmatranedeonicevozačaizuzorka.....................87

Slika5.8.Strukturaanketiranihvozačapremabrojunezgodaukojimasuučestvovali...........................................................................................................................87

Slika5.9.Strukturaanketiranihvozačapremabrojunezgodaukojimasuučestvovalinaposmatranojdeonici………............................................................88

Slika5.10.Uzrocinezgodanadeonicipomišljenjuispitanika.....……………................ 89

Slika5.11.Prosečanbrojkonfliktnihsituacijautokujednogputovanja………..........90

Slika5.12.Samopercepiranamaksimalnihbrzinakretanjanaposmatranoj

deonici.…………................................................................................................................90

Slika5.13.Percepiranamaksimalnabrzinakretanjaostalihučesnikanaposmatranojdeonici………........................................................................................91

XXX

Slika7.1.Grafičkiprikazdijagramarasipanjailinearneregresijezavisnostisaobraćajnihnezgodaiimpulsivnosti..................................................................131

Slika7.2.Grafičkiprikazdijagramarasipanjailinearneregresijezavisnostisaobraćajnihnezgodaiagresivnosti....................................................................134

Slika7.3.Grafičkiprikazdijagramarasipanjailinearneregresijezavisnosti

saobraćajnihnezgodaistavovapremariziku........................................................................136

Slika7.4.Grafičkiprikazdijagramarasipanjailinearneregresijezavisnostisaobraćajnihnezgodaisamoprocenevozačkihsposobnosti…………......139

Slika7.5.DijagramodnosaADBQ,BIS‐11,DAQ,SamoproceneiBrojanezgoda...143

Slika8.1.Grafikregresionepravezamodelodnosaprocenecrnihtačakaiukupnogbrojasaobraćajnihnezgoda(Ukupanuzorakvozača)………………............151

Slika8.2.Grafikregresionepravezamodelodnosaprocenecrnihtačakaiukupnogbrojasaobraćajnihnezgoda(Uzorakvozačaputničkihvozila).................151

Slika8.3.Grafikregresionepravezamodelodnosaprocenecrnihtačakaiukupnogbrojasaobraćajnihnezgoda(Uzorakvozačaautobusa)...............................152

Slika8.4.Grafikregresionepravezamodelodnosaprocenecrnihtačakaiukupnogbrojasaobraćajnihnezgoda(Uzorakvozačakamiona)………………….......152

Slika8.5.Grafikregresionepravezamodelodnosaprocenecrnihtačakaisaobraćajnihnezgodanaposmatranojdeonici(Ukupanzorak)………...153

Slika8.6.Grafikregresionepravezamodelodnosaprocenecrnihtačakaisaobraćajnihnezgodanaposmatranojdeonici(Uzorakvozačaputničkihvozila).................................................................................................................................154

Slika8.7.Grafikregresionepravezamodelodnosaprocenecrnihtačakaisaobraćajnihnezgodanaposmatranojdeonici(Uzorakvozačaautobusa)……………………………...................................................................................154

Slika8.8.Grafikregresionepravezamodelodnosaprocenecrnihtačakaisaobraćajnihnezgodanaposmatranojdeonici(Uzorakvozačakamiona)………………………….......................................................................................155

Slika8.9.Grafikregresionepravezamodelodnosaproceneelemenataputaiukupnogbrojasaobraćajnihnezgoda(Ukupanuzorak)..............................157

Slika8.10.Grafikregresionepravezamodelodnosaproceneelemenataputaiukupnogbrojasaobraćajnihnezgoda(vozačiputničkihautomobila)157

Slika8.11.Grafikregresionepravezamodelodnosaproceneelemenataputaiukupnogbrojasaobraćajnihnezgoda(Vozačiautobusa)………..............158

XXXI

Slika8.12.Grafikregresionepravezamodelodnosaproceneelemenataputaiukupnogbrojasaobraćajnihnezgoda(Vozačikamiona)..........................159

Slika10.1.Funkcijapripadnostifazibroja„otprilike5“...................................................175

Slika10.2.Osnovnielementifazilogičkogsistema............................................................176

Slika10.3.KonceptfazilogičkihsistemaodIdoXV..........................................................182

Slika10.4.Podeladomenaulaznepromenljive„Agresivnost“iodgovarajućefunkcijepripadnostiufazilogičkomsistemuI…..........................................183

Slika10.5.Podeladomenaizlaznepromenljive„Nezgode“iodgovarajućefunkcijepripadnostiufazilogičkomsistemuI...............................................................184

Slika10.6.InterfejszaizračunavanjeizlaznepromenljivenaosnovuzadateulaznepromenljiveufazilogičkomsistemuI..............................................................185

Slika10.7.UkupnegreškefazilogičkihsistemakodkojihjeulaznavarijablaskornaADBQupitnikuzaprocenuagresivnogponašanjauvožnji(odIdoXV)....................................................................................................................................192

Slika10.8.KonceptfazilogičkihsistemaodXVIdoXXX..................................................193

Slika10.9.Podeladomenaulaznepromenljive„Impulsivnost“iodgovarajućefunkcijepripadnostiufazilogičkomsistemuXVI........................................194

Slika10.10.UkupnegreškefazilogičkihsistemaukojimajeulaznavarijablaskornaBIS‐11upitnikuzaprocenuimpulsivnosti(odXVIdoXXX)............. 200

Slika10.11.KonceptfazilogičkihsistemaodXXXIdoXLV............................................ 201

Slika10.12.Podeladomenaulaznepromenljive„Rizik“iodgovarajućefunkcijepripadnostiufazilogičkomsistemuXXXI………………………………………202

Slika10.13.UkupnegreškefazilogičkihsistemakodkojihjeulaznavarijablaskornaManchesterDAQupitnikuzaprocenurizikauvožnji(odXXXIdoXLV)..................................................................................................................................208

Slika10.14.KonceptfazilogičkihsistemaodXLVIdoLX................................................209

Slika10.15.Podeladomenaulaznepromenljive„Samoprocena“iodgovarajućefunkcijepripadnostiufazilogičkomsistemuXLVI………………………….210

Slika10.16.UkupnegreškefazilogičkihsistemakodkojihjeulaznavarijablaskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odXLVIdoLX)..............................................................................................................................215

Slika10.17.KonceptfazilogičkihsistemaodLXIdoLXXVII..........................................216

XXXII

Slika10.18.UkupnegreškefazilogičkihsistemasadveulaznepromenljivekojeseodnosenaskornaADBQupitnikuiskornaBIS‐11upitniku(odLXIdoLXXVII)............................................................................................................................219

Slika10.19.KonceptfazilogičkihsistemaodLXXVIIIdoXCIII………………………....220

Slika10.20.UkupnegreškefazilogičkihsistemaodLXXVIIIdoXCIII.......................222

Slika10.21.KonceptfazilogičkihsistemaodXCIVdoCIX……………………………….223

Slika10.22.UkupnegreškefazilogičkihsistemasadveulaznepromenljivekojeseodnosenaskornaADBQupitnikuiskornaManchesterDAQupitniku(odLXXVIIIdoXCIII)................................................................................................225

Slika10.23.KonceptfazilogičkihsistemaodCXdoCXXVI……………………………… 226

Slika10.24.UkupnegreškefazilogičkihsistemasadveulaznepromenljivekojeseodnosenaskornaBIS‐11upitnikuiskornaManchesterDAQupitniku(odCXdoCXXVI)........................................................................................................228

Slika10.25.KonceptfazilogičkihsistemaodCXXVIIdoCXLIII………………………..229

Slika10.26.UkupnegreškefazilogičkihsistemasadveulaznepromenljivekojeseodnosenaskornaBIS‐11upitnikuiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odCXXVIIdoCXLIII)..........................231

Slika10.27.KonceptfazilogičkihsistemaodCXLIVdoCLVIII………………………....232

Slika10.28.UkupnegreškefazilogičkihsistemasadveulaznepromenljivekojeseodnosenaskornaManchesterDAQupitnikuiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odCXLIVdoCLVIII)..............................................................................................................................234

Slika10.29.KonceptfazilogičkihsistemaodCLIXdoCLXXV…………………………...235

Slika10.30.UkupnegreškefazilogičkihsistemasatriulaznepromenljivekojeseodnosenaskornaADBQupitniku,skornaBIS‐11upitnikuiskornaManchesterDAQupitniku(odCLIXdoCLXXV)............................................237

Slika10.31.KonceptfazilogičkihsistemaodCLXXVIdoCXCII………………………...238

Slika10.32.UkupnegreškefazilogičkihsistemasatriulaznepromenljivekojeseodnosenaskornaADBQupitniku,skornaBIS‐11upitnikuiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odCLXXVIdoCXCII)........................................................................................................................240

Slika10.33.KonceptfazilogičkihsistemaodCXCIIIdoCCVIII…………………………241

XXXIII

Slika10.34.UkupnegreškefazilogičkihsistemasatriulaznepromenljivekojeseodnosenaskornaADBQupitniku,skornaManchesterDAQupitnikuiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odCXCIIIdoCCVIII).........................................................................................................243

Slika10.35.KonceptfazilogičkihsistemaodCCIXdoCCXXV…………………………..244

Slika10.36.UkupnegreškefazilogičkihsistemasatriulaznepromenljivekojeseodnosenaskornaBIS‐11upitniku,skornaManchesterDAQupitnikuiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odCCIXdoCCXXV)...........................................................................................................246

Slika10.37.KonceptfazilogičkihsistemaodCCXXVIdoCCXLII…………………........247

Slika10.38.UkupnegreškefazilogičkihsistemasačetiriulaznepromenljivekojeseodnosenaskornaADBQupitniku,skornaBIS‐11upitniku,skornaManchesterDAQupitnikuiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odCCXXVIdoCCXLII).......................250

Slika10.39.Odnosnajboljihfazilogičkihsistemausvakomodkoncepata‐rangirano.......................................................................................................................252

Slika10.40.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimakodpromenljiveAgresivnost………………………………………...254

Slika10.41.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimakodpromenljiveImpulsivnost.......................................................254

Slika10.42.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimakodpromenljiveRizik…....................................................................255

Slika10.43.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimakodpromenljiveSamoprocena…..................................................255

Slika10.44.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimaodIdoCCXLIIkodpromenljiveNezgode…..............................256

Slika10.45.Podeladomenaulaznepromenljive„Agresivnost“iodgovarajućefunkcijepripadnostiufazilogičkomsistemuCCXLIII……………………..259

Slika10.46.Podeladomenaulaznepromenljive„Impulsivnost“iodgovarajućefunkcijepripadnostiufazilogičkomsistemuCCXLIV……………………..263

Slika10.47.Podeladomenaulaznepromenljive„Rizik“iodgovarajućefunkcijepripadnostiufazilogičkomsistemuCCXLV……………………………………264

Slika10.48.Podeladomenaulaznepromenljive„Samoprocena“iodgovarajućefunkcijepripadnostiufazilogičkomsistemuCCXLVI……………………...266

Slika10.49.Odnosnajboljihfazilogičkihsistemausvakomodkoncepatagdesudomenidefinisaninaosnovupodatakaizliterature‐rangirano............273

XXXIV

Slika10.50.Odnosnajboljihfazilogičkihsistemausvakomodkoncepatagdesudomenidefinisaninaosnovupodatakaizistraživanja,odnosnoizliterature........................................................................................................................274

Slika10.51.UkupnegreškefazilogičkogsistemaCCXLIIIifazilogičkihsistemaodCCLVIIIdoCCLXXI......................................................................................................274

Slika10.52.„RuleViewer“zasistemCCXLIIzakonkretnevrednostiulaznihpromenljivih.................................................................................................................278

Slika10.53.„SurfaceViewer“zasistemCCXLIIzapredikcijusaobraćajnihnezgodanaosnovuvrednostipromenljivihAgresivnostiImpulsivnost..............279

Slika10.54.„SurfaceViewer“zasistemCCXLIIzapredikcijusaobraćajnihnezgodanaosnovuvrednostipromenljivihAgresivnostiRizik..............................280

Slika10.55.„SurfaceViewer“zasistemCCXLIIzapredikcijusaobraćajnihnezgodanaosnovuvrednostipromenljivihAgresivnostiSamoprocena.............280

Slika10.56.„SurfaceViewer“zasistemCCXLIIzapredikcijusaobraćajnihnezgodanaosnovuvrednostipromenljivihImpulsivnostiRizik...........................281

Slika10.57.„SurfaceViewer“zasistemCCXLIIzapredikcijusaobraćajnihnezgodanaosnovuvrednostipromenljivihImpulsivnostiSamoprocena..........281

Slika10.58.„SurfaceViewer“zasistemCCXLIIzapredikcijusaobraćajnihnezgodanaosnovuvrednostipromenljivihImpulsivnostiSamoprocena.........282

Slika10.59.Uporednaanalizagrešakakoječinefazilogičkisistemiuzavisnostiodrazličitihmetodadefazifikacije............................................................................284

Slika10.60.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuAgresivnost.........................................................................................285

Slika10.61.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuImpulsivnost......................................................................................286

Slika10.62.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuRizik.......................................................................................................287

Slika10.63.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuSamoprocena.....................................................................................288

Slika10.64.TestiranjepromenedomenafunkcijapripadnostizaizlaznupromenljivuNezgode...............................................................................................289

Slika10.65.FunkcijepripadnostizaulaznepromenljiveufazilogičkomsistemuCCCVIII............................................................................................................................290

Slika10.66.FunkcijepripadnostizaizlaznupromenljivuufazilogičkomsistemuCCCVIII............................................................................................................................291

XXXV

Slika10.67.„SurfaceViewer“zasistemCCCVIIIzasvepotencijalnevrednostiulaznihpromenljivih.................................................................................................292

Slika10.68.OdnosempirijskihpodatakaobrojunezgodairešenjafazilogičkogsistemaCCCVIII...........................................................................................................293

Slika10.69.OdnosizmeđupromenljiveAgresivnostuempirijskomistraživanjuifazilogičkomsistemuCCCVIII..............................................................................294

Slika10.70.OdnosizmeđupromenljiveImpulsivnostuempirijskomistraživanjuifazilogičkomsistemuCCCVIII..............................................................................294



Slika11.1.Konceptulaznevarijable1fazilogičkogsistema…………………………….298

Slika11.2.Konceptulaznevarijable2fazilogičkogsistema..........................................299

Slika11.3.KonceptfazilogičkihsistemaodIadoXVa......................................................301

Slika11.4.PodeladomenaulaznepromenljiveOpasnamestaiodgovarajućefunkcijepripadnosti..................................................................................................302

Slika11.5.UkupnegreškefazilogičkihsistemasajednomulaznompromenljivomOpasnamesta(odIadoXVa)................................................................................305

Slika11.6.KonceptfazilogičkihsistemaodXVIadoXXXa.............................................306

Slika11.7.PodeladomenaulaznepromenljiveKarakteristikeputaiodgovarajućefunkcijepripadnosti..................................................................................................306

Slika11.8.UkupnegreškefazilogičkihsistemasajednomulaznompromenljivomKarakteristikeputa(odXVIadoXXXa).............................................................307

Slika11.9.KonceptfazilogičkihsistemaodXXXIadoXLVa……………………………..309

Slika11.10.PodeladomenaulaznepromenljiveUčestalostiodgovarajućefunkcijepripadnosti....................................................................................................................310

Slika11.11.UkupnegreškefazilogičkihsistemasajednomulaznompromenljivomUčestalost(odXXXIadoXLVa).............................................................................311

Slika11.12.KonceptfazilogičkihsistemaodXLVIadoLXIa.........................................312

Slika11.13.UkupnegreškefazilogičkihsistemasadveulaznepromenljivekojeseodnosenaOpasnamestaiKarakteristikeputa(odXLVIadoLXa)..................................................................................................................................314

Slika11.14.KonceptfazilogičkihsistemaodLXIIadoLXXVIIIa..................................315

XXXVI

Slika11.15.UkupnegreškefazilogičkihsistemasadveulaznepromenljivekojeseodnosenaOpasnamestaiUčestalost(odLXIIadoLXXVIIIa)................316

Slika11.16.KonceptfazilogičkihsistemaodLXXIXadoXCIIIa...................................317

Slika11.17.UkupnegreškefazilogičkihsistemasadveulaznepromenljivekojeseodnosenaKarakteristikeputaiUčestalost(odLXXIXadoXCIIIa)...... 317

Slika11.18.KonceptfazilogičkihsistemaodXCIVadoCXa……………………………..319

Slika11.19.UkupnegreškefazilogičkihsistemasatriulaznepromenljivekojeseodnosenaOpasnamesta,KarakteristikeputaiUčestalost(odXCIVadoCXa)..................................................................................................................................321

Slika11.20.Odnosnajboljihfazilogičkihsistemausvakomodkoncepata‐rangirano.........................................................................................................................322

Slika11.21.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimakodpromenljiveOpasnamesta……………………………………..324

Slika11.22.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimakodpromenljiveKarakteristikeputa……………………………..324

Slika11.23.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimakodpromenljiveUčestalost…………………………………………..325

Slika11.24.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimaodIadoCXakodpromenljiveNezgode………………………….325

Slika11.25.ZastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkimsistemimaodIdoCCLXXIIiodIadoCXakodpromenljiveNezgode……………………………………………………………………326

Slika11.26.„SurfaceViewer“zasistemLXIazapredikcijusaobraćajnihnezgodanaosnovuvrednostipromenljivihOpasnamestaiKarakteristikeputa...................................................................................................................................327

Slika11.27.Uporednaanalizagrešakakoječinefazilogičkisistemiuzavisnostiodrazličitihmetodadefazifikacije............................................................................329

Slika11.28.TestiranjepromenedomenafunkcijapripadnostizaulaznupromenljivuOpasnamesta....................................................................................332

Slika11.29.TestiranjepromenedomenafunkcijapripadnostizaizlaznupromenljivuNezgode...............................................................................................333

Slika11.30.FunkcijepripadnostizaulaznepromenljiveufazilogičkomsistemuCXXXIa.............................................................................................................................333

Slika11.31.FunkcijepripadnostizaizlaznupromenljivuufazilogičkomsistemuCXXXIa.............................................................................................................................334

XXXVII

Slika11.32.„SurfaceViewer“zasistemCXXXIazasvepotencijalnevrednostiulaznihpromenljivih.................................................................................................334

Slika11.33.OdnosempirijskihpodatakaobrojunezgodairešenjafazilogičkogsistemaCXXXIa............................................................................................................335

Slika11.34.OdnosizmeđupromenljiveOpasnamestauempirijskomistraživanjuifazilogičkomsistemuCXXXIa...............................................................................336

Slika11.35.OdnosizmeđupromenljiveKarakteristikeputauempirijskomistraživanjuifazilogičkomsistemuCXXXIa...................................................337

Nigdebolje ibrženemožeteupoznatičoveka,njegovupravunarav,karakter ićud,

njegovu "dušu", nego kad ga posmatrate dok sedi za volanom automobila i vozi.

Sedećiporednjegajedansat,vićetebezrečiirazgovorasaznationjemuvišenegoza

mesecdanastalnogdruženja.

IvoAndrić,Znakoviporedputa

PosvećenomojojdragojmajciMileni.Bilajeijošuvekjenajjačivetarumojaleđa,na

kojugodstranudakrenem.

HvalaTiMama.

1.Uvodnarazmatranja

1

1.UVODNARAZMATRANJA

1.1Obrazloženjemotivazaizborteme

Ugroženost ljudi u saobraćajnim nezgodama predstavlja jedan od najvećih

problema današnjice. Prema podacima Svetske zdravstvene organizacije (SZO,

2015) svakog dana, na putevima širom sveta, pogine u proseku 3.242 ljudi (oko

1,24milionanagodišnjemnivou).Kakobiuskorojbudućnostibrojpoginulihna

godišnjem nivou mogao dostići dva miliona, Ujedinjene nacije su 2010. godine

doneleRezoluciju64/255–Unapređenjebezbednostisaobraćajanaputevima(UN,

2010) koja je inicirala pokretanje ''Decenije akcije za bezbednost saobraćaja na

putevima2011 ‐2020.'' tokomkojebi trebalodabudusačuvani životi5miliona

poginulih i oko 50 miliona povređenih u saobraćaju. Pored humanih gubitaka,

saobraćajne nezgode izazivaju i značajne ekonomske troškove. Saobraćajne

nezgodeodnoseoko1%brutonacionalnogdohotka(BND)uzemljamasaniskim

prihodima,oko1,5%BNDuzemljamautranziciji(sasrednjimprihodima)ivišeod

2%BNDurazvijenimzemljama(SlužbeniglasnikRS,br.64/2015).

U Srbiji se u toku 2016. godine dogodila 551 saobraćajna nezgoda, u kojima je

poginuloukupno607lica;evidentiranoje13.850nezgodasapovređenimlicima,u

kojima su 3.363 lica zadobila teške telesne povrede, a 17.278 lica lakše telesne

povrede(ABS,2017).Uodnosunaostatakputnemreže,najugroženijesudeonice

državnihputevakojeprolazekroznaselja.

Prema metodologiji jedinstvenog informacionog sistema MUP‐a, na našim

putevimanajčešćeokolnostikojedovodedonastankanezgodasu:neprilagođena

brzina kretanja vozila, pogrešna procena saobraćajne situacije i izvođenje

nepropisnih radnji vozilom u saobraćaju, kao i psihofizičko stanje vozača (na

primer, vožnja pod dejstvom alkohola). Navedeni podaci ukazuju na važnost

proučavanjapriroderizičnogponašanjavozačakakobisepreduzeleodgovarajuće

mere za povećanje bezbednosti saobraćaja. Važno je napomenuti da se u Srbiji

faktoruput,kaouzrokunezgodanepridajedovoljanznačaj,većsevećinauzroka

1.Uvodnarazmatranja

2

pripisujeljudskomfaktoru.Iztihrazlogajevažnosagledatimeđusobnuinterakciju

faktoravozač–put.

Savremene studije u okviru saobraćajne psihologije i bezbednosti saobraćaja

pokušavaju da približe važnost međusobnog proučavanja odnosa svih faktora

(čovek‐put‐vozilo‐okolina) koji doprinose razumevanju nastanka nezgoda u

saobraćaju.Poslednjihgodinaistraživačisvevišeističusloženostponašanjavozača

i pokušavaju da otkriju zakonitosti koje doprinose nebezbednom ponašanju u

saobraćaju.

Fenomen rizika je prisutan u svakoj čovekovoj aktivnosti. U okviru saobraćajne

psihologijerazvilesusebrojneteorijeukojimakonceptrizikaimaključnuulogu.

Naponašanjeusaobraćajuutičuprocenerizikazaustavljanja,kontrole,otkrivanja

prekršaja i kažnjavanja za prekršaj, kao i rizici koji imaju za posledicu: učešćeu

saobraćajnojnezgodi,rizikpovređivanja,riziksmrtnogstradanjaitd.Uliteraturise

razmatrajuopštiispecifični,teobjektivniisubjektivnirizik(Lipovac,2008).Opšti

rizik se odnosi na sve učesnike u saobraćaju i ima važnu preventivnu ulogu

odvraćanja od činjenja prekršaja. Sa druge strane, specifični rizik se odnosi na

određenukategorijuučesnikausaobraćaju,npr.naprekršioce.Objektivnirizikse

određuje (izračunava) na osnovu objektivnih podataka, kao količnik povoljnih

realizacija i ukupnog broja realizacija. Subjektivni rizik se odnosi na percepciju

rizikaodstranečoveka,učesnikausaobraćaju,nanjegovstavokonkretnojpojavi,

odnosno situaciji (Lipovac, 2008). Pojam subjektivnog rizika podrazumeva da

vozač ili drugi učesnik u saobraćaju, poseduje sposobnost da dosledno i tačno

predvidi rezultat raznih bihejvioralnih alternative. McKenna i Horswill (2006)

smatrajudasesubjektivnirizikodnosinapsihološkedimenzijekojesuuvezisa

percepcijomrizika.Percepcijarizika jesloženafunkcijauzrasta i iskustvavozača.

Tosepodjednakoodnosinaprihvatanjerizika,aliinanjegovopogrešnoopažanje.

NaataneniSummala(1976)sumeđuprvimaistraživaliovajfenomeniustanovili

model rizičnog ponašanja u kome je jedan od najvažnijih elemenata subjektivni

rizik. Njihov model podrazumeva da subjektivni rizik, definisan kao uočavanje

1.Uvodnarazmatranja

3

opasnosti, predstavlja značajan motivacioni faktor (tj. regulator) u obrascu

ponašanja vozača. Prema ovoj teoriji, vozači u toku vožnje izbegavaju „osećaj

straha“ (iskustvo „nultog rizika“), predosećajući ili očekujući, neki nivo rizika

tokomizvršavanjavozačkogzadatka.Tekkadasubjektivnirizikdostignenivokoji

nije bio očekivan, vozači menjaju svoje ponašanje u smislu poboljšanja

bezbednosti, na primer povećavajući rastojanje između vozila. Prema ovom

modelunezgode sedešavajukada je subjektivni rizik znatnonižiodobjektivnog

rizika, što može biti rezultat precenjivanja sopstvenih mogućnosti od strane

vozača. Ova teorija predstavlja jednu od najcelovitijih teorija rizika, u kojoj

dominiraju bogatstvo ideja i obilje eksperimentalnih činjenica, dobijenih iz

saobraćajneieksperimentalnepsihologije.

Botticher i Van Der Molen (1985) razvili su hijerarhijski strukturiran model na

osnovustrategijskih,taktičkihioperativnihnivoazadataka.Modeluključuječetiri

vrstenajvažnijihpsihološkihkomponenataprocesaobrade informacija, aodnose

se na pažnju, percepciju, odlučivanje i motoriku. Teorija pokušava da objasni

individualno ponašanje vozača zasnovano na pojedinačnim procesima, a ne na

uopštenim manevrima vozača. Autori smatraju da u sličnim situacijama, na tri

različitanivoa,vozačnećeizabratirizičnijualternativu,uodnosunaonukojanosi

manje rizika. Prednost ovog teorijskog modela u odnosu na prethodne je

razlikovanjeracionalnogifunkcionalnogobjašnjenjarazličitihhijerarhijskihnivoa.

Teorijahomeostazerizika,čiji jetvoracWilde(2002), ima istaknutomestomeđu

različitim teorijama nezgoda zasnovanim na ponašanju. Na početku poznata kao

teorijahomeostazerizika(RHT‐Riskhomeostasistheory,Wilde,1988),zatimkao

teorija kompenzacije rizika, i konačno kao teorija ciljnog rizika (Target Risk).

Prema teoriji ciljnog rizika, stope saobraćajnih nezgoda ostaju jednake, uprkos

objektivnim poboljšanjima, jer vozači prilagođavaju svoje ponašanje, tako da

održavajunjihov subjektivni rizikna istomnivou ‐nanivou ciljnog (optimalnog,

prihvatljivog) rizika. Prema Wildeovim zaključcima, znanje o riziku zavisi od

mogućnosti opažanja rizika. Doživljaj objektivnog rizika se ocenjuje i poredi sa

prihvatljivimrizikom.Rezultat jeoptimalanstepenpažnjekoji sezahteva.Model

1.Uvodnarazmatranja

4

zagovara stav da, ukoliko se preduzmu mere smanjenja objektivnog rizika,

bezbednost će se povećavati. Međutim, ukoliko smanjivanje objektivnog rizika

dovede do povećavanja prihvatljivog rizika, to može umanjiti ili, čak, potpuno

eliminisati pozitivne efekte i umanjiti bezbednost.Wilde smatra da se ravnoteža

između procenjenog i prihvatljivog rizika održava kroz homeostazu rizika i da

bezbednostrasteilisesmanjujetokomovogprocesa.Stopanezgoda,kojasemeri

kaofunkcijavremenaizloženostirizikujekonstantna.Wildepredviđadauvođenje

savremene opreme u vozila i drugih protivmera neće značajno doprineti

povećavanju nivoa bezbednosti saobraćaja. U prilog ove teorije idu statistički

podacionezgodamapreiposleprimenepreventivnihmera.Naime,pozitivniefekti

protivmera nestaju u dužem vremenskom periodu posle primene protivmere

(Milošević,2008).

Teorijakompenzacije rizika zagovara stavda ljudi imaju tendencijudaprilagode

svojeponašanjepromeniopaženog(subjektivnog)rizika.Ljudisumanjeoprezni,u

uslovima kada se osećaju više zaštićeni, odnosno oprezniji su kada osećaju veći

stepenrizika.Teorijajenastalaubezbednostisaobraćaja,alisedanasprimenjujei

udrugimoblastima(Milošević,2008).

Analiza rizika i razumevanje ponašanja u saobraćaju može se vršiti na osnovu

anketnogistraživanjastavovaučesnikausaobraćaju.Naime,poznavanjestavovaje

preduslovza razumevanjeponašanjavozačau saobraćaju,kakobi seprepoznale

mereiaktivnostikojimajetakvoponašanjemogućeunaprediti.UAustraliji,SADi

drugimrazvijenimzemljamasprovodeserazličitaperiodičnaiadhocistraživanja

stavova učesnika u saobraćaju. U Evropi se tradicionalno sprovodi istraživanje

društvenih stavova o rizicima u saobraćaju u okviru projekta SARTRE (Social

AttitudestoRoadTrafficRisk inEurope).Uprva triprojekta istraživanisusamo

stavovi vozača (SARTRE 1, 1992; SARTRE 2, 1997; SARTRE 3, 2003), dok su u

četvrtom projektu (SARTRE 4, 2012) istraživani stavovi vozača putničkih

automobila, stavovi vozača motocikla i stavovi nemotorizovanih korisnika puta.

SARTRE4jeobuhvatio26država,odčega24članiceEvropskeunije,SrbijuiIzrael.

Cilj je bio da se utvrdi kako kulturni i društveni činioci utiču na bezbednost

1.Uvodnarazmatranja

5

saobraćaja,štavozačimisleopojedinimsaobraćajnimpropisima,kao ikojebise

mere u pogledu bezbednostimogle preduzeti kako bi se unapredila bezbednost

saobraćajanaevropskimputevima.Periodičnoponavljanjeistraživanjaomogućuje

i sagledavanje promena u stavovima učesnika u saobraćaju pojedinih država.

Koristeseistegrupepitanjatakodasemoževršitiupoređivanjeizmeđupojedinih

zemalja.Iskustvaevropskihzemaljakojesuobuhvaćeneovimistraživanjemmogu

bitiodvelikogznačajadabiseiunašojzemljiprimenilasličnapraksa.

Koncept rizika je posebno značajanu situacijamagde sepredvozačapostavljaju

izuzetno složeni zahtevi u smislu prilagođavanja ponašanja. Ovakve situacije se

redovno pojavljuju na opasnim mestima na putevima (opasne zone, opasne

deonice i tzv. ''crne tačke''), na kojima se dešava povećan broj saobraćajnih

nezgoda.Najznačajnijifaktorikojisetičusamogputakaofaktoranezgodauovim

slučajevimapretežnoseodnosenausloveusaobraćajnomtoku,dokseumanjoj

meritičuputnihkarakteristika.

Obrada predložene teme trebalo bi da doprinese boljem razumevanju rizika u

saobraćaju,međuzavisnostirizika iponašanja ikoncipiranjunovog,unapređenog

teorijskogmodelaupravljanjarizikomvozača,putemuticajanastavoveipromenu

svesti vozača. Praktična primena novog modela, prilagođenog specifičnostima

saobraćajne situacije, imala bi za cilj redukovanje visoke stope saobraćajnih

nezgodanaopasnimmestimanaputevima.

1.2Predmeticiljistraživanja

Čovek je najznačajniji, ali i najsloženiji činilac bezbednosti saobraćaja.

Mnogobrojna istraživanja dokazala su da bezbedno funkcionisanje saobraćaja

velikim delom zavisi od ljudskog faktora, unutrašnjih izvora ponašanja i

individualne reakcije na situacije sa kojima se vozač susreće na putu. Učešće u

saobraćajuzahtevaodvozačasposobnosti, znanje,veštine ibezbednoponašanje.

Ovo zavisi od saobraćajne kulture, motivisanosti za vožnju, ali i od nekih

1.Uvodnarazmatranja

6

karakteristika vezanih za konkretnu saobraćajnu situaciju na putu (zastoji,

karakteristikekolovoza,brojometanja–prilkjučakaisl.).

Nedostatak nekog od ovih elemenata može dovesti do nastanka greške, koja za

posledicumožeimatipojavusaobraćajnenezgode.Kadasegovoriodominantnim

karakteristikamavozača,mnoga istraživanjasupokazala jakupovezanost izmeću

percepcije rizika i uključenosti u nezgode (Lipovac, 2008). Razumevanje faktora

saobraćajnihnezgodakojisetičuvozačeveprocenerizika,povećavasposobnostda

se definišu odgovarajuće mere i usmere akcije, kako bi se umanjile negativne

poslediceneadekvatnogponašanja.

Iako je jasno da nijedna teorija ne može u celini povezati sve aspekte rizičnog

ponašanja sa saobraćajnimnezgodama, teorije imodeli su važni za razumevanje

kakorazličitifaktoriusaobraćajuutičunaponašanjevozača.

Predmet ove doktorske disertacije je istraživanje i analiza percepcije rizika i

ponašanjavozačausaobraćaju,naopasnimmestimaufunkcijinepovoljnihputnih

karaktertistika, na osnovu rezultata anketnog istraživanja, kao i na osnovu

terenskihistraživanja(videoifotosnimanja).

Osnovni cilj istraživanja u okviru ove doktorske disertacije jeste razumevanje i

modelovanjeuticajakarakteristikaputevanapercepcijurizikaiponašanjevozača.

Krajnji cilj je unapređenje nivoa bezbednosti saobraćaja izmenom negativnih

stavovairazvijanjemvozačkesvesti,kakonaproučavanimopasnimmestima,tako

inacelojputnojmreži.

1.3Strukturarada

Osnovni korpus disertacije, sastavljen od 12 poglavlja i relevantne literature,

omogućavakontinuitetuupoznavanju sadoktorskim radom i rezultatima,dok3

priloga daju kompletnu informaciju o rezultatima istraživanja i predloženim

modelima. Imajućiuvidumotive za izbor teme,kao ipredmet inaučni cilj rada,

1.Uvodnarazmatranja

7

doktorskadisertacijaporedopštihdelova(rezimenasrpskomiengleskomjeziku,

ključne reči, spisak skraćenica, slika i tabela, literatura i prilozi) sadrži i sledeće

strukturnecelineopisaneudaljemtekstu.

Udrugompoglavlju, nakonuvodagde suprikazani istraživački ciljevi i definisan

predmet rada, detaljno je predstavljen pregled literature iz oblasti ponašanja

vozača,kao imodelikarakterističnizakorisnikeputeva.Sadrugestrane,uovom

poglavljudatjeiprikazuticajafaktoraputuincidencijisaobraćajnihnezgoda,kaoi

prikazmeđusobnoguticajasvihfaktorakojidoprinosesmanjenjubezbednosti.

U trećem poglavlju predstavljeni su rezultati provere bezbednosti saobraćaja na

odabranojdeonici puta IB redabroj 22 (odnaseljaŽarkovodo izlaska iznaselja

Ćelije). U okviru izvršene provere sprovedena su foto snimanja terena, te ovo

poglavljesadržifotografijekojedokumentujustanjenaposmatranojdeoniciputa.

Takođe, razmatran je iodnosuočenihnedostatakanadeoniciputanapercepciju

rizikaiponašanjevožača.

Četvrto poglavlje prikazuje definisanje niza metoda za procenu parametara

ponašanja vozača koji su obuhvaćeni predmetom istraživanja. U okviru ovog

poglavlja dat je detaljan opis uzorka istraživanja, objašnjenje procedure

sprovođenjaanketnogistraživanja,opisanisuinstrumentizaprocenuponašanjai

percepciju opasnih mesta i elemenata posmatrane deonice puta, kao i opis

statističkemetodekojesukorišćenjeusvrheanalizeovihparametaraponašanja.

Sadržajpetogpoglavljaobuhvataprikazosnovnihdeskriptivnihparametarazasve

merne instrumente. Takođe, ovo poglavlje sadrži i rezultate primene

parametrijskih i neparametrijskih statističkih metoda za procenu rezultata

merenja.Razmatranisuiloglinearnimodeli zaproveruasocijacijaizmeđuvarijabli

koje su relevantne za modele koji će biti predstavljeni u narednim poglavljima

disertacije.

1.Uvodnarazmatranja

8

U okviru šestog poglavlja predočene su dobijene relacije između ponašanja

merenogpomoćučetiri instrumentazaprocenukarakteristika ličnosti.Korelacije

izmeđuupitnika,kakozadimenzijeponašanjaobuhvaćenegrupamapitanja,takoi

ukupne skorove ostvarene na upitnicima realizovane su kroz Pearsonove

koeficijente korelacije, što je ovom poglavlju detaljno predstavljeno kroz tabele

povezanosti,aliidiskutovanoupratećemtekstu.

Usedmompoglavljusurazmatranirealizacijaievaluacijanovonastalihmodelaza

procenu ponašanja u saobraćaju. Poglavljem su obuhvaćene hijerarhijske

regresione analize u cilju formiranja modela ponašanja posmatranog uzorka u

odnosunaoblikeponašanjakojimogudaobjasneprirodunebezbednogponašanja

u saobraćaju. Na kraju ovog poglavlja data je diskusija i interpretacija opisanih

modelazapredikcijusaobraćajnihnezgoda.

Osmo poglavlje disertacije predstavlja primenu standardne linearne regresije u

formiranjumodela percepcije opasnihmesta, kao i elemenata puteva na deonici

koja jepredmet istraživanja.Uokvirupoglavljapredstavljeno jevišemodelakoji

su formirani u odnosu na različite zavisne i nezavisne varijable koje su bile

relevantnezaovusvrhu.Nakonprezentovanjamodeladatajediskusijaitumačenje

dobijenihrezultataprocene.

Devetimpoglavljemdisertacijeobuhvaćenajebinarnalogističkaregresionaanaliza

kao veoma koristan alat koji omogućuje jasniji uvid po pitanju uticaja

prediktorskihvarijabli,ovogputazajednorazmatranih,uodnosunadoživljavanje

saobraćajnihnezgoda,kaozavisnuvarijablu.

U desetom poglavlju koristi se fazi logika kako bi se predložiomodel koji bi na

osnovu rezultata na primenjenim i prethodno opisanim psihološkim

instrumentima kao rešenje dao stepen sklonosti vozača ka saobraćajnim

nezgodama.Kakobisedošlodonajboljegmodela,uovompoglavljujepredloženoi

testirano 308 fazi logičkih sistema, od kojih se svaki testira na uzorku od 305

ispitanika. Pri tome, postoje dve posebne celine, u prvoj su domeni funkcija

1.Uvodnarazmatranja

9

pripadnosti definisani na osnovu podataka iz istraživanja, a u drugoj na osnovu

podataka iz literature. Takođe, u ovom poglavlju se porede rezultati primene

hijerarhijskeregresioneanalizeifazilogike.

U jedanestom poglavlju predlažu se i testiraju fazi logički sistemi gde su ulazne

varijablezasnovanenarezultatimaproceneopasnihmestanaposmatranojdeonici

puta, karakteristika puta, kao i na učestalosti korišćenja posmatrane deonice. U

ovom poglavlju testira se 134 fazi logička sistema, svaki na uzorku od 305

ispitanika.

Udvanaestompoglavljurazmotrenesumogućnostiprimeneipotencijalnekoristi

odpredloženihmodela.Očekujusekoristiusmisluunapređenjateorijskihmodela

ipraktičneprimenenovogmodela,štobimoglodapodržiprihvatanjebezbednijih

stilova vožnje. To se može ostvariti unapređenjem procesa obuke kandidata za

vozačku dozvolu, sprovođenjem različitih programa edukacije vozača,

usavršavanjem profesionalne selekcije vozača, redukovanjem procenjenog rizika

među vozačima kojima je oduzeta vozačka dozvola, projektovanjem bezbednijih

puteva, boljim održavanjem puteva, itd. Konačno, to će doprineti smanjenju

ukupnihdruštveno‐ekonomskihposledicasaobraćajnihnezgoda.

1.4Polaznehipotezeistraživanja

Naosnovupredmetaipostavljenogciljaistraživanjadefinisanesusledećepolazne

hipoteze:

Psihološke karakteristike vozača imaju značajan uticaj u objašnjenju

nastankasaobraćajnihnezgoda,

Promena stavova i ponašanja vozača predstavlja najveći potencijal za

unapređenjenivoabezbednostisaobraćaja;

Percepcija rizika vozačana opasnimmestimapredstavlja jedanod važnih

faktorakojiutičenaponašanjevozačainabezbednostsaobraćaja;

1.Uvodnarazmatranja

10

Određenekarakteristikeputa,značajnoutičunapercepcijurizikaodstrane

vozača, a time i na ponašanje vozača i objektivni rizik nastanka

saobraćajnihnezgoda;

Veze između psiholoških karakteristika i nezgoda, kao i veze između

karakteristika puta i nezgoda, semogumodelirati uz pomoć statističkih i

matematičkihmetoda,kaoštosuhijerarhijskaregresionaanaliza,binomna

logističkaregresijaifazilogika.

Na osnovu predloženih modela, moguće je dati izvesne predloge za

unapređenje procesa selekcije profesionalnih vozača, kao i za razvoj

različitih programa prevencije u saobraćaju što može rezultovati

smanjenem broja nezgoda i smanjenjem težine nezgoda na tretiranim

delovimaputnemreže.

1.5.Ostvarennaučnidoprinos

Ostvaren naučni doprinos doktorske disertacije predstavlja razvijanje novih

modela percepcije rizika i modela za procenu sklonosti vozača ka saobraćajnim

nezgodama. Novi pristupi i originalni modeli su zasnovani na analizi postojećih

modelainasagledavanju,analiziiintegracijirelevantnihparametarakojiutičuna

ponašanjevozačaiprihvatanjerizičnihstilovavožnje.

Doprinosdisertacijeseodnosiinadavanjesmernicazaeliminacijuopasnihmesta

na putevima i unapređenje edukacije vozača. Ovo bi doprinelo smanjenju stope

saobraćajnihnezgodanaputnojmreži.

Međupojedinačnimrezultatimaidoprinosimaistraživanjamoguseizdvojiti:

Sveobuhvatan pregled najsavremenije literature iz oblasti ponašanja

vozača, sa osvrtom na najznačajnije faktore postojećihmodela ponašanja

vozača;

Prikaz i analiza trenutnog stanja i tendencija u oblasti teorije rizika u

saobraćaju;

1.Uvodnarazmatranja

11

Identifikacija karakteristika puta na posmatranoj deonici koje dovode do

percipiranjapojedinihtačakakaoopasnihmesta;

Unapređenjemetoda zaprocenupercepcije rizika vozača i prilagođavanja

ponašanja vozača na opasnim mestima na putu, sa ciljem smanjivanja

objektivnogrizikaiunapređenjabezbednostisaobraćajanaputevima;

Predlog originalnih modela za procenu sklonosti ka saobraćajnim

nezgodama zasnovanih na korišćenju hijerarhijske regresione analize,

binarnelogističkeregresijeifazilogike;

Prikazmogućnostiimplementacijepredloženihmodela;

Analizaočekivanihkoristiodprimenepredloženihmodela;

Utvrđivanjepravacaitrendovabudućegrazvojarazmatraneproblematikeu

okviru saobraćajne psihologije, bezbednosti saobraćaja i unapredjenje

eksploatacionihkarakteristikaputa.

2.Faktoribezbednostisaobraćaja

12

2.FAKTORIBEZBEDNOSTISAOBRAĆAJA

Bezbrojrazličitihuticajadoprinosinastankusaobraćajnihnezgodainjihovojtežini

(veličini posledica). Brojni su pokušaji da se ovi uticaji nekako sistematizuju.

AmeričkinaučnikWilliamHaddonjepokušaodasistematizujeoveuticajeumatrici

kojajeponjemuinazvanaHedonovamatrica(Haddon,1970).OsnovnaHedonova

matrica sistematizuje uticaje tri faktora bezbednosti saobraćaja (čovek–vozilo–

okružuje)pre,zavremeiposlesaobraćajnihnezgoda.

Mada je osnovna postavka Hedonove matrice dobra, vrlo brzo se pokazalo

praktičnimdaseizfaktoraokruženjeizdvojiputkaoposebanfaktor.Takojenastala

proširenaHedonovamatrica koja sistematizujeuticaje četiri faktorabezbednosti

saobraćaja (čovek, vozilo, put, okruženje) pre, za vreme i posle saobraćajnih

nezgoda(Tojagić,2015).

Budućidastručnaliteraturaukazujenačinjenicudajeudeofaktoravozilonajmanji,

zahvaljujućirazvojuipromenimodernihtehnologija,kaoidapomenutifaktornije

predmetinteresovanjaovogistraživanja,uovompoglavljudetaljnijeseanaliziraju

faktoričovek,put iokolina,kao injihovmeđusobniodnos iuticajnabezbednost

saobraćajaštopredstavljaokosnicuovedoktorskedisertacije.

2.1Uticajkarakteristikaputevanabezbednostsaobraćaja

Uticajfaktoraputajejedanodnajkompleksnijih,jersečestopojavljujeurazličitim

oblicimaitosamoponekadkaouzročniknastankasaobraćajnenezgode.Sadruge

strane, putna infrastruktura treba da bude takva da smanji tehnički rizik od

saobraćajnih nezgoda. Veoma često, karakteristike puta mogu da omoguće

ispravljanjegreškevozačailiublažavanjeposledicanastalegreške,aštoseupraksi

veomaretkoanalizirakaouticajputa.

Najvažniji načini uticaja puta na nastanak saobraćajnih nezgoda ogledaju se u

činjenicidapututičenavozača,navozilo,stvarauslovezadejstvodrugihfaktora,


13

utičena težinuposledice saobraćajnihnezgoda i istovremenoodređujeokolnosti

funkcionisanjasaobraćajnogtoka.Brojnaistraživanjapokazujudapostojijakaveza

izmeđustopasaobraćajnihnezgodaitipaputa,geometrijskihkarakteristikaputa,

stanjakolovoznogzastoraalisvetoukorelacijisatipom‐uslovimausaobraćajnom

toku(slobodan,normalan,zasićen,forsiran).RezultatiistraživanjauSrbijipokazuju

dajefaktorputauzroku3%nezgoda,dokjeurazvijenimzemljamakojeupravljaju

bezbednošćusaobraćaja,kaoštojeŠvedska,putuzroku36%nezgoda(Pešićisar.,

2012). Ovakav nesklad u rezultatima različitih istraživača nije retka pojava

pogotovokadaseporedepodacizarazvijeneinerazvijenezemlje(Gichaga,2017).

Pojedini istraživačikoji suu svojimradovimanavodiliprimere izsudskeprakse,

ukazuju na činjenicu da postoji izvesna doza neusaglašenosti između podataka

dobijenihod straneuviđajneekipe saobraćajnepolicijeukojima jekaoprimarni

uzrok nastanka saobraćajne nezgode identifikovano ponašanje vozača (faktor

čovek), i naknadnih stručnih analiza, u kojima je utvrđeno da je stvarni uzrok

nastankanezgodebilostanjekolovoza(Vujanićisar.,2014.).

Putkaoobjekatnakomeserealizujesaobraćaj,bivaneposredanizazivačnezgodau

slučajevima kada postoji nagla i iznenadna promena karakteriste puta usled

postojanjaveomaoštrekrivine,itokadajetakvakrivinaskrivena,nedostupnaoku

vozača do poslednjeg momenta, pa vozač nema dovoljno vremena da na nju

pravovremeno reaguje. U nastojanju da projektovanje i dizajn puteva omoguće

optimalnu bezbednost i protočnost u saobraćaju, došlo je do razvijanja nauke

saobraćajnog inženjeringa.Dobrodizajniraniputevipružajusigurnost i smanjuju

učestalost nezgoda. Kvalitet i bezbednost puteva zavisi skoro u potpunosti od

dostupnih finansijskih resursa (Lipovac, 2008). U daljem tekstu analizirane su

karakteristikeputaodznačajazabezbednostsaobraćaja.

2.1.1Vrstaputa

Sa gledišta bezbednosti saobraćaja, putevi se mogu klasifikovati u tri kategorije

(Lipovac,2008):

–brziputevi(autoputeviiputevirezervisanizasaobraćajmotornihvozila),


14

–ostaliotvoreni(ruralniputevi)i

–gradskeulice.

Ovekategorijeputevamoguserazlikovatiporežimusaobraćaja,strukturiučesnika

u saobraćaju, brzini kretanja, tehničko‐tehnološkim karakteristikama, strukturi i

učestalosti konflikata u saobraćaju itd. Na osnovu istraživanja u najrazvijenim

zemljamaodređenisuriziciučešćaunezgodamanarazličitimputevima.Istraživanja

pokazujudabrojnezgodausaobraćajuvarirauodnosunavrsteputeva,aliinjihovo

stanje(Chanisar.,2008).

2.1.2Elementitraseputa

Trasom puta određuje se smer i visinski položaj puta. Trasa puta sastoji se od

pravca,krivinaiprelaznihkrivina,atielementitrebajubititakvidaomogućavaju

sigurno kretanje vozila pri određenoj računskoj brzini. Trasa puta treba biti

homogenatj.omogućavatijednoličnubrzinukretanjavozila.Dužinepravcaikrivina

trebameđusobnouskladiti.Geometrija ilielementi trase imajuznačajanuticajna

bezbednostsaobraćaja,aposebanuticajimajupromeneradijusakrivinainagiba.Na

primer,ukrivinamasaradijusomod400mrizikodnezgodejedvaputavećinego

napravoj deonici, a na krivinama sa100–200m, ovaj rizik je 4do8puta veći

(Lipovac,2008).Napojavurizikaodnezgodejošznačajnijeutičupromeneradijusa

krivinainagibakolovoza.Naputevimanakojimasesmenjujudugepravedeonicei

deonicesaoštrimkrivinama ili sesmenjujuravnedeonicesastrmimdeonicama,

prosečanbrojnezgodaraste,uodnosunaputevesaujednačenimuslovimavožnje.

Nezgodesekoncentrišunadeonicamasaznatnooštrijimkrivinamauodnosuna

prethodni pravac ili blagu krivinu, kao i na deonicama sa usponom posle dužih

ravnih deonica. Negativan uticaj nagiba i oštrih radijusa utiče na bezbednost

saobraćajainaostalim(pravimiravnim)deonicama.Naime,nepovoljniradijusii

nagibi dodatno zamaraju vozače, mogu da uslove napetost, netoleranciju i

agresivnosti, štodolazido izražaja i posleovihdeonica.Određenevrstenezgoda

(npr.nezgodepripreticanju)sekoncentrišunapravcimanakonserijeoštrihkrivina,

kaoinaravnimdeonicamaposledužihuspona(Lipovac,2008).Elementitraseputa,


15

osimtehničkesigurnosti,potrebnojedaosigurajuipsihološkusigurnost,kojazavisi

odtogakakonavozačadelujeokolniteren.

2.1.3Prosečanbrojpriključnihputeva(raskrsnica)

Porastnezgodauslovljenjebrojemraskrsnicapokilometruputa.Uzevšiuobzirda

svaka raskrsnicapredstavlja većibroj konflikata i opasnih situacijakoji semogu

realizovatiunezgodu,predhodnoiznesenazakonitostpotpunojerazumljiva.Podaci

onezgodamaizMelburna(Australija),tokomperiodaod2000.do2013.Ukazujuna

podatakdase33.850težihnezgodausaobraćaju(uključujućismrtnostiiozbiljne

povrede)dogodiloupravonaraskrsnicama.Odukupnogbrojanezgoda,njih16%

dogodilo se na signalisanim raskrsnicama (Canppada i sar., 2007). Posebno su

opasnepromenestanjakolovoza.Riziknezgodejevećiuraskrsnicmasavišeprilaza,

saintenzivnijimsaobraćajem(aposebnosaviševozilaizsporednihputeva)ivećim

brzinamaispredraskrsnica.BrudeiLarsson(2000)suutvrdilidajeriziknezgode

naraskrsnicamasačetiriprilazadvaputaveći,negonasličnimraskrsnicamasatri

prilaza.Sdrugestrane,raskrsnicezamarajuvozače,stvarajuuslovezaagresivnosti

drugenegativnepojavekojepovećavajuriziknezgode(Lipovac,2008).

Brojsaobraćajnihnezgodanaraskrsnicamaugraduiznosiod40–50%ukupnog

brojanezgoda. Studijenovijegdatumaukazujuna trendrastabroja saobraćajnih

nezgodanaraskrsnicama(Shesterovisar.,2017).Iznavedenihrazloga,potrebnoje

rešavatiraskrsniceudvailivišenivoa.Akotonijemoguće,trebaosiguratidobru

preglednostiposebnupažnjuposvetitiregulacijisaobraćaja.Posebnaopasnostna

raskrsnicama su vozila koja skreću ulevo, te ih pri regulisanju treba svakako

posebnoodvojiti.Broj,rasporedinačinuređenjaraskrsnicaodvelikogjeznačajaza

ukupnubezbednostsaobraćaja.

2.1.4Ambijentalniuslovi

Kadajerečoambijentalnimuslovima,namokromiprljavomkolovozuotežanoje

upravljanje i kočenje vozilom. Istraživanja realizovana u velikom broju zemalja


16

ukazujunanesrazmernovelikibrojsaobraćajnihnezgodanakolovozimakojiimaju

maluotpornostinaklizanjeinizaknivopovršinskehrapavosti(Trpčevski,2014).

Prianjanje(adhezija)predstavljasposobnostprenošenjapogonskihikočionihsila

napovršinukolovoza.Osnovnamerazaprianjanjejekoeficijentprianjanjakojise

javljaizmeđupneumatikaikolovoza.Najvišenezgodasedogađauvremeprvihkiša

posle dužeg suvog perioda. Posle dužeg perioda sa lošom podlogom, vozači

prilagođavajusvojeponašanjeiriziknezgodeopada.Zatoseuzimskimmesecima

događamanjibrojnezgoda.Sadrugestrane,vozačivozesporije,pajeitežinaovih

nezgodamanja (Lipovac, 2008). Chan i saradnici su potvrdili da se najveći broj

nezgoda, oko 90%, javlja u dobrim ambijentalnim okolnostima u kojima postoji

zadovoljavajući nivo osvetljenosti puta, kao i u uslovima povoljnih vremenskih

prilika.Autoriiznoseipreciznepodatakepremakojimaseoko77%nezgodadogađa

u uslovima bez padavina, dok se 20% nezgoda javlja u periodima intenzivnih

padavina(Chanisar.,2008).

Svakako da održavanje puta ima veliki uticaj na bezbednost saobraćaja. Pri

redovnom održavanju, koje počinje u proleće, izvode se sve potrebne popravke

zastora,čišćenjeodvodnihkanala,zamenadotrajalesignalizacijeiuređujusekosine

zemljanogtrupa.Investicijskimodržavanjemuređujuseopasnamesta,obnavljase

zastor,rekonstruišutehničkielementiputaisl.

2.1.5Preprekeporedputa

Poredputasečestonalazerazličiteprepreke(stabladrveća,betonskiidrugistubovi,

čvrstiobjekti,vegetacijaisl.)kojiutičunaaktivnuipasivnubezbednostsaobraćaja.

Stalne ili povremene prepreke u blizini ivice kolovoza nepovoljno utiču na

bezbednost saobraćaja. Ukoliko ugrožavaju preglednost vozačima, ove prepreke

mogu doprineti nastanku nezgode. Pojava učestalih prepreka na putu dovodi do

zamoravozača,kaoidopoteškoćauvezisapažnjom,tesenatajnačinpovećava

rizik nastanka nezgode. Prema našim propisima, udaljenost unutrašnje ivice

zaštitneogradezavisiodširinesaobraćajnetrakeirazlikujesezarazličitekategorije

puteva.


17

Preprekenaputumoguimatiuticajinapasivnubezbednostsaobraćaja.Ukolikoje

rečočvrstimpreprekama(stabladrveća,stubovi,zidaniobjektiisl.),prisilaskusa

puta,mogućejedadođedoudarcavozilauoveprepreke.Naovajnačinsenezgode

usložnjavajuipostajuteže.Podaciizrazvijenihzemaljapokazujudasvakačetvrta

nezgodauŠvedskojpredstavljaudaruprepreku,a50%ovihudarasuudariudrvo

poredputa.Oko43%smrtonosnihnezgodanastalihuNemačkoj,saučešćemjednog

vozila(sletanjesaputa),događasepriudaruvozilaudrvo(OECD,1990).

Sadrugestrane,preprekenaputumoguimatiipozitivanuticajnatežinunezgoda.

Uposlednjevremesesvečešće,kaomerazasmanjivanjebrzinanaraskrsnicamai

drugim opasnim mestima, razmatra postavljanje prepreka koje smanjuju

preglednost. Ove mere primoravaju vozače da smanje brzine kada se nađu u

opasnim zonama. Iako se ovakvom merom može povećati broj lakših nezgoda,

mogućejeuticatinasmanjenjenezgodasanajtežimposledicama.

Dakle, prepreke imaju dvojak uticaj na bezbednost saobraćaja; negativno se

odražavaju na aktivnu bezbednost saobraćaja (raste ukupan broj nezgoda), ali

pozitivno na pasivnu bezbednost (smanjuju se posledice nezgoda). Izgradnja

preprekakojesmanjujupreglednost,morabitiveomadetaljnoistručnoanalizirana.

Ukolikosuočekivanedobitivećeodšteta,izgradnjapreprekanaputuimasmisla.

Ogden(1997)jepokazaodaasfaltiranjebankinaporedotvorenihputeva,smanjuje

brojnezgodaido41%.Bankine,odnosnoudaljenostnepokretnihbočnihsmetnjije

jedna od bitnih geometrijskih karakteristika puta. Njoj se u projektovanju i

eksploatacijiposvećujevelikapažnja, jerpojedina istraživanjapokazujudavozila

zaustavljena na bankinama predstavljaju značajnu opasnost za funkcionisanje

saobraćaja(Baharisar.,2009).Istraživanjemjeustanovljenodajevišeod10%svih

nezgoda sa fatalnim ishodom povezano sa nezgodama u vezi sa zaustavljem u

prostorubankine.Napojačanirizikodpojavesaobraćajnihnezgodanaotvorenim

putevimanajvećiuticajimajugeometrijskidizajnputaistanjepovršinazapešake

(pešačkestazeitrotoari). Izgrađenost iodržavanjetrotoaranajvišeutičunarizik

stradanjaunaseljima(Lipovac,2008).


18

2.1.6Nepovoljnivremenskiuslovi

U vreme padavina (grad, kiša ili sneg) raste rizik od nezgode. Skandinavska

istraživanja(Fridstrømisar,1995)supokazaladaneočekivanesnežnepadavine,

prvijesenjisnegipadavineposledužihperiodabezpadavinaznačajnopovećavaju

riziknezgoda,aposebnonezgodasanastradalim.Vremenom,učesniciusaobraćaju

seprivikavajunaloševremenskeusloveiovajnegativanuticajslabi.Posebnoopada

rizikodnezgodasapovređenimipoginulim(Lipovac,2008).

2.1.7Osvetljenjeputa

Osvetljenje puta je neophodan uslov za bezbedan saobraćaj jer se veliki deo

saobraćajaodvijanoću.Dobrimosvetljenjemnadužimdelovimaputasmanjujese

broj saobraćajnih nezgoda 30 – 35% u poređenju sa saobraćajnicama koje nisu

osvetljeneilisuslaboosvetljene.Takodje,dobroosvetljenipešačkiprelazi,trotoari,

raskrsnice,tuneliidrugielementiputa,uznatnojmerimogudoprinetismanjenju

umoravozačaiimajuuticajnapovećanjenivoabezbednostiusaobraćaju.Dabise

povećala bezbednost saobraćaja na opasnim delovima puta i noću, potrebno je

namestitištoboljuvidljivost,štovećujednoličnostkoličinesvetlosti,izvorsvetlosti

morabitiizvanvidnogpoljavozača,trebapriguštisveizvoresvetlostikojeblještei

ometajuvozače,aistotakosvetiljketrebapostavitištovišeiznadkolovoza.Takodje,

trebaotklonitisvesvetlosnedistraktorekojiometajuvozače.Svakakotrebapažnju

usmeriti i na uštedu električne energije i kvalitetu osvetljenja puta i naći

zadovoljavajućerešenje(Chenaniisar.,2016.;Morettiisar.,2017).

2.2Uticajljudskogfaktoranabezbednostsaobraćaja

Uticajosobinaličnostinaponašanjevozačajeproblemkojijevećprivukaopažnju

brojnih istraživača, naročito zbog toga što se ljudski faktor pojavljuje kao

najznačajniji uzrok saobraćajnih nezgoda. Naime, podaci govore da ponašanje

čovekauzrokujenezgodeupreko90%slučajeva.Ponašanjevozačausaobraćajuje

vrlo složeno jer uključuje reakcije na veći broj istovremenih informacija u


19

situacijama koje se stalno menjaju (Vukobrat, 2008). S obzirom na to da su

saobraćajne nezgode retki događaji, veoma je teško ustanoviti prediktivnu moć

osobinaličnostikadasuupitanjutakviincidenti.Međutim,relacijeosobinaličnosti

sarazličitimoblicimaponašanjauvožnjikojisemoguokarakterisatikaomanjeili

višerizičn,indirektnomogudatinekepodatkekorisnezaprevencijusaobraćajnih

nezgoda. Velikibrojstudijarealizovanjesaciljemdaseutvrdipovezanostizmeđu

osobinaličnostiinastankanezgodausaobraćaju(Elanderisar.,1993;Furnhami

Saipe1993;UllebergiRundmo,2003;Clarkeisar.,2006;KoushkiiBustan,2006;

Waylen iMcKenna,2008;Kanaan i sar.,2009;Eiksund,2009;Scott‐Parker i sar.,

2009;deOñaisar.,2013.,Sârbescuisar.,2014,itd.).

Saobraćajni psiholozi sastavili su opsežne liste faktora koji utiču na ponašanje u

vožnji uopšte, što je prikazano na slici 2.1. (Lonero i Clinton, 2008.). Ova slika

ilustrujemnogostrukostikompleksnostfaktorakojidoprinoseponašanjuvozačana

putu.Dabiseshvatiloponašanjeuvožnji,neophodnojeproblematikusagledatiu

širemkontekstuidetaljnoanaliziratisvemogućefaktorekojiupravljajuljudskom

percepcijomiponašanjem.

Kako supodaci oulozi sklonosti ka riziku vozača čestonedostupniupolicijskim

izveštajimaonezgodama,poslednjihgodinaposebnointeresovanjeusmerenojena

uticajstavovanaponašanjekorisnikaputauoblastibezbednostisaobraćaja,tese

naovajnačin,posrednodonosegeneralizovanizaključcioosobinamaličnostikoje

mogudaimajuprediktivniznačajunastankunezgodausaobraćaju.Stavovisujedna

odbitnihkomponentikojiutičunaponašanjeusaobraćajuimožeserećidaimaju

značajnijuuloguuoblikovanjuponašanjavozačauodnosunastečenaznanja.Većina

učesnikau saobraćaju znada je odeđenoponašanjeu saobraćaju nebezbedno ili

zakonskinedozvoljeno,aliimapogrešanstavismatradanećedovestiuopasnost

sebe i druge učesnike u saobraćaju ako se ponaša nebezbedno. Između svih

istraživanjaovogtipa,posvojojmasovnosti,najvišeseističeistraživanjeSARTRE

(Social Attitudes to RoadTraffic Risk in Europe), akronim za ‘’Društveni stavovi

premarizicimaudrumskomsaobraćajuuEvropi’’,ipredstavljaistraživačkiprojekat

osmišljen sa ciljem da analizira stavove i prijavljene oblike ponašanja korisnika


20

puteva širom Evrope. U periodu od 1991. do 2012. godine realizovana su četiri

SARTRE istraživanja. Ova istraživanja planirana su sa ciljem da, između ostalog,

procene rizične oblike ponašanja u saobraćaju koji se dovode u vezu sa

karakteristikamaličnosti.Utekstukojislediopisanisuključniaspektiličnostikoji

utičunanebezbedneoblikeponašanjausaobraćaju.

Slika2.1.Faktorikojiutičunaponašanjevozača(LoneroiClinton,2008.).

Trenutno

ponašanje

u vožnji

Odvraćanje

pretnjom

Prinuda Zakonodavstvo

Frustraciona

agresivnost

Saobraćajno

zagušenje

Psihopatologija

Znanje

Obrazovanje

Mediji

Potrebni

stimulusi

Dosada

Uzbuđenje

Posmatrani

modeli

Pritisak

porodice Pritisak časti

Neformalne

društvene normeVrednost

budućnosti

Navike

Iskustvo

Obuka

Kultura vožnje

Društvena odgovornost

Mobilnost

Očuvanje

Mediji

Moto sport

Promocija

Marketing

Vremenski

pritisak

Vrednost sadašnjosti

Ekonomski ciklus

Svrha putovanja

Veštine

Odgovor

okruženja

Opreznost /

pažnja

Upravljanje vozilom

Ljudska

ograničenjaObrada

informacija

Ostali vozači

Konflikti Umor

Distrakcija

Ometanje

Konflikti

zadataka


21

2.2.1 Agresivnostuvožnji

Podacianalizanezgodauvisokorazvijenimzemaljama,kaoštosuVelikaBritanija,

Amerika, Kanada i Izrael pokazuju da je agresivno ponašanje u vožnji u porastu

(AAMI, 2009, Deffenbacher i sar.1994; Lajunen i sar. 1998; Shinar, 1998). Neki

istraživačisusugerisalidaporastagresivnevožnjemožebitiuslovljensvevećim

brojemvozilakojasenanekinačintakmičezaograničenuputnuinfrastrukturu,što,

posledično, dovodi do povećanja zagušenja i takmičenja za putni prostor, kao i

osećajapritiskazbogdužegvremenaputovanjakojeutičenanivofrustracije.Manji

broj istraživača se fokusirao na kontekstualne/situacione faktore koji doprinose

agresivnomponašanjuusaobraćaju(Shinar,1998.),doksudrugibiliusmerenina

individualnekarakteristikevozačakojesuzabeleženeuokruženjuvansaobraćaja

(Deffenbacherisar.,1994;Lajunenisar.2001;Shinar,1998).

2.2.2 Razlike između agresivne vožnje i ostalih sličnih psiholoških

konstrukata

Za bolje razumevanje agresivnosti u vožnji, neophodno je sagledati širu sliku, u

smislufaktorakojiutičunaovakavoblikponašanjauvožnji.Dakle,neophodnoje

analizirativrednosti,uverenja, stavovi inamere(Parker i sar.,1998;Fernandes i

sar.,2007,Geisar.,2016),demografskekarakteristike(KrahéiFenske,2002;Miles

iJohnson,2003)iosobineličnosti(Deffenbacherisar.,2003;Dahlenisar.,2005;

BoneiMowen,2006;Benfieldisar.,2007;Jovanovićisar.,2011;Dahlen,2012).

Kadajerečonamerikaodimenzijičinjenjaagresivnihdela,pojediniistraživačitvrde

dajeagresivnavožnjabližepovezanasaizražavanjemponašanjabezobziranatoda

lijenamernopočinjenoiline(Deffenbacher,isar.,2007).Izgledadaseovinalazi

zasnivaju na činjenici da se određeni rizični oblici ponašanja generalo od strane

organaredaisprovođenjazakonaposmatrajukaoinherentnoagresivnibezobzira

nanamereiliželjevozača.Ovaponašanjauključujubrzevožnje,malaodstojanja,ili

prestrojavanje.Međutim,drugiistraživačisutvrdilidaponašanjenapututrebada

seklasifikujekaoagresivno samoako jepočinjeno sa "namerom"da se fizički ili


22

psihološkioštetidrugivozač(Mizell,1997;Tasca,2001;DulaiBallard,2003).Utom

smislu,ponašanjekaoštojenpr.nadekvatnoodržavanjeodstojanjaizmeđuvozila

bićekategorisanokaoagresivnosamoakojeciljdaizazovenekuvrstunelagodnosti

ili problem drugog vozača. Ovakvo ponašanje, prema pomenutim autorima, iz

drugihrazlogajeboljeposmatratikaoprimerbezobzirnevožnje.Ustvari,smatrase

danamerepočinioca,anepercepcijažrtvepouzdanoiobjektivnodefinišuagresivnu

vožnju. Prema tome, uključivanje "namere" u okviru definicije agresivne vožnje

pružamogućnostdase jasnijediferencirakojevrsterizikapredstavljajuprimere

ponašanjaagresivnevožnje(Tasca,2001;DulaiGeler,2004).

Kadajecentralnauloganamereagresivnevožnjerazjašnjena,postajejasnodajei

preuzimanjerizikaverovatnouključenoukonceptkaoštojeprikazanonaslici2.2.

Dok se neka agresivna ponašanja (kao što je ablendovanje‐blinkanje svetla i

upotrebasirene)neklasifikujugeneralnokaorizična,druga,kaoštosuneadekvatna

rastojanja sleđenja povećavaju rizik od nastajanja nezgoda. Međutim, ovi rizični

oblici ponašanja koji neće ugroziti druge vozače, kao što je korišćenje telefona,

premapomenutimautorimanebitrebalodaseklasifikujukaoagresivnoponašanje.

Sličnotome,pomenutiautoripredlažudamalaodstojanjazbognemarainepažnje

predstavljajuprimerrizičnogponašanja,alineiagresivnoponašanjeuvožnji.

Slika2.2.Odnosizmeđurizičneiagresivnevožnje(DulaiGeler,2004).


23

Istraživanjeagresivnevožnjejekompleksnopitanjekojesadržimnogenejasnoće.

Nejasnoćesunajočiglednijeuterminologijikojasekoristizaopisivanjefenomena.

„Besnaputu“jeizrazkojisekoristeumedijimaodstraneopštepopulacijedaopiše

širok spektar incidenata na putu koji uključuju dela agresije i nasilja. Međutim,

medijisečestovišefokusirajunaekstremneslučajevenasiljanaputu,odkojihneki

verovatno predstavljaju slučajeve napada koji se dogode na putu (Elliott i sar.,

1995).Kaotakviizrazi„besnaputu“iagresivnavožnjasečestokoristekaosinonimi

od stranemedija, a samim tim i u opštoj populaciji, te se termin „bes na putu“

generalnopovezujesaekstremnimdelimanasiljanaputu.Bezobziranato,izrazi

„besnaputu“ iagresivnavožnjaseponekadkoristekaosinonimizanebezbedne

manevre na putevima. Na primer, nedavna meta‐analiza istraživanja agresivne

vožnjeukazujenatodasumnogaponašanjanaputukojasurelevantnazaagresivnu

vožnjuobeleženauliteraturikao„rizična,agresivna,ilibesnaputu“(Tasca,2001;

DulaiGeler,2004).

Rezultatipojedinihautoratakođesuotkrilidajevisokaimpulsivnostpovezanasa

budućim lošim socijalnim ponašanjem, uključujući i agresiju (Paton i sar., 1995;

Luengo‐Fernandezisar.,2009).VisokirezultatinaBISskaliimpulsivnosti,kaoina

BDHIskali (BussDurkeeHostility Inventory)razdražljivostipokazalisuznačajne

korelacijesanaglimizlivimaagresivnogponašanja(Stanfordisar.,1996).

Najnovija verzija BIS – 11 (Barrat Impulsivness Scale) instrumenta za procenu

impulsivnosti sastavljena od 28 pitanja pokazala je značajan odnos između

impulsivnostiiagresivnosti.Ustudijiukojojjeučestvovalo592studenata(prosečne

starosti 22 god.), oni koji su posedovali izraženiji skor na BIS‐11 skali, češće su

pokazali sklonost ka rizičnim ponašanjima uključujući upotrebu pića/droge i

manifestnihoblikaagresije(Stanford,isar.,1996).

Prilikomispitivanjaimpulsivnostiinjenogodnosapremaagresiji,nekiistraživačisu

sefokusiralinarazlikeizmeđureaktivneiproaktivneagresije(Connorisar.,2003).

U takvim istraživanjima, reaktivna agresija se smatra besom ili defanzivnim

ponašanjemkaoodgovoromnauočeneprovokacije ili frustracije.Sdrugestrane,


24

proaktivnaagresijasenamernokontrolišekakobisepostigaoželjeniefekat.Osim

ove razlike, naučnici su otkrili da je hiperaktivnost/impulsivnost u korelaciji sa

reaktivnomagresijom,posebnokodmuškaraca.

Uistraživanjimaukojimajepronađenapovezanostagresijesatraženjemsenzacije,

ova osobina je pokazala veliki prediktivni značaj u predviđanju prekršaja u

saobraćaju,pačakinezgoda(Joireman,isar.,2003).Ovaistraživanjaukazujudasu

traženje senzacije i agresivnost povezani kao dva konstrukta koji se odnose na

trenutnazadovoljstvabez razmatranjabudućihposledica.Najpoznatijiupitnikza

procenu ove dimenzije ponašanja konstruisao je Zukermana (Zukerman, i sar.,

2000).

2.2.3 Teorijeagresije

Širok spektar psiholoških teorija u liiteraturi nastoji da objasni opštu ljudsku

agresiju, uključujući teorije socijalne kognicije, teorije frustracione agresije,

kognitivne teorije i teorije opservacijskog učenja itd. (Bandura, 1977; Zillmann,

1988; Berkowitz i Heimer, 1989). Od navedenih psiholoških teorija, teorija

opservacijskog učenja i teorija frustracione‐agresije najčešće se koriste za

ispitivanjeagresivnogponašanjeuvožnji(Shinar,1998;Yagil,2001).

2.2.3.1Teorijafrustracije‐agresije

Hipoteza koja se odnosi na frustraciju‐agresiju (Dollard, i sar., 1939) tvrdi da je

"agresija uvek posledica frustracije" i obratno da postojanje frustracije ili više

frustracijauvekdovodidoagresijeunekomobliku,bezobzirada li sepotiskuje,

maskirailiodlaže.Frustracijasesmatraspoljnimuslovomilifaktoromkojisprečava

osobudaostvaricilj(BerkowitziHeimer,1989).

U središtuove teorije je konceptpraga frustracija‐agresije (Dollard i sar., 1939).

Ovaj koncept podrazumeva da povećanje frustracije smanjuje "prag agresije" i

povećava verovatnoću agresivnog ponašanja. Dollard je opisao da se frustracija


25

gradikumulativnoizvišeizvora.Izražavanjefrustracijeibesaslužikatarzičnojsvrsi,

tevraćapragfrustracija‐agresijanasvoj„normalannivo.“Pragfrustracije‐agresije

nemožedapomogneurazumevanjupotencijalazaagresivnaponašanja,alimože

dapomogneuobjašnjenjupredloženeakumulacijefrustracijeikasnijegispoljavanja

kaoagresije.

Mnogo istraživanja je sprovedeno o agresiji od pojave teorije frustracija‐agresija

(Dollard i sar, 1939.;Marcus‐Nevhall i sar., 2000;Pedersen i sar., 2000).Analiza

ovogfenomenailustrujerobustnupriroduagresije(Marcus‐Nevhallisar.,2000).

Ujednomtakvomistraživanju,učesnicisubiliizloženinekomdogađajukakobise

videlodalisekodnjihjavljabes,uslučajupojavebeznačajnihokidača.Zaonekoji

su bili ispovocirani, okidač je bio trivijalan, a pokazali su visok nivo agresija

(Pedersenisar.,2000).

Teorijafrustracija‐agresijatvrdidaćevisoknivofrustracije,neizbežno,dovestido

agresije.Upreformulisanojverziji teorije frustracije‐agresije,Berkowitz iHeimer

(1989), međutim, tvrdi se da će se agresija pojaviti samo ako je frustracija ili

neprijatandogađaj„dovoljnoneprijatan“daproizvedejaknegativanuticaj,kaošto

je"bes".

Kada je reč o skorijim verzijama ove teorije, poput one koju je ponudio Shinar

(1998), navodi se da frustrirajuće situacije na putu, kao što su zagušenja ili

kašnjenja,uzposredovanjeosobinapojedinca,predispozicijezaagresiju,doprinose

agresivnomponašanjuvozača.Uskladusafrustracija‐agresijateorijom,zagušenja

ilikašnjenjasublokatoriponašanjaodnosnoometačinapretkavozača.Uodgovoru

na blokatore, vozači doživljavaju povećanje frustracije koja zauzvrat smanjuje

njihovpragagresije,asamimtim,povećavaiverovatnoćuagresivnogreagovanja.

Dalićeagresivnavožnjabitizastupljenanaputuiline,zavisiodtumačenjasituacije,

a tumačisepoduticajemtakvih faktorakaoštosu„kulturnenorme“.Uodsustvu

agresivnog ishoda tokomvožnje, veruje seda je ekspresijaagresijepomerenaza

kasnijitrenutak.ModelagresijekojijeponudioShinarprikazanjenaSlici2.3.


26

Slika2.3.Frustracija‐agresijamodelagresivnevožnje(Shinar,1998.)

2.2.3.2Kognitivnoneoasocijalanmodel

Kaoštojeprethodnonapomenuto,BerkowitziHeimer(1989)jedaodoprinosza

dalji razvoj teorije frustracije‐agresije (Dollard i sar., 1939). Polazeći od načela

teorije frustracija‐agresija, Berkowitz je formulisao "kognitivno neoasocijalni

Frustrirajućesituacije- Zagušenje- Kašnjenje

Ličnost(Otežavajućifaktor)

- Neprijateljstvo- Ekstraverzija- TipA/B

Okruženje(Olakšavajućifaktor)

- Anonimnost- Legitimitet- Lošakomunikacija

Raspodelaagresivnosti

Mogućnost agresije? - Kulturne norme - Prisila

Izmeštenaagresija

Blokiranputdocilja?Da Ne

Neprijateljskaagresija- Verbalnozlostavljanje- Fizičkinapad- Pokretiruku- Glasnotrubiti

Instrumentalnaagresija- Trkanje- Prolazaknacrveno- Nedovoljnoodstojanje- Glasnotrubiti

Da

Ne


27

model“agresije,kojinaglašavakogitivnoiskustvointenzivnihemocijainjihovuticaj

naverovatnoćuagresivnogponašanja.Premaovojteoriji,kadasuuočenineprijatni

događaji ili fizičke nelagodnosti kao što su visoke temperature ili buka, osnovni

nagonirezultirajuosećanjem"besa"ipripremajuorganizamzastrahiborbu.

Berkowitz,tvrdidaovepočetne,praktičnoautomatskeosećajeilimisli,prateizraziti

motorni odgovori ili reakcije. Izražene emocije su posledica prerade kognitivne

procene, mogućih posledica, pravila ponašanja i prethodno naučenih mentalnih

odgovorautvrđenihživotnimiskustvimatj.”čvorovima”.

Ovaj model sugeriše da su odgovori i afektivne misli/telesne reakcije mreže

mentalnihšemakojesenalazeupsihološkomkonstruktu,"pamćenja."Premaovoj

teoriji,memorijasetretirakaonizmrežakojesesastojeod"čvorova".Svakičvor

može uključivati niz misli i srodnih emocija povezanih asocijativnim nervnim

putevima. Kada se aktiviramisao, vrši se spoljna aktivacija duž puteva i tako se

aktivirajuidrugičvorovisećanjai/ilisrodnihemocijaštomožedovestidopovećanja

verovatnoće agresivnog ponašanja zbog "pripremanja". Koncept "pripremanja"

možebitivažankadaserazmatradoprinosstresaiagresivnogponašanjauvožnji

(Parkinson,2001).

Ukratko, ovo je prilično složen proces koji vodi do diferencijacije, suzbijanja ili

menjanja osećanja, uznemiravanja, iritacije, besa ili straha što dovodi do

instrumentalnih, ili neprijateljskih reakcija. Stoga, Berkowitzeva reformulacija

originalne teorije frustracije‐agresije nudi okvir za potencijalan doprinos

kognitivnihprocesatokomvožnje(Lajunenisar.,2001).

U poslednjoj studiji, koristeći scenario u kojem je automobila parkiran ispred

semafora,zbogovakvogponašanjavozača,pojaviosevelikibrojverbalnognasilja

od strane druhih učesnika u saobraćaju, a takođe je utvrđeno da viši nivoi

samokontrole besa nisu uvek povezani sa agresivnim odgovorom (Berkowitz i

Heimer, 1989). Pored toga, istraživanje agresije naglašava relativni značaj i

potencijalni uticaj procesa internalizacije u agresivnom ponašanju u vožnji. Ovi


28

procesi uključuju podsvest pojedinca i/ili svesne kognitivne procene situacije, i

sukcesivno aktiviranje povezanih emocionalnih čvorova, odnosno socijalne

spoznaje.

2.2.4Teorijesocijalnekognicije

Načinnakoji ljudskabićaprimaju informacijeu raznimdruštvenimkontekstima

dugo je bio fokus socijalnih i kognitivnih psihologa. Oslanjajući se na principe

računarske logike, istraživačisuse fokusiralinapsihološkomodeliranjerazličitih

socijalnihponašanjaipsihološkihkonstrukataunjihovojosnovikaoštosu"sećanja"

(Bushman iAnderson,2001.).Ovajpristupproučavanjuponašanja jepozantkao

"društvenaspoznaja",aponekadpreciznije„društvenaobradainformacija.“

2.2.4.1Socijalnoučenje

Glavna tema u razmatranju socijalne spoznaje je naučeno ponašanje ili princip

socijalnogučenja(Bandura,1977;BushmaniAnderson,2001).Socijalnoučenjeu

bilo kojoj situaciji se ostvaruje direktno kroz lična iskustva i posredno kroz

posmatranjedrugihilimodeliranjeponašanjadrugih(Bandura,1977).Verujeseda

seovočuvaumemoriji,kaoskupmentalnihpredstavapodnazivomšeme/skripte,

koje se ne razlikuju od "čvorova" kod Berkowitz i Heimer‐a (1989). Ove skripte

sadrže slike prošlih događaja i ponašanja koji mogu biti asocirana sa drugim

šemama/skriptama (Bandura, 1977; Huesmann, 1998). Aktivacija ovih skripti u

okvirusocijalnogokruženjajepoznatakao"socijalnakognicija".Socijalnaspoznaja

jeprocesposredovanjaizmeđusituacionihfaktorairezultantesocijalnogponašanja.

Veliki broj socijalno‐kognitivnih istraživača je proučavao procese u kojima je

procenapravljenauzavisnostiodsituacije(BerkowitziHeimer,1989;Huesmann,

1998;Yagil,2001).

Kada se suoče sadruštvenimdilemamapojedinciprocenjuju i tumače situacione

karakteristike, svesno ili nesvesno, pretraživanjem dostupnih memorijskih

šema/skripti koje su ranije naučili (Huesmann, 1998). Kada se šeme/skripe


29

procenjuju,istovremenoseprocenjujuipotencijalneposlediceiponašanja,rezultati

ishoda(Huesmann,1998;BushmaniAndersen,2001).

Do danas objavljene teorije socijalne kognicije naglašavaju društveni uticaj na

agresivno ponašanje, odnosno situacione faktore koji povećavaju ili inhibiraju

mogućnost agresivnog ponašanja (Huesmann, 1998; Yagil, 2001). U istraživanju

agresivne vožnje takvi faktori podrazumevaju prisustvo/odsustvo putnika,

anonimnostiitipvozilakaoidruštvenenorme.Međutim,ovimteorijama,generalno,

izgleda da nedostaje naglasak na individualnim razlikama, vezanim za ličnost,

trenutnomentalnostanjeivarijacijeuponašanju.

Značajnojedaistraživanjeagresijeuključujesocijalnukognicijupriobjašnjavanju

uticaja stresa, raspoloženja i emotivnog uzbuđenja na obradu informacija.

Uzbuđenje zbog stresa i neraspoloženje negativno utiču na proces kognitivne

evaluacije (Zillmann, 1988). Na primer, pronađeni su visoki nivoi hostilnosti u

slučajevimasmanjenekoličinepažnjeievaluacijeaktuelnesituacije(CrickiDodge,

1994).Poredtoga,visoknivouzbuđenjasužavapretragumemorijeiaktivirasamo

one šeme/skripte koje su blisko povezane sa tim signalom, što rezultira užim

opsegommogućihishodaponašanja.

Specifično za istraživanja agresivnog ponašanja u vožnji, Parkinson (2001) je

utvrdiodasuvozačikojisuprijavilinegativanuticajemocijaprevožnjeimalimanju

šansudadoživebesuvožnji.Nažalost,veličinauzorkaovestudijejebilarelativno

nereprezentativna(n=64)(BoyceiGeler,2001).

Dalje,ustudijikognitivnihpreduslovaagresivnogponašanjauvožnji,Yagil(2001)

jeobrazložiodaatribucijeutičunaagresivnereakcijenaprovokativnaponašanjaod

strane drugog vozača. Yagil je na uzorku od 150muškaraca utvrdio da kada se

negativna atribucija primjenjuje na drugim vozačima, ona verovatno povećava

količinu frustracije ilibes savećomstopom izraženostikodmuškaracanegokod

žena. Dalje, takva negativna očekivanja od drugih vozača, dovode do procene

njihovog ponašanja kao nepromišljenog i agresivnog. Ovaj nalaz je u skladu sa


30

rezultatitmaprikazanimuizveštajuVCCAV(VictoryanCommunityCouncilAgainst

Violence)iz1999.premakojimajeustanovljenodasumlađimuškarci(uzrasta18‐

24godina)triputačešćepočioniociprekšajanegožene.Stogasečinidamladimuški

vozačimogudaprivukuvišenegativnihatribucijauodnosunastarijevozače.Ovi

nalaziukazujunapotrebudasesprovedudaljaistraživanjakognitivnihprocesakoji

suuključeniuagresivnoponašanjeuvožnji.

2.2.4.2Teorijauzbune

Još jednateorijakojamožedaobjasniefektenivoaemocijauzbuđenjauvožnji je

teorijauzbune(Zillmannisar.,1972).Premaovojteoriji,uzbuđenjenastajenesamo

kao posledica negativnih emocionalnih iskustava, većmože poticati iz pozitivnih

iskustavapovećevajućinatajnačinfiziološkouzbuđenje(Geen,2001.).

U svojoj teoriji, Zillmann i sar. (1972) tvrde da povišen nivo uzbuđenja, u

kombinaciji sa dovoljnim novoom provokacija, deluje kao prethodnica agresije

(Geen,2001).Usvojojstudiji,Zillmannprikazujeeksperimengdesustudentiimali

zadatakdasedeilivoze(fizičkinapor)sobnibicikl.Neštokasnije,učesnicisutrebali

daizrazesvojenezadovoljstvo.Onikojisubiliuključeniunaporanzadatakbilisu

agresivniji,štoideuprilogovojteoriji(Zillmannisar.,1972).Iakojeovajrezulat

pokazujevezuizmeđuuzbuđenjaiagresivnosti,negovoriouloziemocijainjihovom

doprinosunastankaagresije.

Razmatranja vremena između izazivanja događaja i incidenata besa se smatraju

kritičnim.Akopreviševremenaprotekneizmeđudvadogađaja,uzbuđenjeserasipa,

čime su transferi i identifikacijauzbuđenjamanje verovatni (Feindler iGuttman,

1994). Priroda i intenzitet uzbuđenja utiču na uspostavljanje ove veze (Baron i

Richardson,1994).

Ova teorija ima potencijalno značajne implikacije kada je u pitanju objašnjenje

aktivnostikojeprethodevožnjikaouzrokuizlaganjadodatnomstresuusaobraćaju.

Akojevozačintenzivnobioizloženkontinuiranomstresupre"ulaska"uvozilo,onda


31

jepodvećimrizikomdaispoljiagresivnostuvožnji.Osimtoga,pozitivnauzbuđenja

spadajuuredponašanjakojamogubitiodposebnogznačajazamladevozače.Na

primer,vožnjaneprimerenovelikombrzinomiliprisustvovršnjaka,možepovećati

fiziološkoiemotivnouzbuđenje.Usvetluoveteorije,moždanijenerazumnorećida

su visoki nivoi impulsivnosti kao osobine ličnosti (Karli, 1991) i osećaj traženja

senzacije(Jonah,1997)čestopovezanisarizičnimponašanjemuvožnjikodmladih

vozača.

2.2.4.3Društvenainterakcija

Teorijasocijalneinterakcijesebaziranapretpostavcidausocijalniminterakcijama,

kada je to interes koji uključene strane razdvaja, agresija se javlja kako bi se

popravila situacija (Tedeschi i Felson, 1994). Svaka agresija se temelji na obliku

ponašanja prinude koje imaju za cilj da ispravi razliku; upotreba agresije se

posmatrakaojednaodstrategijazapostizanjecilja.Zarazlikuodgorepomenutih

teorija,ovostanovištejekritičnopremaobjašnjenjudaagresijapotičeodosećanja

frustracije i/ili kao manifestacija negativnih fizioloških uzbuđenja (Tedeschi i

Felson,1994).

Uprkos tome, istraživačipoputAndersona iBushmana (2002)uključili su teoriju

socijalneinterakcijeusvojmodelsaciljemdautvrdekakobiovajmodelmogaoda

se uklopi u agresivno ponašanje u vožnji. Pre svega, akcenat je na socijalnim

interakcijamakakobisedonelaodluka,pričemuseodlukasastojiu tomekako i

kadadaseagresijapokrećeikojisualterantivniodgovori(TedeschiiFelson,1994).

Anderson i Bushman (2002) ukazuju na to da ova teorija nudi dobar okvir za

razumevanjeagresijekoja jevođenaciljevimakaoštosupretnjesamopouzdanju

(Baumeister, i sar., 1996). U nastojanju da se bolje razume ponašanje u vožnji,

aspektioveteorijemogupomoćidaseobjasniagresija.Činisedanekivozačikoriste

ponašanje,kojesetakođemožesmatratikaoagresivno,kakobiuticalinaponašanje

drugihvozača.


32

2.2.5Mladivozačikaopopulacijapodrizikom

Mladivozačipredstavljajujednuodnajranjivijihkategorijaučesnikausaobraćaju.

Statistikepokazujudasusaobraćajnenezgodejedanodvodećihfaktorapovredai

smrtnostimeđumladimauzrastaod18‐24godina(ABS,2017).Stopasaobraćajnih

nezgoda u ovoj populaciji je najviša tokom prvih meseci od sticanja dozvole za

upravljanjemvozilom;zatim,rapidnoopadauperiodukojiprosečnotrajeokošest

meseci,dabisedostigaoperiodslabijegpadastopenezgodauperioduodnajmanje

dvegodine,uskladusatipičnomkrivuljomučenja.Brojnaistraživanjaidentifikovala

sumladevozačekaospecifičnerizičnegrupezaispoljavanjeagresivnogponašanja

uvožnji.Naprimer,Shinar(1998)jeutvrdiodakakosestarostvozačapovećava,

agresivnostsetokomvožnjesmanjuje.Lajunenisar.(1998)sutakođeizvestilidaje

agresivnavožnjačešćakodmladihvozačaitočešćemuškaraca,negokodžena,što

jenaročitokarakterističnozatežemanifestacijeagresijetokomvožnje.

MlađeosobemuškogpolasutakođevišezastupljeneustudijiNewSouthValesu

policijskim evidencijama prijavljenih za agresivnu vožnju (Morgan, i sar. 1994).

Nasuprottome,pojedinaistraživanjaukazujunatodasvevećibrojmladihženskih

vozačaaktivnopokazujuelementeagresivnevožnje(Lajunenisar.,2001;Lawtoni

Nutter, 2002). Naime, žene izgleda imaju veće šanse da usvoje latentne oblike

agresije,dokjekodmuškaracautvrđenoprisustvovišihnivoatrenutnemanifestno

izraženeagresije(LawtoniNutter,2002).

Ovoistraživanjejetakođepokazalodaverovatnoćaagresivnogponašanjeuvožnji

rasteakojevozačpoddejstvomalkoholailidroge.Naosnovunavedenihnalaza,rana

faza ovog istraživanja će se fokusirati na uključivanjemladih vozača, kao grupu

visokogrizikazaispoljavanjeagresivnogponašanjauvožnji.

Za razumevanje ponašanja mladih vozača, neophodno je najpre sagledati

neurofiziološke osnove. Ovo se pre svega odnosi na funkcije frontalnog režnja

korteksa, a naročito prefrontalnog korteksa i njihovih veza sa drugim delovima

mozga.Prefrontalnikorteksjeregijamozgakojojjepotrebnonajduževremenada


33

bi seupotpunosti razvila. Smatra seda senjen razvoj završavau trećojdeceniji

života.Ovajdeomozgaupravljaveštinamakaoštosuprocenarizika,uspostavljanje

prioriteta,organizacijaplanovaistrategija,pokretiočiju,kontrolaimpulsaiemocija,

empatija i sl. Kako su veštine neophodne za adekvatno sagledavanje rizika u

saobraćaju kod mladih vozača još uvek u razvoju, često nedostaje neophodna

percepcijaopasnostinaputu.

Nekolikoključnih faktoradoprinosepovećanojstopinezgodakodmladihvozača.

Najpre,kodmladihvozačaprocesučenjakontrolevozilajejošuveknedovršen,što

dovodi do smanjenog kapaciteta pažnje prilikom neočekivanih zahteva na putu.

Zatim,mladivozačiimajulošusposobnostpredviđanjaiidentifikovanjaopasnosti.

Takođe, kodmladihvozačapostoji pojačana sklonostkaučestvovanjuu rizičnim

situacijama,kaoštosuvelikebrzineismanjeniintervalisleđenjauvožnji,štočesto

predstavljaposledicunjihoveprijemčivostizausvajanjeneprihvatljivihnormikoje

propagiranjihovavršnjačakagrupa.Mladivozači,znatnočešćenegostarijivozači

pokazuju sklonosti ka vožnji poddejstvomometanja što ih dovodi neadekvatnih

percepcijasaobraćajnihsituacijaiizlaganjapoćanomriziku(Čubranić‐Dobrodolaci

sar.,2013).

UstudijikojususproveliČubranić‐Dobrodolacisar.(2013),analiziranisurizični

oblici ponašanja koji se dovode u vezu sa saobraćajnim nezgodama na uzorku

mladihvozačasakraćimvozačkimiskustvom.Najznačajnijielementirizičnihoblika

ponašanja odnosili su se na vožnju pod dejstvom alkohola i korišćenjemobilnih

telefonatokomvožnje.Kadajerečoalkoholukaopokazateljusklonostikarizikuu

vožnji,rezultatipokazujudajevelikiprocenatmladihbarjednomiličešćeupravljao

vozilompoddejstvomalkohola(Slike2.4i2.5).


34

Slika2.4.Vožnjapoddejstvomalkoholakodmladihvozača

(Čubranić‐Dobrodolacisar,2013)

Slika2.5.Učestalostvožnjepoddejstvomalkoholakodmladihvozača


Podaci dobijeni upitnikom za procenu rizičnih oblika ponašanja tokom vožnje

pokazujudaznatanbroj ispitanikauovomuzorkukoristimobilni telefonu toku

vožnje.Ono što je najkarakterističnije kaodobijeni podataku ovom istraživanju,

odnosisenarasprostranjenostupotrebemobilnihtelefonauvožnjimeđumladim

vozačima koji su u svom kratkom vozačkom iskustvu doživeli nezgode. Naime,

izražena jetendencijadavozačikojisudoživeli tri ilivišenezgoda,prijavljujuda

koristemobilnitelefonuvožnjigotovosvakodnevno(Slika2.6).

Ne43%

Da57%

Upotrebaalkohola

Ne

Da

Jednom37%

Višeputa63%

Učestalostkorišćenjaalkohola

Jednom

Višeputa


35

Slika2.6.Korišćenjemobilnogtelefonaiučestvovanjeunezgodama

(Čubranić‐Dobrodolacisar,2013)Sadrugestrane,većpomenutifaktorkombinacijerizičneiagresivnevožnje,alkohol,

pokazaoseindikativnimugrupivozačakojikoristemobilni telefonusaobraćaju.

Naime,kaoštojemogućeuočitinaSlici2.7,međuukupnimbrojemispitanikakoji

su prijavili da voze pod dejstvom alkohola, njih 77% prijavilo je da gotovo

svakodnevno koristi mobilni telefon dok upravlja vozilom. Ovakvi podaci

nesumnjivo ukazuju na povezanost između agresivnog ponašanja i sklonosti ka

rizikuuvožnjiipredstavljajuokosnicuimotivzaistraživanjakojasurealizovanau

okviruovedisertacije.

Kada je reč o mladim vozačima, pokazalo se da su najefikasnije strategije u

prevenciji nezgoda, programi podsticanja i nagrada, pod uslovomda se unapred

temeljnoplanirajuisprovode.Svakako,trebalobiuzetiuobzirdapostojeiizvesna

ograničenja u opštoj primeni takvih mera, u odnosu na različite socijalne,

ekonomske,političkeiadministrativnerazlikeizmeđurazličitihnacijaizemalja.

35 37

65 63

100

0

20

40

60

80

100

120

Jedna Dve Tri

Korišćenjemobilnogtelefona[%

]

Brojnezgoda

Da

Ne


36

Slika2.7.Upotrebamobilnihtelefonauvožnjimeđumladim

vozačimauodnosunadoživljavanjesaobraćajnihnezgoda


2.3Međusobniuticajputevailjudskogfaktora–savremeneperspektive

Moderne tendencije u istraživanjima prevazilaze koncept ''3E'', prema kome je

dovoljnouvestidobruedukaciju,projektovanjeputevaikaoiprinudu‐sprovođenje

propisa, što bi dovelo do unapređenja bezbednosti saobraćaja. Izgleda je je ova

problematikaznatnokompleksnijaiodnosisenasledeće:kakouskladitiodnoseu

sistemu faktora bezbednosti saobraćaja „Čovek – Vozilo – Put – Okolina“, sa

posebnimosvrtomnaodnosizmeđukarakteristikaputaiponašanjavozača.Naime,

faktor čovek, u sadejstvu sa ostalim faktorima, odgovoran je za nastanak

saobraćajnenezgodeunajvećembrojuslučajeva,tesuupravoizovograzlogabrojna

istraživanja usmerena ka unapređenju ovog faktora. Shvatajući značaj ovakvih

istraživanja, zakoni o bezbednosti saobraćaja razvijenijih zemalja, kao i Zakon o

bezbednostisaobraćajanaputevimaRepublikeSrbije(učl.156,ZoBS),uvrstilisu

ovemetodekaozakonskuobavezuupogleduunapređenjabezbednostisaobraćaja.

Uzimajućiprethodnouobzir,iakostatističkipodaciukazujunadominacijuljudskog

faktoraunastankusaobraćajnihnezgoda,usavremenimistraživanjimapomerase

fokus na uzajamno dejstvo karakteristika puteva i ljudskog faktora. Istraživanja

77

55

23

45

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

DA NE

Korišćenjemobilnogtelefona[%

]

Alkohol

Ne

Da


37

pokazuju da je uzajamno dejstvo ljudskog faktora i puta odgovorno za značajan

procenatnezgodanaputevima(Pešićisar.,2012).

Analiza lokacija nezgoda pokazuje da se ljudske greške dešavaju na određenim

lokacijamavišenegonadrugim.Tonaročitovažizaruralneputeve:iakonanjima

gineubedljivonajvećibrojljudi,opasnostkoja“leži”nanjimajejasnopotcenjenaod

stranevozača.Tosuuglavnomtumačivisokomproporcijomuzrokanezgodakroz

interakcijuizmeđuputaivozača.Unastavkućebitipredočeninačininakojeokolina

putautičenaljudskeosobine,sajednestrane,kaoinakojinačinobafaktoramoraju

daseuzmuuobzirdabiseprojektovalibezbednijiputevi,sadrugestrane.

2.3.1Modeliponašanjavozača

Kako bi se sveobuhvatno sagledali uticaji na ponašanje vozača, od suštinskog je

značajapregledrazličitihmodelavožnjeiponašanjavozača,aštoseodražavaina

sagledavanjenajbitnijihterminaizoveoblasti.

Hijerarhijskimodeli imodeli kontrolnogkruga služekaookvir zaostalemodele.

Najobuhvatnijihijerarhijskimodelkoji je razvioMichon(1989)sagledavavožnju

kaohijerarhijskiproblemkojirešavazadatakkojifunkcionišenatrirazličitanivoa.

Nivoisemogupodelitipremaposebnimzahtevimanasvakomnivou,vremenskom

okviru koji je potreban i kognitivnim procesima. Hijerarhijski model Michona

pronalazisvojekvivalenturazliciizmeđuučinkailinivoaponašanjakojipredlaže

Rasmussen (1987), koji pravi razliku između nivoa koji se zasnivaju na znanju,

pravilima i veštini u zadatku. Obamodela semogu kombinovati kako i predlaže

Donges(1999).Prikaznajčešćerazmatranihmodelaponašanjauvožnjikojisemogu

naćiustručnojliteraturidatjenaslici2.8.


38

Slika2.8.Pregledrazličitihmodelaponašanja(Donges,1999)

Nasledećemdijagramu2.9mogućejeuočitikombinovanorazličitenivoezadataka

kojepredlažuRasmusseniMichon.Strateškiilinavigacioninivosadržisveprocese

kojisetičuodlukeoputovanju,kaoštojeonagdebitrebalodaseputuje,kada,kojim

putem ikojimmodalitetomsaobraćaja.Odlukenaovomnivousuretke iprocess

odlučivanjatrajeduženegouostalimnivoima.Zbogsvojeprirode,procesiranesu

manje više svesno, ali postaju navike ukoliko se često ponavljaju. Na nivou

manevrisanja,odlukesedonoseusekundi.Tipičnimanevrisupreticanje,skretanje

ili prihvatanje prostornih i vremenskih intervala sleđenja. Na ponašanje na tom

nivou utiču i motivacija i situacija. Ostali termini koji se koriste za opisivanje

manevarasutaktikainavođenje.Konačno,odlukenakontrolnomnivousedonose

automatizovanimprocesima.Tipičnizadacikojeobuhvatajusuodržavanjepravcau

traci ilipromenabrzine, i sprovodesebezsvesnogprocesuiranja informacija.Za

ovajnivosekoristeterministabilizacijaioperacija.

HijerarhijskimodeliModelikontrolnogkruga

Čineokvirvozačkogzadatkaukojisemoguintegrisatiostaleteorije

TaksonomskimodeliNaglasakna

pojedinačnimrazlikama,statični

FunkcionalnimodeliUzimajuuobzir

komplikovaneinterakcijeuvožnji

Modeliprocesuiranjainformacija

Motivacionimodeli

Kognitivnimodeli

Teorijadirektnepercepcije

Modelirizika

Modeliradnogopterećenja


39

Slika2.9.KombinacijanivoaučinkapremaRasmussenui

hijerarhijskimodelpremaMichonu,modifikovaoDonges(1999.)

Dalisezadataknalazinanivouznanja,pravilailiveštinezavisiuvelikojmeriod

informacijakojepostojeuvezisazadatkomiokolinom.Procesivišegnivoakojise

nalazenanivouznanjazahtevajuvišekognitivnihizvoraodnižihnivoa.Višiiniži

nivoi procesuiranja su često nazivani kontrolisani ili automatski procesi prema

SchneideruiShiffrinu(1977).

Znanjeotomedaliseponašanjekojeseposmatrasvrstavauautomatskiilikontrolni

nivo je veoma značajno za strategije o promeni ponašanja. Samo kontrolisani

procesi mogu biti modifikovani. Slika 2.10. pokazuje na koji način odlučivanje i

rešavanjeproblemaostvarujusvojporedakuvožnji.Procesivišegredasekoriste

samokadanižiprocesinevodeželjenomrezultatu.

Ponašanjezasnovanonaznanju

Identifikacija

Odluka

Planiranje

Ponašanjezasnovanonapravilima

Prepoznavanje

Asocijacija

Pravila

Ponašanjezasnovanonaveštini

Formacijaosobina

Stimulus,reakcija,automatizam

Senzori Akcija

Strateškinivo

Nivomanevrisanja

Kontrolninivo

Pravac,kriterijumbrzine

Kriterijumpovratnihpodataka


40

Slika2.10.GeneričkisistemmodeliranjakojipredlažeReasonisar.(1990)

2.3.2Procesiranjeinformacijaipercepcija

Ljudskapercepcijaiobradainformacijasupoduticajemdvakonkurentnasistema,

stazeodgorenadoleioddolenagore.Ukratko,procesodgorenadoleznačidaje

vozačformiraonekuvrstuhipotezeotomeštadaočekujeudatojsituaciji.Procesod

NivoveštineRutinskeakcijeupoznatojokolini

OK? OK?

Proverapažnjeuvezisaakcijom

Cilj

Problem

Uzimanjeu obzirlokalnihilidržavnihinformacija

Daliješemapoznata?

Dalijeproblemrešen?

Primeninaučenopravilo

Nivopravila

Nivoznanja Analogijavišegnivoa?

Okretanjementalnomnivouproblemaprostora,analizaapstraktnijihodnosaizmeđu

struktureifunkcije

Kasnijipokušaji

Unutrašnjadijagnozaiformulisanje

korektivnihpostupaka.Primenaakcije

Da

DaNe

Ne

Da

Nijepronađena


41

dolenagoreznačida jepažnjavođenastimulusimaokoline,bezvišihkognitivnih

funkcija.

Procesi koji su uključeni u strategiju pretrage gore‐dole su pažnja, iskustvo,

motivacijaiočekivanja.Očekivanjasestvarajuzasnovanonaprošlimiskustvima.Što

je situacija sličnija prethodnoj, to su jača očekivanja u sadašnjoj situaciji. Takva

očekivanja,sadrugestrane,pomažuvozačudausmerisvojupažnjunalokacijegde

pretpostavljadaćepronaćirelevantneinformacije.Ukupnibrojočekivanjauodnosu

naposebnusituaciju formiramentalnimodel iliunutrašnju reprezentaciju čitave

situacije. Ostali termini u odnosu na mentalni model su šeme ili skripte. Sve

predstavljajuimplicitnoilieksplicitnoznanjesituacijeilipostupka.

Zbog svoje prirode, procesuiranje sa vrha na dno zahteva više vremena od

procesuiranjaoddnakavrhu.Ipak,onopovećavaefikasnostiefektivnostljudskog

ponašanja zbog pojednostavljenja u poređenju sa prirodom. Drugo, upotreba

mentalnihmodelajeautomatskaprenegosvesnaizatojojjepotrebnomanjeizvora

u radnoj memoriji. Procesuiranje sa vrha na dno vodi pažnju ka relevantnim

stimulusimaiprematomeomogućavaefikasnualokacijuresursapažnje.Konačno,

naovajnačinjeomogućenodavozačaktivnotražiinformacijekojenedostaju.

Ovaprednostvrlolakomožepostatinedostatakkadasetrenutnasituacijapogrešno

protumači, na osnovu neodgovarajućih očekivanja i deficita pažnje. Prema tome,

unutrašnjaprezentacijamožebitiosnovniuzrokneodgovarajućihakcija ilisamih

pogrešnih pretpostavki. Dalje, stabilna priroda unutrašnje reprezentacije čini je

težomzapromenuujednomkoraku.

Uodnosunaprocesesavrhanadnotrebalobivoditiračunadasukarakteristike

putauskladusaočekivanjemvozača.Dabisepromeniopogrešanmentalnimodel,

potrebnojeomogućitipovratneinformacijeuslučajuneodgovarajućegponašanja.

Obratan proces pretrage informacija sa dna do vrha, znači da, između ostalog,

stimulansiokolineusmeravajupažnju.Dalićestimuluszaokupitipažnjuiline,zavisi

od fizičkih karakteristika stimulansa. Periferna pažnja se pre aktivira ukoliko se


42

objektikreću.Stacionarniobjektisaslabimodavanjemsvetlostiseteškodetektuju

ljudskimokom.

Prema tome, trebalo bi voditi računa da informacije koje nisu relevantne ne

zaokupljajupažnjunalokacijamakojesuopasnedokbisadrugestranerelevantne

informacijetrebalodabudunaglašenetakodaprivlačepažnju.

2.3.3Vizuelnapercepcija:okoikorisnopoljevida(UFOV)

Najvišeinformacijakojesuneophodnezaupravljanjevozilomsedobijaprekočula

vida. Poznavanje karakteristika ovog čula, prema tome, omugućava bolje

razumevanjeiobjašnjenebezbednogilirizičnogponašanjanaputevima.

Mrežnjača je jedinstven sloj koji čine fotosenzitivne ćelije, čepići i štapići.

Neravnomernadistribucijaovihćelijanamrežnjači jerazlog linearnedegradacije

mnogih vizuelnih funkcija. U vizuelnom polju uobičajeno se razlikuju tri zone:

fovealna,parafovealnaiperiferna.

Identifikacijaobjekatajemogućajedinoufovealnojzoniiuveomauskompojasu

izmeđutačkefiksacijeiudaljenostiod1°vizuelnogugla.Zarazlikuodfovealnogvida

oštrina vida u parafovealnoj zoni je znatno niža u poređenju sa foveom. Iz tog

razlogaidentifikacijaobjekatauparafoveijeotežana,premdaovazonaigravažnu

uloguumnogimvrstamaopažanja.

Možesepredstavitikaoupozoravajućinizsekvencibrzihpomeranjaočijukojebi

trebalodadovedupredmetpažnjeufovealnivid.Perifernazonaprotežeseotprilike

od 5° udaljenosti od tačke fiksacije ka periferiji vizuelnog polja. Precizna

identifikacijamalihobjekatauperiferijinijemoguća.Međutim,promenestimulacije

naperiferiji ipakbivajudetektovaneodstranevizuelnogsistema.Naosnovunjih

može se usmeriti pogled ka lokaciji na kojoj se promena odigrala i na taj način

omogućiti da objekat bude identifikovan. Ove oblasti vizuelnog polja mogu biti


43

različitepooblikuiveličiniusledindividualnihrazlika,aliimenjatisepoduticajem

različitihfaktora,kaoštojenaprimer,uzrast.

Dabiseopisaleovepromene,koristeserazličititermini:

funkcionalnopoljevida(FFOV),

korisnopoljevida(UFOV),

vizuelnopolje,

tunelskoviđenje.

UFOV predstavlja vizuelnu oblast u kojoj se mogu detektovati informacije bez

pokretanjaočiju iliglave.Njegovaveličinaopadasauzrastom.Pokazujerazvojne

promene, ali i varijacije usled povećanja kognitivnih zahteva zadataka koji se

obavlja, na primer, uvođenjem sekundarnog zadatka tokom detekcije signala.

Tunelsko viđenje predstavlja jedan od dva modela kojima se može objasniti

degradacija funkcionalnogpoljavida.Značajperifernogvidazapercepcijubrzine

pokazanjeustudijikojususproveliCavalloiCohen(2001).Onisupokazalidaje

ispravnaprocenabrzineznačajnosmanjenakadasesmanjiveličinavizuelnogpolja,

a samim tim i periferni vid. Tako su Recarte i sar. (2000) koristili prostornu

distribucijufiksiranihobjekatadabiopisaliovepromene.Ipak,kadasediskutuju

efektinaperifernividznačajnojenapomenutidasuterminikojisuuvedeniiznadu

upotrebikodvećineautora.

Određeneznačajnekarakteristikepercepcijesemorajuseuzetiuobzirkadajereč

okonsturisanjubezbednihputeva:

Ljudskookosemoraprilagoditirazličitimuslovimasvetlosti.Vremekojeje

potrebnodaseokoprilagodiodsvetlostinatamudužejenegouobrnutom

slučajuimožetrajatiido30min.Tojerecimorelevantnokadakadasedanju

ulaziutunele,

Ljudskomoku je potrebno da se prilagodi u odnosu na blizinu, tj. daljinu

posmatranja.Takvoprilagođavanje jebitnokadavozačiusmeravaju svoju


44

pažnjuodunutrašnjostivozilapremaspoljašnjosti.Prilagođavanjejebržeod

blizinekadaljini,negoobrnuto.

Ljudskesposobnostiprocesiranjainformacijapokazujuizvesnoograničenje

u smislu kapaciteta. Kada je količina informacija prevelika, relevantne

informacijenećebitiprimećene.

Opseg vidljive svetlosti se ni po čemu suštinski ne razlikuje od ostalih

područja spektra elektromagnetnog zračenja i ograničavaju ga samo

fiziološkeosobineoka.Takođe,istedražimožemodaopažamokaorazličite

zavisnoodkarakteristikacelokupnogopažajnogpolja.Kontrastseodnosina

razlikuizmeđusvetlostiisenkeipredstavljatendencijukapovećanjurazlika

u intenzitetu draži između figure i pozadine. S obzirom na osetljivost

kontrasta,moraseosiguratidavizuelneinformacijemogubitipercipiraneu

okoliniipozadinigdesuiprezentovane

Fovealnoviđenjeje veomaograničeno,aidentifikacijaobjekatamogućaje

samoukolikosufiksirani

Ljudskapercepcijazavisiodkontekstaukomeseposmatranjaodvija,kako

supokazalibrojnipsiholozi.

Teoriju koja naglašava shvatanje vizuelne percepcije kao jedinstvenog procesa

razviojeGibson(1986).Teorijadirektnepercepcijenaglašavaznačajkarakteristika

kojesuprisutneuokoliniiuticajekološkihpromenljivihipredstavljapsihosomatski

aktvezanzaaktivnogposmatrača.Onpostuliradasupercepcijaiakcijaneodvojive

jerkretanje jedinkeobezbeđujeviše informacija.Vremedosudara(TTC)iliTaui

vreme do prelaženja linije su primeri takvih promenljivih. Dalje, Gibson

pretpostavlja da se informacije direktno dobijaju od osobina samog predmeta.

Sadržeznačenjeusmerenonaposmatračausmislunjegovihsposobnostiislužekao

pokušajdasepodstakneželjenoponašanje.

Za razliku od Rumarsovog modela, Gibson koristi jednostavan pristup od dna

nagore.Obojicaseslažudajepercepcijaaktivanproces.DokRumarsnavodiznačaj

kognitivnihfaktora,Gibsonvidikretanjekaoključniaspektudobijanjuinformacija.

Kretanje oka i tela pomažu u percepciji osobina objekata i okoline. Prema tome,


45

ljudskotelokaocelinapostajeorganpercepcije.Krozkretanje,informacijeodubini,

distanciilibrziniseprenosevozaču,ainformacijesedobijajudirektnokrozstopu

promeneuteksturitakozvanog”optičkogtoka”.Optičkitoksemožezamislitikao

skup vektora koji stvaraju promene u svetlosti usled kretanja. Gibson govori o

lokalnimporemećajimaoptičkogtokakojinastajupripromenipoložajaposmatrača

iliposmatranihobjekata.

Čakibezkretanja,predmetiprenoseinformacijekrozsvojuteksturuikonture.Dok

ljudskapercepcijapostajeefikasnakorišćenjemovihinformacija,možebitiiizvor

grešakakaoštojeslučajkodoptičkihiluzija.Kakojepercepcijaosnovaakcije,dizajn

okolineradipodrškeželjenomponašanjujeključanzabezbednost saobraćaja.

2.3.4Motivacionimodeliponašanja

Dokmodeliulogepercepcijeuvožnjinaglašavajukarakteristikeprosečnepopulacije

vozača,motivacionimodeliuzimajuuobzirinterakcijuizmeđuopštihmehanizama

ipojedinačnihrazlika.

Jedinstvena pretpostavka motivacionih modela je da naglašavaju samostalnu

priroduzadatkavožnje.Dvakonceptaseprematomemogunazvati”motivacionim,”

atosurizikiradnoopterećenje.Veomajeblizakikonceptadaptacijeponašanja.

2.3.4.1Modelrizika

Centralniaspektmodelarizikajerazlikaizmeđusubjektivnogiobjektivnogrizika.

Ustručnojliteraturiobjektivniriziksedefinišekaomerljivaverovatnoćadešavanja

nezgodeilikonkretneposledice,dokjesubjektivnirizikprocenjenirizikodstrane

vozačakrozpercepcijuokolineputa(Lipovac,2008).Prematakvimtumačenjima,

situacijesuopasneondakadajesubjektivniriziknižiodobjektivnog.Tojezbogtoga

što vozači prilagođavaju svoje ponašanje prema subjektivnom, a ne prema

objektivnomriziku.


46

Konceptsubjektivnogrizikakaorelevantnogmehanizmazavozačkoponašanjeje

najvišerazvijanodstraneWilde‐a(2002).Originalnonazvanateorijahomeostaze

rizikakasnije jenazvana teorijomciljnog rizika.Ukratko, teorijanavodida stope

nezgodapo jedinici vremenaostaju jednake, uprkosobjektivnimunapređenjima,

kakovozačiprilagođavajusvojeponašanjetakodasubjektivnirizikpostajejednak

više ili manje stalnom ciljnom riziku. Elvik i Vaa (2004) u svojoj studiji navode

izvesne nedostatke ove teorije, ali se takođe slaže sa ostalim istraživačimada je

teorija identifikovala bitne mehanizme, koje bi trebalo uzeti u obzir kada se

objašnjavajuuzrocinezgoda.

2.3.4.2Modeliradnogopterećenja

Usled kritika na račun nedostataka teorija rizika, Fuller (2005) je razvio teoriju

zasnovanunapoređenjuizmeđuzahtevazadatkailjudskihkarakteristika.Rezultat

ovog poređenja je količina radnog opterećenja koji iskusi vozač. Generalno

posmatrano,radnoopterećenjejenajniže,aučinakjenajboljinasrednjimnivoima

zahteva.Zaključujesedaprevišeipremalozahtevalošeutičunaradniučinak,iako

jemogućakompenzacijazbogdodatnograda.

PremaFulleruvožnjajebezbednadoklegodsposobnostipremašujupotrebe.Pored

togaštojeupitanjufunkcijaobjektivnihkarakteristikaokoline,zahtevuodnosuna

vozački zadatak na datom vremenu ili lokaciji, zavisi od brzine koju vozač bira.

Zahtev u teškoj situaciji semože redukovati smanjenjem brzine. Da bi se radno

opterećenje svelo na optimalni nivo, vozač mora unapred imati neophodne

informacijeosaobraćajnojsituaciji.

Zaprocenuradnogopterećenjakoristeserazličitetehnike.Uliteraturisenajčešće

razlikujesledećihpettehnika:

meresamo‐izveštavanja,

mereprimarnogzadatka,

meresekundarnogzadatka,

psihološkemere,


47

vizuelnoizuzimanje.

Procena potražnje i radnog opterećenja zajedno sa pet tehnika merenja radnog

opterećenja,kakojeobjašnjenouFullerovojstudiji,prikazanisunaslici2.11.kao

deo opšte procene bezbednosti na putevima. Na Slici 2.11. sumirane sumetode

radnogopterećenjainjihovodnossabezbednošću.

Slika2.11.Metodimerenjaradnogopterećenjainjihovodnossaopštomprocenombezbednosti(Richterisar.,1998).

Zbogsamostalneprirodevozačkogzadatkaiinterakcijeizmeđuparametara,tačna

količina opterećenja je veoma teško odrediva. Ipak, neki pristupi pokazali su u

praksidobrerezultate.Richterisar.(1998)predlažuprocedurekojesezasnivajuna

videoproceni.Kombinovali sunekolikokriterijumakao relevantnihpomišljenju

psihologa i saobraćajnih inženjera. Kriterijumi koji su izabrani su podeljeni u tri

grupe:

Procenaobjektivnihzahtevazadatka:

(horizontalnoivertikalnoporavnanje,krivineistalnost,okolina,itd.)

Procenaradnogopterećenja

Procenastanja

Procenadugoročnihposledicaradnogopterećenja

Odnossaobjektivnimposledicama(nezgode)

Mereprimarnogzadatka

Meresekundarnogzadatka

Meresamo‐izveštavanja

Psiho‐fiziološkemere

Izuzimanje(akojemoguće)


48

Dobijanje informacija: količina,promenljivost, kontrast,prostorna i

vremenskagustina,vizuelnousmeravanje

Kvalitetputa:površina,mogućnosti orijentacije i kompatibilnost sa

očekivanjima,ranapercepcijaopasnosti

Senzorski i motorni aspekti vožnje automobila: ruke, koordinacija

stopalaiautomatskoprocesuiranjeodgovoramotora

2.3.4.3Prilagođavanjeponašanja

Prilagođavanje ponašanja odnosi se na karakteristiku ljudi da menjaju svoje

ponašanje shodno različitim situacijama. Pregled studija koje se bave

prilagođavanjemponašanjasemogupronaćiuOECDizveštaju1990.NaSlici2.12.

prikazanisufaktoriprilagođavanjaponašanja.

Slika2.12.Prilagođavanjeponašanja:konačnirezultat(OECD,1990)

Rezultati istraživanja ponašanja ukazali su na to da samo inženjerske mere ne

dovode do smanjenja u broju nezgoda. Brojni istraživači podržavaju ovu

pretpostavku. Kada se porede podaci iz poslednje dekade u SAD nailazi se na

činjenicu da je trend opadanja nastao zbog demografskih faktora, kao što su

unapređenje medicinske tehnologije i pojačanje pasivne bezbednosti. Može se

zaključitidasuunapređenjau infrastrukturi,ponekad imala inegativanuticajna

prilagođavanjeponašanja. Infrastruktura jepodrazumevalaukupnudužinuputne

mreže,prosečanbrojtraka,širinutrakaiprocenatsvakeklaseputeva.Krivine,širina

Ciljnifaktoririzika

Merebezbednostinaputu

Netokonačnirezultat

Ostalifaktoririzika


49

ivičnjaka,odvajanjetrakaiprisustvoopasnostiporedputanisuobuhvaćeni,alise

pretpostavljadasunovijiputevibezbedniji (OECD,1990).

Rothengatter(2002)navodidaseprilagođavanjezaistadešava,alidaefektinisu

dovoljno jaki da potiru pozitivne efekte bezbednosnih mera. Donekle drugačije

rezultate navodi Dulisse (1997) prema kojima su efekti adaptacije ponašanja

ponekad potcenjeni zbog metodoloških nedostataka. Različiti nalazi u vezi sa

opsegomprilagođavanjaponašanjamoguseobjasnitidelovanjemvišefaktorakoji

utiču na proces adaptacije. Ovi faktori predstavljeni su u modelu koji su razvili

Weller i sar. (2006), a što je i prikazano na Slici 2.13. Slične faktore u svojim

istraživanjimanaveojeiBjørnskau(1994).

Slika2.13.Modelprocesaprilagođavanjaponašanja(Wellerisar.,2006.)

Prema ovommodelu, primenjenemere bi prvo trebalo da obezbedemogućnosti

promene ponašanja. Drugo, vozač bi trebalo da opazi ovu mogućnost. Da li će

Potencijalnepromeneu:

Poverenju,

Svesnosti

situacije,

Svesti,

Pažnji,

Radnom

opterećenju,

Kontroli.

Oglašavanje,informacije,

itd.

Podaci vozaču

Ličnostvozača

Motivivožnje

Promenenavoziluiliuokolini

Objektivnopovećanjebezbednosnihmargina?

Subjektivnopovećanjebezbednosnihmargina?

Subjektivnopovećanjeprilagođavanja?

BEZADAPTACIJE

Adaptacija

Da

Da

Da

Ne

Ne

Ne


50

promene biti zavisi od predstavljanja mera kroz medijske informacije ili

oglašavanje,sajednestrane,idirektnogobaveštavanjavozačasadrugestrane.Da

bi došlo do prilagođavanja, promena u ponašanju mora da bude shvaćena kao

pozitivnazavozača.Ovafunkcijajerazličitazarazličitegrupevozača,kaoiuistoj

grupi vozača. Nezavisno od ovog lanca postupaka postoji drugi put koji vodi

prilagođavanju,atojepromenapsihološkihvarijabli.Takvepromenesudirektan

rezultatpromenaokolineisledenakonpromenauprirodivozačkogzadatka.Kada

vozački zadatak postane lakši, radno opterećenje se može smanjiti, a brzina

povećati. Tačnije, radno opterećenje se smatra jednako značajnim kao i rizik u

objašnjenjuponašanjavozača.

Principi su, između ostalog, razvijeni kao posledica istraživanja ljudske greške u

vožnji.Najznačajnijizaključci,kojisuizvedeniizoveklaseistraživanja,objavljenisu

odstraneHaleisar.(1990).Ovizaključciukratkoseodnosenasledećesugestije:

putevibitrebalodasesastojeodjedinstvenihelemenata,

naputevimaodređenekategorijetrebalobidazahtevanoponašanje

budejedinstveno,

jedinstveno ponašanje na putu bi trebalo da bude povezano sa

jedinstvenimelementimaputa,

raspored prelaza, deonica puta, i krivina bi trebalo da bude

jedinstvenopovezansaodređenomkategorijomputa,

trebalo bi birati kategorije puta koje su relevantne u odnosu na

ponašanje,

nebitrebalodapostojebrziprelazisajednekategorijeputanadrugu,

gde postoji promena kategorije puta, ona bi trebalo da bude jasno

prikazana,

priučenjuorazličitimkategorijamaputanebitrebalonaučitisamo

ime,većiponašanjekojejepotrebnozatukategoriju,ilitipputa,

osobine koje definišu kategoriju bi trebalo da budu vidljive noću i

danju,

projektovanjemputabitrebalosmanjiti disperziju brzine,


51

elementiputa,saobraćajnasignalizacijaiopremabitrebalodaispune

standardekriterijumavidljivosti.

2.3.5 Određeni uslovi u saobraćajnom toku koji doprinose smanjenju

bezbednosti

Određeniusloviusaobraćajnomtokuuslovljavajuponašanjavozačakojasemogu

okarakterisatikaoagresivna,štopocećavaverovatnoćudadođedonezgoda.Rizično

ponašanjeuvožnjijavljasenagotovosvimtipovimaputeva.Uprkostome,pojavljuje

sevećibrojnezgodanaautoputevimailiglavnimputevima(VCCAV,1999)nakojima

nastaju najteže posledice. Treba napomenuti, međutim, da je većina istraživanja

rizičnogponašanjauvožnjifokusiranonanaseljenapodručjimakojaimajuvišinivo

saobraćajnih zahteva (Elliott, 1995; VCCAV, 1999), što potencijalno povećava

mogućnostirizičnogponašanjauvožnji.

"Zagušenja"injihovuticajnaponašanjeuvožnjisutakođeprimerkakosituacioni

faktorimoguuticatinarizičnoponašanjeuvožnji.Zagušenjasečestodefinišukao

brzo, stresno okruženje današnjih puteva (Lajunen, Parker i Summala, 1999). U

studijiuzročnih faktorakojeseodnosenabesu tokuvožnje,pokazanao jedasu

vozači koji pokazuju ovakve tendencije u periodu od dve nedelje bilu blizu

saobraćajnih nezgoda (Underwood i sar., 1999). Vozači u ovoj studiji su vodili

dnevnikgdesumoralidazabeležesvakiosjećajljutnjekojisuiskusiliutomperiodu.

Vozači koji su bili izloženi besu patili su od frustracija, ali nije bilo dokaza koji

ukazuju da vozači koji iskuse viši nivo zagušenja pokazuju veće tendencije

ispoljavanjabesa(Underwoodisar.,1999).Udrugojstudijikojajetakođebazirana

nasamoizveštajima,utrizemlje,VelikojBritaniji,FinskojiHolandiji,utvrđenojeda

ima malo povezanosti između izloženosti vozača različitim nivoima gužve i

agresivnogponašanjauvožnji(Lajunenisar.,1999).Lajunenisar.(1999)suizložili

hipotezudabi„čestoizlaganje"saobraćajnimgužvama(izvorfrustracije)trebaloda

dovededopovećanjaagresivnogponašanjanaputevima.Rezultatinjihovestudije

supokazalida jeodnos izmeđuučestalostigužvi iagresivnogponašanjauvožnji

neznatnog intenziteta. Međutim, u samoizveštajima vozači su priznavali da u


52

periodimapovećanesaobraćajnegužveimajupojačanosečajstrahadaćezakasniti

zbogsaobraćajnihgužvi,temogudadoživevišinivofrustracijeibesa.

Gordhamerisar.(1999)suzaključilidaonikojiprijavljujuvisokstepenbesavozača

(skorovi viši od 53 na skali agresije vozača‐DAS) ispoljavaju i viši nivo besa u

saobraćajnimgužvama,dokonikojiprijavljujunižistepenbesa(kojiimajuskorove

ispod42natestuosobinaagresivnihvozačaDAS)funkcionišunormalnouuslovima

gužve.Analizajepokazalavisokstepenbesakodvozačakojisuučestvovaliunekom

viduagresijeuprethodnadvaslučaja(Gordhamerisar.,1999).Obestudijesugerišu

dapostojisloženodnosizmeđuosećanjafrustracije,nivoazagušenjaiizrazaagresije

naputu.

Niz studija koje su sprovedene od strane Hennessi i Viesenthal (1997, 1999)

izučavalesuodnosstresainjegovuticajnaponašanjevozačaprivožnjiuuslovima

zagušenjaislabeprohodnosti.Bezobziranaličneosobine,svivozačisusklonistresu

kada su prisutne velike saobraćajne gužve (Hennessi i Viesenthal, 1997).Najviši

nivostresasuprijavilipojedincikoji su inačeskloni stresu.Osimtoga,agresivno

ponašanje u vožnji povećava se od niskih do visokih saobraćajnih zagušenja,

posebnozaonekojiimajunizagpragreagovanjanastres.

Ovirezultatiukazujunačinjenicudasaobraćajnegužveimajupotencijaldautičuna

agresivnoponašanjeuvožnji,presvegazbogličnihosobina,kaoštosunivoiličnog

stresa ili besa. U uslovima visokih saobraćajnih zagušenja javlja se širi spektar

ponašanjakojiuključujeiagresivnoponašanjeuvožnji.

3.ProverabezbednostisaobraćajanadeonicidržavnogputaIBredabroj22

53

3. PROVERA BEZBEDNOSTI SAOBRAĆAJA NADEONICIDRŽAVNOG PUTA IB

REDABROJ22(ODNASELJAŽARKOVODOIZLASKAIZNASELJAĆELIJE)

Put, kao jedan od četiri faktora bezbednosti saobraćaja, svojim karakteristikama

utiče na broj i posledice saobraćajnih nezgoda. U razvijenim zemlјama koje

upravlјajubezbednošćusaobraćajaprepoznatjedoprinosputanastanku,odnosno

posledicama saobraćajnih nezgoda. Procenjuje se da put zajedno sa drugim

faktorima(okolina),predstavlјauzroku31%nezgoda(PIARC,2007).

Identifikacija opasnih mesta na putevima, pored definisanja postojećeg stanja i

primeneupravlјačkihmera,predstavlјaosnovzaupravlјanjestanjembezbednosti

saobraćaja.Načininakojemoguidentifikovatiopasnamestanadeoniciputamogu

biti objektivni i subjektivni. Objektivni pokazatelјi su broj saobraćajnih nezgoda,

broj povređenih lica (lica sa lakim i teškim telesnimpovredama), broj poginulih

lica i sl. koji identifikuju opasna mesta po nastanku štetnih posledica. Za

preventivno delovanje u cilju unapređenja bezbednosti saobraćaja koriste se

subjektivnipokazatelјikojisezasnivaju,presveganaterenskomistraživanju.

Provera bezbednosti saobraćaja (RSI ‐ Road Safety Inspection) predstavlјa

preventivni alat čijom se primenom deluje na smanjenje broja i posledica

saobraćajnihnezgodakrozidentifikacijunedostatakaputaiokoline.PremaElvik‐u

provera bezbednosti saobraćaja predstavlјa sistematsku inspekciju postojećih

putevaucilјuidentifikovanjaopasnihmestaipromovišemerezaotklanjanjeovih

problema (Elvik, 2004). „Provera bezbednosti saobraćaja“ je sistematska ocena

bezbednostipostojećihputeva,štoznačidasesprovodipremaunapredutvrđenoj

metodologiji. Sprovodi je nezavisna osoba ili tim koji ima iskustvo u oblastima

bezbednosti saobraćaja, saobraćajnom inženjerstvu, analiziponašanjaučesnikau

saobraćaju,projektovanjuputevaikojisunezavisniodupravljačaputa.Proverase

odnosisamonapostojećeputeve,predstavlјaproaktivanalatipreventivnodeluje

nasmanjenjebrojanezgodakrozidentifikacijunedostatakaputaiokoline.


54

U Srbiji je Zakonom o bezbednosti saobraćaja na putevima definisana zakonska

obavezarealizacijesavremenihprocedurazaunapređenjebezbednostisaobraćaja

na putevima. Prema Zakonu „upravlјač javnog puta mora obezbediti nezavisne

projekte provere bezbednosti saobraćaja na putu i to: periodične provere u

periodu od pet godina za sve deonice državnih puteva, cilјane provere za

najugroženije deonice državnih puteva i cilјane provere za ostale puteve prema

mogućnostima,odnosnopotrebama(ZOBS,član156,stav4).“

Metodzautvrđivanjeopasnihmestanadeoniciputakojijeimplementiranuovoj

doktorskojdisertacijije„Proverabezbednostisaobraćaja“(engl.RSI–RoadSafety

Inspections) koja se sprovodi na postojećim putevima. Prvi put se ovaj metod

primenjivao u Velikoj Britaniji 1991. godine. Nakon toga su i ostale razvijene

zemlјe počele da primenjuju „Proveru bezbednosti saobraćaja“za svoje potrebe

prepoznavšiprednostiikoristikojepruža.NakonVelikeBritanije,Australija,Novi

Zeland i Danska su zemlјe koje su među prvima uvele „Proveru bezbednosti

saobraćaja“ u svoju praksu. SAD su, posmatrajući iskustva u Australiji i Novom

Zelandu,uočileprednosti„Proverebezbednostisaobraćaja“inakonnekolikopilot

projekatauveleovajalatusvojupraksu.Nakonovih,velikibrojdrugihzemalјaje

prepoznaokoristiod „Proverebezbednosti saobraćaja“ ipočelesusauvođenjem

iste kao preventivnogmetoda za pobolјšanju bezbednosti saobraćaja postojećeh

puteva.

Utekstukojisledizapotrebedaljegistraživanja,analiziranjedržavniputIBreda

broj 22, poznatiji pod nazivom “Ibarska magistrala” i prikazani su dobijeni

rezultati provere bezbednosti saobraćaja. Potez Beograd ‐ Čačak, prostire se

trasomevropskogputaE763, aČačak ‐Kralјevo – trasomevropskogputaE761.

Ibarska magistrala povezuje Beograd sa zapadnom Srbijom, severom Kosova i

MetohijeiCrnomGorom.Putprolazikrozsledećavećamesta:Beograd,Ljig,Gornji

Milanovac,Čačak,Kralјevo,Raška,NoviPazar,KosovskaMitrovica,Rožaje.

AMSS (Auto‐moto savez Srbije) i Agencija za bezbednost saobraćaja Republike

Srbije,usaradnjisaUpravomsaobraćajnepolicijeMUPRS,JP„PuteviSrbije“iiRAP


55

(The International Road Assessment Programme) timom iz Velike Britanije

realizovali su pilot projekat ocenjivanja bezbednosnih karakteristika puta i

mapiranjarizikanaIbarskojmagistrali.OcenjenjepotezodBeogradadoČačka,u

dužini od 131,1 kilometra. Mapiranjem rizika utvrđene su neke od najrizičnijih

deonica: Županjac‐Dudovica, Ljig‐Dići, Ugrinovci‐Bućin grob, Žarkovo‐Kružni put

(iRAP,2009;2014).

Proces snimanja i kodiranja puta AMSS je realizovao uz pomoć posebno

opremlјenog vozila, softvera i AMSS stručnog tima. Tokom snimanja beleženi su

izgled raskrsnica, saobraćajni znakovi i oznake na kolovozu, opasni objekti i

sadržaji u rubnom pojasu puta, oprema puta za najranjivije kategorije korisnika

puta ‐ pešake, bicikliste, vozačemopeda imotocikla. Posle kodiranja snimlјenog

materijala, izrađen je detalјan izveštaj i ocenjivanje u vidu zvezdica od 1 do

maksimalnih5idatesupreporukezaprimenuinženjerskihmeranadeonicamana

kojimapostoji rizik odnastajanja saobraćajnihnezgoda i njihovihposledica. Čak

58%ispitivanedeoniceIbarskemagistraleocenjenojeprosečnosadvezvezdiceu

odnosu na različite kategorije učesnika u saobraćaju – putnici u vozilu, pešaci,

biciklistiimotociklisti(iRAP,2009).

Primenompreporučenihmera,kojesupraksauzemlјamakojeprednjačeuoblasti

bezbednosti saobraćaja, kao što su postavlјanje zaštitnih ograda, sa leve i desne

strane,dodatnasaobraćajnatraka(2+1),postavlјanjezvučno‐vibracionihtrakana

bankinama i proširenje bankine (više od 1 m) na snimlјenom delu Ibarske

magistrale u periodu od 20 godina sačuvan bio veliki broj lјudskih života, a

prosečnaocenabezbednostipodiglabisenatriivišezvezdica(iRAP,2009).

3.1 Metodološkepostavkeproverebezbednostisaobraćaja(PBS)

Provera bezbednosti saobraćaja (PBS) je proaktivna metoda, koja se sprovodi

ukoliko je deonica puta definisana kao visokorizična (npr. prema podacima o

saobraćajnim nezgodama), ukoliko postoje podaci o ozbiljnim bezbednosnim

problemima (koji su dobijeni od policije, jedinice za održavanje puteva itd.),


56

ukolikojeubliskojbudućnostiplaniranprojekatrekonstrukcijeiliobnovedeonice

iutomslučajubiPBStrebaladaidentifikujespecifičneproblemekojiseodnosena

bezbednostputailikaoperiodičnizadatak,poplanuirasporedusprovođenjaPBS

(PIARC,2007).

Slika3.1.Processprovođenja„Proverebezbednostisaobraćaja“(Elvik,2004).

Proverom bezbednosti saobraćaja identifikuju se sledeći elementi na postojećoj

deoniciputa:

1. funkcijaputa,

2. poprečniprofil,

3. pružanjetrase,

4. ukrštanja,

5. javniiprivatniservisi,javniobjektiiprostorizaodmor,javnitransport,

6. ranjiviučesniciusaobraćaju,

Izborputa–naručivanjePBS

IzbortimazaPBS

Početnisastanak

Dostavljanjepotrebnedokumentacije

Terenskoistraživanje

DetaljnaanalizaipisanjeIzveštajaoPBS

IzjašnjenjeklijenataoIzveštajuoPBS

ImplementacijaIzveštaja–unapređenjebezbednostiputa

NARUČIVANJE

SPROVOĐENJE

ZAVRŠAVANJE


57

7. saobraćajniznakovi,oznakenakolovozuiosvetlјenje,

8. okolinaporedputaielementipasivnebezbednostiputa.

Processprovođenja„Proverebezbednostisaobraćaja“sesastojiiztrikoraka:

1. naručivanje„Proverebezbednostisaobraćaja“,

2. sprovođenje„Proverebezbednostisaobraćaja“,

3. završavanje„Proverebezbednostisaobraćaja“(RSI,2009).

Navedene komponente mogu se podeliti i na podceline. Struktura PBS sa

podcelinamaprikazanajenaslici3.1.

3.2Rezultatiistraživanjasadiskusijom

MotivzaodabirdeonicedržavnogputaIBredabroj22radiproverebezbednosti

saobraćajaležiuinformacijamakojeseskorosvakodnevnomogunaćiumedijima

o brojnim nezgodama, povređenim, ali i smrtno nastradalim učesnicima na ovoj

deonici. Tokom godina ne beleže se značajnija poboljšanja bezbednosti, a među

vozačimapostoji i izraz „Crna Ibarskamagistrala“, kako seunarodunazivaovaj

put usled velikog broja opasnihmesta duž čitave deonice (Lipovac i sar., 2015).

Iakosupreduzetebrojnemerekojebiunapredilekarakteristikeputevaiposredno

uticale na povećanje bezbednosti na ovom delu putne mreže Srbije, statistike i

dalje ukazuju na činjenicu da je reč o izuzetno kompleksnom problemu koga bi

trebalo posmatrati iz različitih perspektiva. U prilog tome koliko su učesnici u

saobraćajuizloženirizikukrećućiseovimpravcem,svedočiislika3.2,preuzetasa

sajta JP “PutevaSrbije” (2015).Naprikazu jemogućeuočitiukojojmeri sucrne

tačkenaovojdeonicizastupljenijeuodnosunacelokupnuputnumrežuSrbije.

U ovoj doktorskoj disertaciji, detaljnije je analiziran deo državnog puta IB reda,

broj22,poznatijipodnazivomIbarskamagistralaitodeokojipočinjeodBeograda

(naselje Žarkovo), a završava se na izlasku iz naselja Ćelije. Dužina posmatrane

deonice iznosi 65 km, dok ograničenje brzine ima raspon od 30 km/h do 100

km/h.


58

Slika3.2.NajrizičnijetačkeusaobraćajunaputnojmrežiRepublikeSrbije

(JP“PuteviSrbije,2015)

U tabeli 3.1. prikazani su rezultati brojanja saobraćaja za 2016. godinu, koje je

ukazalo na intenzitet i strukturu saobraćajnih tokovanaposmatranoj deonici. Iz


59

Tabele 3.1. može se videti da je posmatrana deonica vrlo frekventna u smislu

dnevnog broja vozila koja je koriste, što je i za očekivati budući da se radi o

državnom putu IB reda. Kao što je moguće uočiti, na prvih 5 deonica, ako i na

poslednjojdeoniciutabeli,premaprikazanimpodacimasaobraćajnizahtevisuna

granicikapaciteta.

Tabela 3.1. Prosečan godišnji dnevni saobraćaj u 2016. godini (preliminarni

rezultati,premaJP“PuteviSrbije,2017)

Oznakadeonice

Dužinadeonice(km)

PA BUS LT ST TT AV Ukupno

02201 7,5 23734 766 357 393 299 1219 2676902202 2,2 18914 507 317 397 176 1209 2152002203 2,7 17004 451 276 386 164 1204 1948502204 3,1 15094 395 235 376 151 1199 1745002205 0,6 12628 364 216 364 138 1206 1491602206 12,7 12380 361 214 360 137 1194 1464602207 1,0 Nemapodataka–gradskadeonica02208 13,8 11281 243 210 327 162 1129 1335202209 4,5 14955 363 245 404 201 1263 17431Legenda:Deonica02201:PetljaOrlovača–RipanjDeonica02202:Ripanj–Lipovačkašuma(Barajevo)Deonica02203:Lipovačkašuma(Barajevo)–Lipovačkašuma(V.Moštanica)Deonica02204:Lipovačkašuma(V.Moštanica)–Meljak(Barajevo)Deonica02205:Meljak(Barajevo)–Meljak(Vranić)Deonica02206:Meljak(Vranić)–Stepojevac(Draževac)Deonica02207:Stepojevac(Draževac)–Stepojevac(VelikiCrljeni)Deonica02208: Stepojevac(VelikiCrljeni)–Lazarevac(Ibarskiput)Deonica02209:Lazarevac(Ibarskiput)–ĆelijePA–putničkiautomobilBUS–autobusLT–lakoteretnovoziloST–srednjeteretnovoziloTT–teškoteretnovoziloAV–autovoziteretnovozilosaprikolicomU daljem tekstu prikazana je analiza kroz osam tačaka–elemenata predviđenih

metodom„Proverebezbednostisaobraćaja.“


60

3.2.1Funkcijaiokruženje

Postoje različiti objekti pored puta kao što su pumpne stanice, ugostiteljski ili

trgovačiobjektiisl.(slika3.3).Unajvećembrojuslučajevanisuispoštovaninikakvi

zakonskiistručnipropisizapristupeovimobjektima.

Slika3.3.Prilazstanicizasnabdevanjegorivom

3.2.2Poprečniprofil

Ova deonica puta je osim prvog dela oko petlje Orlovača dvotračni put za

dvosmernisaobraćaj.Dodatnetrakenausponimasusamonajednompotezuoko

Rušnja izgrađene zbog efikasnosti i bezbednosti, dok je broj traka u zonama

raskrsnicazalevaidesnaskretanjauobičajen(slike3.4i3.5).


61

Slika3.4.Izgledsaobraćajnihtraka

Slika3.5.Izgledsaobraćajnihtraka

3.2.3Pružanjetraseputa

Uzimajući u obzir dužinu posmatrane magistrale, kao i geografski i prostorni

položaj pružanja trase,mogu se uočiti veliki problemi (slika 3.6). Naime, postoji


62

veliki broj segmenata puta koji se pružaju u podužnomusponu ili padu, te zbog

heterogenostivozilausaobraćajnomtoku,aposebnoučešćakomercijalnihvozilau

tokudolazidoometanjasaobraćajnogtoka,kaoiproblemapripreticanju.Takođe,

postoji veliki broj krivina. Problem nastaje najčešće u krivinama posle dugih

pravaca. Problem pružanja trase obuhvata i pružanje Magistrale kroz centar

naseljenihmesta,kaoiporedosnovnihisrednjihškola.NaovomdržavnomputuI

redapostoječakisemaforizovaneraskrsnice(slika3.7).

Slika3.6.Pružanjetraseputa


63

Slika3.7.Primersemaforizovaneraskrsnice

3.2.4Ukrštanja,osvetljenje,prelaziprekoželezničkihpruga

Deonicajenapojedinimmestimaosvetljena,najčešćekroznaseljenamesta,aređe

naraskrsnicamaiukrštanjima.Postojivelikibrojlevihskretanjaštodovodivozače

u opasne situacije, pre svega u slučajevima kada dugo čekaju da izvrše levo

skretanje(slika3.8).Ovajproblemsemultiplicirakadazalevoskretanjenepostoji

posebnakolovozna traka za skretanje, već vozila koja čekajuna skretanjeu tom

trenutkublokirajusaobraćajnitokiuzrukujuzagušenja(slika3.9).Kaoštojeveć

pomenuto, na posmatranoj Magistrali postoji i određen broj semaforizovanih

raskrsnica.Međutim,postojiukrštanjekojejevrlospecifično,sprovedenouformi

nekevrstekružnogtoka.RadiseoukrštanjukodVelikihCrljena(slika3.10). Na

posmatranoj deonici postoji jedan primer ukrštanja sa prugom Beograd – Bar.

Ukrštanje jeurađenonapropisannačinkojidoprinosibezbednosti jersupruga i

samadeonicaputaurazličitimnivoima(slika3.11).


64

Slika3.8.Primerlevogskretanja

Slika3.9.SkretanjezaBarajevoizpravcaBeograda–nepostojanjeposebnetrakeza

skretanje

Slika3.10.UkrštanjekodVelikihCrljena


65

Slika3.11.UkrštanjesaprugomBeograd–Bar

3.2.5Sadržajiuputnompojasu

Postoji veliki broj servisa, auto‐perionica, parkinga za odmor, stanica za

snabdevanjegorivom,ugostiteljskih(slika3.12) i turističkihobjekata(slika3.13)

dužposmatranedeonice.

Slika3.12.Trgovačkiobjektiporedputa


66

Slika3.13.Ugostiteljskiobjekatporedputa

3.2.6Ranjiviučesniciusaobraćaju

Uzimajući u obzir pružanje trase posmatrane magistrale, a posebno prolaz

magistralekrozcentarnaseljenihmesta,očekivanojedasenaIbarskojmagistrali

mogunaćiranjiviučesniciusaobraćaju.GotovočitavimdelomIbarskemagistrale

možesenaićinabicikliste,kaoinapešakekojisekrećukolovozomilitrotoarom

(slike3.14 i3.15).Kretanjepešaka jeponekad inepredviđeno, te jenaslici3.16

zabeležen i slučaj pretrčavanja kolovoza od strane pešaka. Takođe, ono što je

neubičajeno za magistralne puteve je i pojava traktora, kao i ostalih

poljoprivrednihvozilausaobraćaju(slika3.17).

Slika3.14.Kretanjepešakakolovozom


67

Slika3.15.Kretanjepešakakolovozom

Slika3.16.Pretrčavanjekolovozaodstranepešaka

Slika3.17.Kretanjetraktoranaposmatranojdeonici


68

3.2.7Saobraćajniznakovi,oznakenakolovozu,svetlosniznakovi

Veliki broj elemenata vertikalne signalizacije, odnosno saobraćajnih znakova je

oštećen ili nepravilnopostavljen (slika 3.18) ili imaju slabu retrorefleksiju, te se

dovodi u pitanje pravno dejstvo takvih saobraćajnih znakova. Stoga bi trebalo

saobraćajne znakoveurediti u skladu saPravilnikomo saobraćajnoj signalizaciji,

čimebisepodigaonivobezbednostisaobraćaja.

Potrebnojeobnovitihorizontalnusignalizaciju,kakopopitanjupoprečnihoznaka

(pešačkiprelazi),takoipopitanjuuzdužnihoznaka(razdelneiivičnelinije),kaoi

ostalihoznaka(strelicezadefinisanjenamenesaobraćajnihtraka)(slika3.19).

Slika3.18.Izgledvertikalnesignalizacije

Slika3.19.Izgledhorizontalnesignalizacije


69

3.2.8Okolinaporedputaielementipasivnebezbednostiputa

Na pojedinim delovima Ibarske magistrale postoji zaštitna ograda. Međutim,

zaštitna ograda je na mnogo mesta oštećena i nije popravljena ili zamenjena

novom.Takođe, postoji i veliki brojmesta na kojima je potrebno staviti zaštitnu

ogradu,adaonautrenutkuistraživanjanijepostojala.Zaštitnaogradajenajčešće

prilično izdignuta od donje ivice kolovoza, što ima za posledicu da pri

proklizavanjumotociklistanemožedaizvršisvojunamenu.Takođe,postojiveliki

brojdivljihpriključaka,kojinisuzaštićeni (slika3.20). Ovakvipriključci izazivaju

poremećajeusaobraćajnomtoku,čestepromeneunačinuvožnje,utičunazamor

vozača izazvančestimaktivnostimanaupravljanjuvozilomzbog tihpriključaka i

sl.Ovojejedanodnajvažnijihproblemakojibitrebalododatnorazmatrati.

Slika3.20.NepravilanpriključaknaIbarskojmagistrali

Dužposmatranetrasepostojivelikibrojstajalištazaputnikekojičekajuprigradski

imeđugradskiprevoz(slika3.21).Nekaodtihstajalištasuuvrlološemstanju,bez

natkrivanja, sa vrlo lošim kolovozom, rupama koje su često ispunjene vodom

nakonatmosferskihpadavina,isl.(slika3.22).


70

Slika3.21.Stajalištejavnogprevoza

Slika3.22.Primerstajalištaulošemstanju

3.3Zaključnaanaliza

Kakobi seuspostavioefikasniji sistemuunapređenjubezbednosti saobraćajana

putevima, neophodno je integrisanje svih subjekata koji se bave evidentiranjem

saobraćajnihnezgodainjihovihposledicasaistraživanjimanaterenu.Natajnačin


71

bi se pouzdanijemogla utvrditi opasnamesta, a predloženemere bi u najvećem

brojubileprimenjene,jerbiuočeniproblemibilidetalјnoanalizirani.

Sadrugestrane,različitimetodiirazneneusaglašenostinaglobalnomnivoukazuju

na potrebu dalјeg razvoja novih i unapređenje postojećeih metoda. Primenom

metode „Proverabezbednosti saobraćaja,“može sepostići značajnounapređenje

deonice puta sa svih saobraćajnih aspekata, a posebno sa aspekta bezbednosti

saobraćaja.

Pomenuti alat za analizu bezbednosti saobraćaja je primenjen na jednu od

najnebezbednijih deonica u Republici Srbiji. Pažnja je usmerena na pojedine

opasnosti koje su prilikom analize ove deonice uočene. Primena ove vrste

preventivnihmerapredstavljanajjeftinije inajefikasnijesredstvozaunapređenje

bezbednosti saobraćaja koje bi trebalo sprovoditi na početku svake ozbiljnije

analizerizičnihdeonicausaobraćaju.Zaproučavanutemuodizuzetnogjeznačaja

ova ilustracija odabrane deonice, kako bi se stekao što bolji uvid u postojeće

probleme.

Postoji nekoliko suštinskih problema na proučavanoj deonici puta kojimogu da

utičunapercepcijuvozača i sklonostkapreuzimanjurizičnihmanevarauvožnji.

Najpre, veliki broj priključaka, najčešće neregulisanih, negativno utiče na

percepciju vozača u smislu opterećenja perfernog vinog polja. Posledično, ovo

dovodi do deficita u pažnji, naročito među mladim vozačima, koji mogu imati

problemeuvezisaredukovanimperifernimviđenjem,štojeuglavnomuzrokovano

slabijimvozačkimiskustvom.Sličanproblemmoguimatiistarijivozači,kojiusled

slabljenjapsihomotornih funkcija, takođepripadajukategoriji ranjivihučesnikau

saobraćaju.

Sadrugestraneovakvipriključciusaobraćajnomtokunapojedinimmestima(koja

suujednočestoicrnetačkedeonice)dovodedozagušenja,štomožedaprovocira

bazične tendencije ličnosti i uslovipojavuponašanjakoje semožeokarakterisati

kaoimpulsivnoiliagresivno.Važnojeistaćidadozagušenjamožedoćiipopitanju


72

drugihuslovausaobraćajnomtoku,kaoštojenaprimerfrekventnostsaobraćaja

(tabela 3.1). Često je ovaj problem udružen sa otežanim uslovima za preticanje,

budući da je u pitanju dvotračni put za dvosmerni saobraćaj. Sa druge strane,

relativno je velika frekvencija dugih vozila na ovom delu puta, što zahteva

adekvatnijeuslovezapreticanjeutoku.Svenabrojanousložnjavazahtevekojise

stavljajupredvozačausmisluotežanepercepcijesaobraćajnesituacije.

Takođe, problem koji može da uslovi greške u percepciji odnosi se na kretanje

ranjivih učesnika u saobraćaju kao što su pešaci, biciklisti ili pak vozači

poljoprivrednih vozila. Ovo je naročito izražen problem u slučajevima gde se

deonica prostire kroz naseljena mesta, što zahteva pojačano angažovanje

psihomotornihsposobnostivozačaiprovociraurođeneimpusivnemanevre.Pored

ovihproblemakoji zahtevaju specifičnevozačke sposobnosti, pojava životinjana

putumožetakođepredstavljatiprevelikiizazovzavozačekojiupravljajuvozilomu

većdovoljnosloženojsaobraćajnojsituaciji.

Navedeniproblemiu sadejstvu sakarakterističnimosobinama ličnosti i oblicima

ponašanja koji će biti detaljnije ispitivani u okviru narednih poglavlja mogu da

ugrozebezbednostkrozporastbrojakonfliktnihsituacijausaobraćaju.

4.Metodologijaistraživanjastavovavozačauvezisapercepcijomrizikaikarakteristikamaputa

73

4.METODOLOGIJAISTRAŽIVANJASTAVOVAVOZAČAUVEZISAPERCEPCIJOM

RIZIKAIKARAKTERISTIKAMAPUTA

U tekstu koji sledi biće dat prikaz uzorka istraživanja, procedure realizovanja

istraživanja, instrumenata koji su korišćeni, kao i statističkih mera koje

primenjene.

4.1Karakteristikeuzorkaistraživanjaiproceduraanketiranja

Kako je primarni cilj ove doktorske disertacije istraživanje percepcije rizika na

deonici državnog puta IB reda broj 22, uzorak je formiran od vozača različitih

kategorija, tj. istraživanjem su obuhvaćeni profesionalni, kao i vozači amateri

kojima jezajedničkodaupravljajuvozilomnapomenutojdeoniciputa.Uzorak je

činilo 305vozača obapola, različitog obrazovanja i starosti od18do69 godina.

Uzorak je heterogen po pitanju dužine vozačkog staža i učestalosti vožnje.

Kriterijumodabira ispitanikazaovajuzorakodnosiosenaučestalostupravljanja

posmatranom deonicom Ibarskemagistrale. Većina vozača ovom deonicom vozi

barem jednom sedmično, a mnogi i znatno češće. Uzorkom je obuhvaćeno 102

vozačakamiona,odčega51vozačtransportnogpreduzećaMilšped,25vozača JP

“PoštaSrbija”, i24vozačatransportnogpreduzećaProteam.Zatim,uistraživanju

jeučestvovaloi60vozačaautobusaAuto‐prevozaČačak,kaoi40vozačaautobusa

auto‐prevoznika Lasta, koji svakodnevno upravljaju autobusom na linijama

Beograd‐Lazarevac, Lazarevac‐Beograd, odnosno Beograd‐Čačak, Čačak‐Beograd.

Anketiranjem je obuhvaćeno i 103 vozača putnučkih vozila iz uzorka prigodnog

tipa za koje je postojala informacija da često upravljaju vozilomna posmatranoj

deoniciputa.

Istraživački postupak je realizovanu toku aprila imajameseca2015. godine. Za

anketiranjeprofesionalnihvozačaobaprevoznika,korišćeni suanketniobrasciu

štampanoj formi (olovka‐papir testiranje). Istraživanje je vršeno pre početka

vožnjenaposmatranojtrasiuprostorijamazaodmoripripremuvozača.Određen

brojvozača jena lični zahtevanketneobrasce ispitivačudostavljaonaknadno, tj.


74

imali su mogućnost za popunjavanje upitnika i van radnog mesta. Ovakve

mogućnosti obezbeđene su ispitanicima kako bi se što kvalitetnije fokusirali na

davanje odgovora u upitnicima. Kada je reč o vozačima putničkih vozila, oni su

svoje anketne obrasce popunjavali elektronskim putem, uz pomoć Google Drive

aplikacijeputemlinkakojisudobijalinasvojee‐mailadrese.Upitnicisusadržali

pitanjasavišestrukimizboromodgovora,kaoipitanjaotvorenogtipa.

Napočetkutestiranjaprofesionalnivozačisudobijaliiscrpneinstrukcijeodstrane

ispitivača koji je pratio popunjavanje upitnika. U instrukcijama ispitanici su

zamoljenidadobrovoljnoiiskrenopristupeanketiranju.Ispitivačimjesugerisaoi

na anoniman karakter istraživanja, kao i na činjenicu da će prikupljeni odgovori

služiti isključivo u naučne svrhe izrade disertacije. Ovo je od posebne važnosti

istaćinapočetku testiranjaprofesionalnihvozača,kakobibiliuverenidanjihovi

odgovorininakojinačinnećeuticatinanjihovprofesionalnistatus.Ispitivačjebio

prisutantokompopunjavanjaupitnikadabirazjasnioeventualnenedoumicekoje

bi mogle da se jave prilikom davanja odgovora. Za popunjavenje štampanog

upitnika,vozačimajebilopotrebnoizmeđu20‐35minuta.

Kada je reč o vozačima amaterima iz posmatranog prigodnog uzorka, oni su na

raspolaganju imali isteupitnikeuelektronskoj formi. Instrukcijakoja jebiladata

na samom početku elektronske ankete bila je identčna onoj za profesionalne

vozače (izuzev naglašavanja da neće biti zloupotrebe odgovora u smislu

profesionalnog statusa). Odgovore na pitanja sa višestrukim izborom odgovora,

ispitanici su označavali štikliranjem jedne od ponuđenih tačaka ispod svakog

odgovora.Napitanjaotvorenogtipa,ispitanicisuodgovaralipopunjavanjemteksta

na liniji zaodgovore, isto kao i u slučaju štampanogupitnika.Kakobi se izbegle

eventualneomaškeilipropustiusmisluizostavljanjaodgovorauaplikaciji jebila

uključena opcija obaveznog davanja jednog odgovora pre prelaska na drugo

pitanje. Procenjuje se da je ispitanicima koji su anketene obrasce popunjavali

elektronskibilopotrebnodo20minutazaovajzadatak.


75

4.2Merniinstrumenti

Set anketnih obrazaca koji su ispitanici popunjavali sastojao se od 9 upitnika.

Poreddemografskogupitnika,upitnikaistorijeučešćausaobraćajnimnezgodama,

upitnika o ponašanja na deonici puta IB reda broj 22, upitnika u vezi sa

percepcijomopasnihmestaiupitnikauvezisaprocenomelemenatadeoniceputa,

ispitanicisupopunjavaliičetiriupitnikazaprocenuosobinaličnostiiponašanjau

vožnji.BIS‐11upitnikzaprocenuimpulsivnosti(Pattonisar.1995),ADBQupitnik

zaprocenuagresivnogponašanjauvožnji (Moulua i sar.2007),ManchesterDAQ

upitnik za procenu stavova koji se odnose na rizične oblike ponašanja u vožnji

(Parker i sar., 1996), kao i upitnik za samoprocenu sopstvenih vozačkih

sposobnosti(Tronsmoen,2008).Udaljemtekstubićepredstavljenisviupitnicikoji

sukorišćeniuistraživanju.

4.2.1Demografskiupitnik

Demografski upitnik sačinjen je od najrelevantnijih pitanja o demografskim

obeležjimaispitanika.Pitanjaseodnosenapol,starost,vozačkoiskustvo,godišnju

pređenu kilometražu, kao i na kategoriju vozila kojom ispitanik upravlja

(relevantno za profesionalne vozače). Pitanja u demografskom upitniku su

zatvorenogtipasaponuđenimvišestrukimizboromodgovoraidovoljnoiscrpnim

ponuđenimkategorijama.

4.2.2Upitnikistorijeučešćausaobraćajnimnezgodama

Ovaj upitnik sadrži pitanja u vezi sa ukupnim brojem doživljenih saobraćajnih

nezgoda u vozačkom iskustvu, pitanja u vezi sa brojem nezgoda koje su vozači

doživeli na samoj deonici Ibarske magistrale, kao i pitanja o vrsti nezgoda,

posledicamaiučesnicimausaobraćajnojnezgodi(kategorijavozila).Svapitanjasu

imalaformuvišestrukogizboraodgovora.


76

4.2.3UpitnikoponašanjuvozačanadeoniciputaIBredabroj22

Kako bi se od ispitanika dobilo što više relevantnih informacija o sopstvenim

vozačkimnavikamanaposmatranojdeoniciputa, kao io stavovimaoponašanju

drugih učesnika u saobraćaju, formiran je ovaj kratki upitnik. Pitanja koja ovaj

upitniksadržiodnosesena:učestalostupravljanjavozilomnadeoniciputaIBreda

broj 22, samopercepiranu maksimalnu brzinu kretanja, procenjenu maksimalnu

brzinu kretanja ostalih učesnika u saobraćaju, osnovne uzroke povećanog broja

nezgoda na datoj deonici i prosečan broj konfliktnih situacija u toku jednog

putovanja.

4.2.4UpitnikuvezisaprocenomelemenatadeoniceputaIBredabroj22

U cilju dobijanja što preciznije slike o tome kako vozači opažaju karakteristike

posmatranedeoniceputa,sačinjenjeupitnikopercepcijinajznačajnijihelemenata

puta. Upitnik sadrži 7 pitanja, a odgovori su dati u formi skale procene sa

podeocima od 1‐10 (pri čemu je ispitanicima naglašeno da veća ocena ujedno

označava i bolju procenu posmatranih elemenata). Pitanja obuhvaćena ovim

upitnikomodnosesenasledećeelementeputa:

izgledtraseilipružanjetrase,

stanjekolovoza,

stanjehorizontalnesignalizacije,

stanjevertikalnesignalizacije,

stanjezaštitneograde,

putnipojas(bankine,kanalezaodvodvode,pasreleisl.),

bezbednostsaobraćajanapriključnimputevima.

4.2.5UpitnikpercepcijerizikaopasnihmestanadeoniciputaIBredabroj22

Upitnik koji se odnosi na percepciju rizičnih mesta na posmatranoj deonici,

predstavljaključniinstrumentnakomepočivaistraživanjeuokviruovedoktorske


77

disertacije. Ispitanicima je ponuđena slika mape opasnih mesta u okviru

proučavanedeoniceputa (slika4.1).Naovoj slicipredočenesunajrizičnije tačke

deoniceputaIBredabroj22,dugačke65km,kojaseprostireodizlazaiznaselja

Žarkovo (Beograd), do izlaza iz naselja Ćelije. Mapa deonice sa crnim tačkama

preuzeta je od JP „Putevi Srbije.“ Opasnamesta definisana su u odnosu na broj

nezgodanaovim lokacijama.Od ispitanika je traženodana linijamazaodgovore

ispod slike pored imenovanih lokacija na kojima se nalaze ova opasna mesta

označestepenrizika.Zasvakuodpercipiranihcrnih tačakauprodužetkupitanja

bilajeponuđenaskalasaocenamaod1‐10.

Slika4.1PrikazopasnihmestanadeoniciputIBredabroj22

(izvor:JPPuteviSrbije,2015.)

4

123

5

6

7

8

9


78

Zadatak ispitanika bio je da procene stepen opasnosti svake od navedenih

označenih tačaka (ukupno 9) na osnovu sopstvenog vozačkog iskustva. U

instrukcijiimjenaglašenodanižaocenaoznačavanižipercipiraninivoopasnosti.

Poredsvaketačkekojusuocenjivali, ispitanicisu imali islobodanprostoruvidu

pitanjaotvorenogtipadaopišuzbogčegasmatrajudasudefinisanetačkeopasna

mesta. Ovamogućnost je bila opcione prirode, jer se smatralo da bi obaveznost

davanjaodgovoranaovopitanjemoglanegativnodautičenaprocesanketiranja

(vremenska ograničenost, mogući osećaj pritiska usled preciznog definisanja,

davanjenasumičnihodgovoraisl.).

4.2.5.1BIS‐11upitnikzaprocenuimpulsivnosti

BIS‐11(Barratt ImpulsivenessScale) je instrumentzaprocenu impulsivnostikao

crte ličnosti. Prvobitna verzija ovog upitnika‐BIS koja je brojala 50 pitanja,

konstriusana još davne 1959. godine od strane Barrat‐a (Barrat, 1959), imala je

svojebrojne revizijeodstranemnogihautora.Ovaj instrumentpredstavlja jedan

odnajčešćekorišćenih alata zaprocenu impulsivnogponašanja, kakounaučnim

istraživanjima, tako i u kliničkoj praksi. Barrat‐ov instrument za procenu opšte

impulsivnosti u upotrebi je više od 50 godina, kako u kliničkoj praksi, tako i u

okvirubrojnihistraživanjaizrazličitihoblasti(Pattonisar.,1995;Doughertyisar.,

1999.;Greve i sar., 2002;Moeller i sar., 2004; Swann i sar.,2004.;Noblett i sar.,

2005;Surisisar.,2005.;Warrenisar.,2006;Rodriguez‐Jimenezisar.,2006;Rubio

isar.,2007;Laneisar.,2007;Kirkpatrickisar.,2007Voonisar.,2007;Kjomeisar.,

2010Stoltenbergisar.,2010).

U ovom istraživanju korišćena je forma BIS‐11 koju je konstruisao Paton sa

saradnicima (Patton et al. 1995). Upitnik čini 30 pitanja baziranih na opisu

uobičajenihimpulsivnihineimpulsivnihponašanjaipreferencija.Odispitanikase

traži da, na 4‐stepenoj Likertovoj skali odgovora, procene koliko često

upražnjavajuopisanaponašanja.RadiseopetostepenojskaliLikertovogtipa,gde

skor1predstavljaopcijuRetko/Nikada,askor4opcijuSkorouvek/Uvek.


79

Prilikom kodiranja odgovora određen broj tvrdnji koje su izražene kao negacija

skorovanjepremauputstvuautora(vršena je inverzijaskale).Visokirezultatina

BISskali impulsivnostipovezanisusabrojemagresivnih i impulsivnihreakcijau

prethodnom mesecu (Stanford et al., 1995). Nadalje, visoka impulsivnost je u

negativnoj korelaciji sa rešavanjem problema na društveno prihvatljiv način

(D'Zurillaisar.,2002;McMurran,isar.,2002).Dvofaktorskomstrukturom,pitanja

su ekstrahovana u tri dimenzije: Pažnju, Motoriku i Odnos prema planiranju.

Jednofaktorskom strukturom, izdvojeno je šest dimenzija: Pažnja, Motorika,

Samokontrola,Kognitivnakompleksnost,IstrajnostiKognitivnanestabilnost.

4.2.5.2ADBQupitnikzaprocenuagresivnogponašanjauvožnji

ADBQ (Aggressive Driving Behavior Questionnaire) je upitnik konstruisan od

straneMoulua et al. 2007).Ovaj upitnik predstavlja relativno nov instrument za

procenu agresivnog ponašanja u vožnji, te stručna literatura ne poseduje puno

podataka o njegovoj upotrebi u svrhe istraživanja. Namera istraživača prilikom

konstrukcijeovogupitnika jebilada sačine instrument sadobromprediktivnom

moći kada je reč o agresivnim situacijama koje su tipične u vožnji i kreću se u

rasponuodgestikuliranjausmerenogkadrugimvozačima,kaizlivimaeksplicitne

agresijekaoštosuprolazakkrozcrvenosvetlonasemaforu.Instrumentsadrži20

pitanja, a od ispitanika se traži da na 5‐stepenoj skali procene verovatnoću za

ispoljavanjeagresivnihmanifestacijatokomvožnje.Odgovorisudatiurasponuod

1=Nikada do 5=Skoro uvek. Prema analizi koju je radio Gurda (2012.),

dvofaktorskom analizom izdvojeno je pet dimenzija u upitniku, i to:

Bes/Agresivnost,Prekoračenjebrzine,UzbuđenostiStavpremadrugimvozačima.

Višiukupniskornaupitnikuodgovaravećemstepenuagresivnostiprilkomvožnje.

4.2.5.3ManchesterDAQupitnikzaprocenustavovapremarizikuuvožnji

Ovaj upitnik za procenu rizika u vožnji konstruisao je Parker sa saradnicima

(1996). Upitnik se sastoji od 20 pitanja sa skalom odgovora od 1=Uopšte se ne

slažem do 5=Potpuno se slažem. Pitanja su sačinjena tako da obuhvate stavove


80

vozačaotipičnimsituacijamausaobraćajukojesemoguokarakterisatikaorizične.

Pitanja su u upitniku grupisana u celine, po pet pitanja u svakoj, obzirom na

različite kategorije ponašanja koja obuhvataju. Na taj način se pitanja grupišu u

sledećedimenzije:Preticanje,Vožnjapoddejstvomalkohola,Prekoračenjebrzinei

Nedovoljanintervalsleđenja.Skorovanjesevršijednostavnimsabiranjembodova

zasvakiododgovora.Skoroviispitanikamogusekretatiod20do100poena.

Ustručnoj literaturiovaj instrumentkorišćen jeurazličitesvrhe,kao:deoobuke

vozača (Burgess i sar., 2000), u okviru programa namenjenim biciklistima

(Andersonisar.,2004),uprogramuobukeosvesnostibrzine(Meadows,2002)iu

programuzatestiranjeprofesionalnihvozača(Daveyetal.,2006).Burgessisar.su

primenjujući DAQ instrument na opsežnom uzorku od 1.439 ispitanika došli do

zaključaka da kandidati za vozačku dozvolu pokazuju najveći nivo sklonosti ka

grupi rizičnih ponašanja koja se odnose na prekoračenje brzine. Meadows je u

svojojstudijiuočiodajeDAQinstrumentdobarprediktorrizikauprogramuobuke

o svesnosti brzine. Najsveobuhvatnija primena ovog upitnika zabeležena je u

studiji koju je sproveo Davey sa saradnicima, kombinujući ovaj instrument sa

drugim instrumentima koji se baziraju na samoprijavljenom ponašanju vozača

(pre svega sa često upotrebljivanim DBQ upitnikom), na uzorku od 4.195

motociklista.Kaoinjegoviprethodnici,potvrdiojedajeodsvihoblikaponašanja,

prekoračenje brzine najčešće rizično ponašanje koje vozači manifestuju u

saobraćaju.

4.2.5.4Upitniksamoprocenevozačkihsposobnosti

Upitnik za samoprocenu vozačkih sposobnosti, razvijen u Norveškoj od strane

Tronsmoen‐a (2008) predstavlja inventar izjava u vezi sa tim kako se vozači

postavljajuuodređenimsaobraćajnimsituacijama.Naosnovuodgovora,mogućeje

utvrditi kakvu sliku o sebi kao vozačima ispitanici projektuju kroz 22 pitanja i

odgovoreuvidu4‐orostepeneskaleLikertovogtipa.Odgovoriispitanikakrećuseu

rasponu od 1=Nikada, pa sve do 4=Uvek/Skoro uvek. Autor ovog inventara na

osnovu faktorske strukture pitanja kategoriše u četiri dimenzije. Prva dimenzija


81

obuhvataOpštuvozačkusposobnostukojojdolazedoizražajaveštinepotrebneza

brzu vožnju, predviđanje u saobraćaju, vožnju po klizavom kolovozu, vožnju u

uslovima smanjene vidljivosti i sl. Druga dimenzija upitnika odnosi se na

Bezbednosnu orijentaciju. Ova dimenzija predviđa zastupljenost veština koje se

tiču vozačeve sposobnosti identifikovanja rizika i potencijalnih opasnosti u

saobraćaju.Treća,Telesnadimenzijausmerenajekaprocenimogućnostikontrole

vozila i osećaju jedinstva sa vozilom. Veštine za specifične zadatke, kao četvrta

dimenzija,podrazumevarasuđivanjeneophodnoradipreciznogparkiranjavozila,

ulazakugaražuunazadigledanjeuretrovizor.

4.3Statističkaanalizapodataka

Statistička obrada podataka vršena je pomoću programskog paketa IBM SPSS

Statistics v.22. Pored deskriptivne statistike, u obradi podataka analizirana je i

međusobna povezanost posmatranih varijabli kao i jačina korelacije

(određivanjem Pearsonov‐ovog koeficijenata korelacije). Vrednosti p manje od

0,05 biće smatrane statistički značajnim, a vrednosti p manje od 0,01 visoko

statistički značajnim. Za proveru značajnosti razlikameđu različitim varijablama

korišćen jeKruskal‐Volisov test,dok jeu svrhe ispitivanja razlikeuokviru jedne

varijableprimenjivanHi‐kvadrattest.Uciljukonstrukcijemodelapercepcijerizika

sprovedenesu linearnaregresionaanaliza,kao ihijerarhijskaregresionaanaliza.

Kaopotvrdarezultatadobijenihhijerarhijskomregresionomanalizom,primenjeno

jedizajniranjeSEM(StructuralEquationalModel)modela.Takođejeupotrebljena

binarna logistička regresija, testirani su hijerarhijski loglinearni modeli, kao i

modelidobijeniprimenomfazi logike. Uciljudefinisanje i testiranjapredloženih

fazilogičkihmodelakorišćenjeprogramMATLAB.

5.Deskriptivnastatistikaineparametarskitestovizaanalizuuzorka

82

5. DESKRIPTIVNASTATISTIKAINEPARAMETARSKITESTOVIZAANALIZU

UZORKA

Analizauzorkakojijekorišćenuokviruistraživanja,itokakousmisludemografskih

karakteristika,takoiusmisluprimenjenihinstrumenata,veomajeznačajnakadaje

rečopercepcijirizikaodstranevozača.Sobziromnato,opisanesukarakteristike

ispitanika, a zatim je sprovedeno utvrđivanje značajnosti razlika između grupa

ispitanikaprimenomneparametarskihtestova:Men‐VitniiKruskal‐Volis.Prenego

što se pristupilo analizi prikupljenih podataka, izvršena je provera normalnosti

distribucijezasveposmatraneparametre,kao injihovomeđusobnousklađivanje

premaovomposmatranomkriterijumu.Takođe,uovompoglavljuanaliziranisui

hijerarhijskiloglinearnimodeliusvrheproceneefektanezavisnihvarijabliianalize

njihovogmeđusobnogodnosa.

5.1 Deskriptivnastatistikauzorka

Kaoštojevećnapomenutouprethodnompoglavlju,uzoraknadkojimjesprovedeno

istraživanjeuokviruovedoktorskedisertacijeobuhvatavozačekoječestokoriste

posmatranudeonicuputaIBbroj22.Usvrhuistraživanjakontaktiranojeoko350

potencijalnih ispitanika,ali jeukonačnuanalizuuvršćenonjih305.Ovajpodatak

ukazujenaznačajanodzivispitanika.Postojestudijekojesuproučavaleprosečan

odzivuistraživanjimaovogtipaionse,premarazličitimautorima,kretaood52,7%

do55,6%(Dobrodolacisar,2014).Glavnirazlogzanepotpunodzivmožesenaćiu

činjenici da je kriterijum za odabir ispitanika bio relativno strog, tj. ispitanik je

trebalodobrodapoznajeposmatranudeonicuputaidajerelativnočestokoristi.

5.1.1Polnastruktura

Uistraživanjujeučestvovaoukupno305vozača,pričemujemuškaracabilo267,a

žena 38. Polna struktura ispitanika prikazana je na slici 5.1. Ovaj odnos je u

izvesnomsmisluočekivanbudućidajenajvećibrojprofesionalnihvozačamuškog

pola.


83

Slika5.1.Polnastrukturaispitanika

5.1.2Kategorijevozača

U istraživanju se mogu izdvojiti tri osnovne kategorije vozača. To su: vozači

putničkih vozila, vozači autobusa i vozači teretnih vozila (kamiona). U ovom

istraživanjuvozačiautobusasuizpreduzećakojaorganizujujavnitransportputnika

naposmatranojdeonici.Vozačikamionasuzaposleniutritransportnekompanije.

Ukonačnomuzorkukoji jeproučavannalazise103vozačaputničkihvozila,102

vozačakamiona,kaoi100vozačaautobusa,štojeiprikazanonaslici5.2.

Slika5.2.Procentualnadistribucijavozačapokategorijama

33,7

32,7

33,4

32,2

32,4

32,6

32,8

33,0

33,2

33,4

33,6

33,8

Vozači putničkih vozila Vozači autobusa Vozači kamiona

[%]

Kategorije vozača


84

5.1.3Starosnastruktura

Starosnastruktura jeposmatranakrozšestkategorija.Tosuvozači:od18do25

godina,od26do35,od36do45,od46do55,od56do65ipreko65.Starosna

distribucijauzorkajeprikazananaslici5.3.

Slika5.3.Starosnastrukturavozača

5.1.4Pređenakilometraža

Raspon vrednosti godišnje kilometraže koju prelaze anketirani vozači može se

svrstatiučetirikategorije.Uprvugrupuspadajuvozačikojiprelazemanjeod50000

km,zatim,onikojiprelazeod50000–100000km,od100000–200000kmioni

koji prelaze više od 200 000 km. Procentualna distribucija pređene kilometraže

vozačauuzorkuprikazanajenaslici5.4.


85

Slika5.4.Pređenakilometražavozačauuzorku

5.1.5Kategorijavozila

Tipovivozilasusvrstaniušestkategorija:gradskiautobus,međugradskiautobus,

turistički autobus, teretno vizilo, kamion sa prikolicom, automobil. Procentualna

distribucijakategorijavozilazastupljenihuuzorkuprikazanajenaslici5.5.

Slika5.5.Zastupljenostrazličitihkategorijavozilauuzorku


86

5.2 Upitnikistorijeučešćausaobraćajnimnezgodama

U upitniku vozačke istorije analiziran je period posedovanja vozačke dozvole,

frekvencijakorišćenjaposmatranedeonice,ukupanbrojdoživljenih saobraćajnih

nezgoda u vozačkom iskustvu i broj nezgoda koje su vozači doživeli na samoj

posmatranojdeonici.

5.2.1 Periodposedovanjavozačkedozvole

Prianaliziperiodaposedovanjavozačkedozvole,formiranojepetkategorija.Tosu

periodi:do5godina,od6do15,od16do25,od26do35iod36do40godina.

Procentualniprikazzastupljenostikategorijaodgovoradatjenaslici5.6.

Slika5.6.Periodposedovanjavozačkedozvolevozačaizuzorka

5.2.2 Frekvencijakorišćenjaposmatranedeonice

Napitanjekolikočestokoristeposmatranudeonicuputa,ispitanicisuimalipriliku

dasesvrstajuujednuodsledećihkategorija:svakogdana,3‐5putasedmično,2puta

sedmično, jednomsedmično,2‐3putamesečno, jednommesečno i jednomupar

meseci.Procentualnadistribucijaodogovoraprikazanajenaslici5.7.


87

Slika5.7.Frekvencijakorišćenjaposmatranedeonicevozačaizuzorka

5.2.3 Ukupanbrojsaobraćajnihnezgoda

Anketiranivozačimoglisudaizaberujednuodsledećihkategorijakadaseradio

brojusaobraćajnihnezgodakojesudoživeliusvomvozačkomiskustvu:nijedna,1‐

3,4‐7,8‐11.Zastupljenostsvakogododgovorauukupnomuzorkuprikazanajena

slici5.8.

Slika5.8.Strukturaanketiranihvozačapremabrojunezgodaukojimasuučestvovali


88

5.2.4 UkupanbrojsaobraćajnihnezgodanadeoniciputaIBbroj22

Kada je reč o saobraćajnim nezgodama koje su ispitanici doživeli na samoj

posmatranojdeoniciputaIBbroj22,izdvajajusedvekategorije:nijednanezgodai

od1do3nezgode.Procentualniodnosmožesevidetinaslici5.9.

Slika5.9.Strukturaanketiranihvozačapremabrojunezgodaukojimasuučestvovali

naposmatranojdeonici

5.3 PonašanjevozačanadeoniciputaIBbroj22

Da bi se dobile bliže informacije o ponašanju vozačanadeonici puta IB broj 22,

postavljenasupitanjakojaseodnosenaosnovneuzrokepovećanogbrojanezgoda

na deonici, prosečan broj konfliktnih situacija u toku jednog putovanja,

samopercepiranubrzinukretanja iprocenjenubrzinukretanjaostalihučesnikau

saobraćaju.

5.3.1Uzrocinezgodanaposmatranojdeonicipomišljenjuispitanika

Ispitanici su birali sledeće ponuđene odgovore na postavljeno pitanje o uzroku

nastankasaobraćajnihnezgodanaposmatranojdeonici:čovek,vozilo,put,okolina,

nešto drugo. Procentualni odnos učešća različitih uzroka saobraćajnih nezgoda

86,56%

13,44%

nijedna 1‐3


89

prikazanjenaslici5.10.

Slika5.10.Uzrocinezgodanadeonicipomišljenjuispitanika

Kaoštosemožeuočitinajvećibrojispitanika,njih66,2%kaoosnovnifaktorkoji

doprinosinastankunezgodaidentifikuje ljudski faktor.Slediznatnonižiprocenat

ispitanikakojismatrajuputosnovnimuzrokomnezgoda(27,2%),dokseuostale

ponuđene kategorije odgovora distribuira neznatan broj ispitanika. Ovakve

percepcije koje imaju ispitanici potkrepljuju već iznete činjenice iz uvodnih

poglavljaukojimaserazmatraoudeosvakogodfaktora(čovek‐vozilo‐put‐okolina),

kojeukazujunaznačajnuuloguljudskegreškeuincidencijinezgodausaobraćaju.

5.3.2Prosečanbrojkonfliktnihsituacijautokujednogputovanja

Na pitanje o prosečnom broju konfliktnih situacija u toku jednog putovanja na

posmatranoj deonici, ispitanici sumogli da izaberu jedan od sledećih odgovora:

nijedna, od 1 do 3, od 4 do 8, od 9 do 15, više od 15. Slika 5.11. predstavlja

procentualniprikaz prosečnogbrojakonflikatanaposmatranojdeoniciputa.

Kaoštosemožeuočiti,saslikekojasledi,največibrojvozača(46,9%)procenjujeda

na ovoj deonici u toku jednog putovanja doživi u proseku od 4‐8 konfliktnih

situacija. Reč je, dakle, o prilično velikom broju potencijalnih rizičnih situacija


90

kojimasuvozačiizloženi.Ovakvipodacipotvrđujudajerečovisokorizičnojdeonici

putaimogubitiodinteresazadaljuanalizupercepijerizika.

Slika5.11.Prosečanbrojkonfliktnihsituacijautokujednogputovanja

5.3.3Procenasopstvenemaksimalnebrzinekretanja

Vozači su imali zadatak da procene maksimalnu brzinu sopstvenog kretanja na

posmatranoj deonici. Mogući odgovori su bili: 50, 60, 80, 100 i 120 km/h.

Distribucijaprocenamaksimalnebrzinesopstvenogkretanjaprikazana jenaslici

5.12.

Slika5.12.Samopercepiranamaksimalnihbrzinakretanjanaposmatranojdeonici

Kadajerečoprocenimaksimalnebrzinesopstvenogkretanja,najvećibrojispitanika

se svojim odgovorima distribuira u kategoriju brzina od 60 km/h (njih 35,7%).


91

Neznatnomanjibrojnjihsaopštavadasekrećemaksimalnombrzinomod80km/h

(32,5%),doksenjihoko16,4%opredeljujezabrzinuodoko100km/h.

5.3.4Procenamaksimalnihbrzinakretanjaostalihučesnikanaposmatranoj

deonici

Kada su ispitanici procenjivali brzinu kretanja ostalih učesnika na posmatranoj

deonici,mogućejebiloizabratisledećekategorije:50,60,80,100,120ipreko120

km/h.ProcentualniprikazodgovoradatjenaSlici5.13.

Slika5.13.Percepiranamaksimalnabrzinakretanjaostalihučesnikanaposmatranoj

deonici

Značajno drugačija slika zapaža se u slučaju procene brzina ostalih vozača u

saobraćaju.Naime,najvećiprocenatispitanikaprocenjujedaseostalivozačinaovoj

deonici krećumaksimalnombrzinomod oko 120 km/h (33,7%). Slede procene

brzinaodoko100km/h(20,3%)ipreko120km/h(21,6%).

Interesantno jeprodiskutovati odgovore ispitanikakoji se tičupercepcijebrzina,

naročitoakoseuzmuuobzirproceneiznetenaračunsopstvenebrzinekretanjakoju

suvozačiprijavljivali(Slika5.12).Upadljivojepostojanjevelikogneskladauproceni


92

sopstvenih maksimalnih brzina kretanja i brzina kretanja ostalih učesnika u

saobraćajnomtoku.

Sobziromnatodajejedanodnajčešćihuzrokanezgodananašimputevimauopšte,

aliinaovojdeoniciputaprekoračenjedozvoljenihbrzina,činisedajeovderečo

nedostatkusamokritičkogosvrtavozačapremabrzinamazakojeseopredeljujuu

vožnji, kao i o izraženom kritički opredeljenom stavu prema brzinama ostalih

vozačautoku.Čakikadaseuzmeuobzirdajeovdemoždarečioprisustvusocijalno

poželjnihodgovora,ovakvipodacisupriličnozabrinjavajućisastanovištapercepcije

rizika i ukazuju na potencijalne pravce delovanja u smislu kako kreiranja

bezbednosnihprotivmerausaobraćaju,takoiedukacijeipodizanjasvestivozačao

pravilnomopažanjusopstvenihponašanjaipostupaka.

5.4 Prikazdeskriptivnihstatističkihpokazateljamernihinstrumentataza

procenuličnostiiponašanja vozača

Utekstukojislediprikazanisuosnovniparametrideskriptivnestatistikezačetiri

osnovnainstrumentazaprocenukarakteristikaponašanjavozača.Prosečniukupni

skoroviizraženisuzarazličitekategorijevozača,saciljemdasestekneštoboljaslika

o raspodeli izraženosti posmatranih psiholoških obeležja između tri proučavane

kategorijevozača(vozačiautobusa,vozačikamionaivozačiputničkihautomobila).

U Tabeli 5.1. dat je prikaz osnovnih deskriptivnih statističkih pokazatelja

karakterističnih za opis posmatranih pojava. Za sve instrumente analizirani su:

minimumi,maksimumi, standardne devijacije, kao i prosečne vrednosti ukupnih

skorovanapsihološkiminstrumentima,tj.prosečneocenerizikaopasnihmestana

upitnikupercepcijekarakteristikaputa.

Da bi se stekao što bolji uvid u izraženost svakog od oblika ponašanja koji su u

narednimpoglavljimaimplementiraniunovonastalemodelezaprocenuponašanja,

u tabelama koje slede, osnovni parametri deskriptivne statistike prikazani su

posebnozasvakiodmernihinstrumenata.


93

Tabela5.1.Deskriptivnastatistikazaprocenurizikaikarakteristikaponašanjavozača

Deskritivna statistika

Srednja vrednost

Broj ispitanika Maksimum Minimum

Stand. Devijac.

Prosečna ocena opasnih mesta 6,77 305 9,80 3,70 2,88

ADBQ 49,48 305 76,00 23,80 9,87

BIS-11 68,45 305 86,00 49,00 5,80 DAQ 62,55 305 83,00 24,00 6,68

Samoprocena 66,59 305 88,00 34,00 9,53

Takosunajpreutabeli5.2.prikazanipokazateljizaukupneipojedinačneskorove

impulsivnostivozača.Kakosezapaža,ukupniprosečni skorzacelokupanuzorak

pokazuje slične ili čakneštoviševrednostiuodnosunamodel idealnog zdravog

pojedincakorišćenogkaoreferentniokviruliteraturi.Podaciizliteraturepokazuju

daseovakvevrednostiskorovazapažajukodpojedinihvrstaprestupnika(Moeller

isar.,2001;Rubioisar.,2007).

Tabela5.2.DeskriptivnastatistikazaBIS‐11upitnikzarazličitekategorijevozača

BIS-11

Srednja vrednost

Ukupan broj Maksimum Minimum Medijana

Stand. Devijac.

Vozači Vozači kamiona 71,00 102 85,00 59,00 67,50 6,00

Vozači putn.vozila 67,50 103 86,00 49,00 68,00 5,24

Vozači autobusa 71,60 100 86,00 54,60 70,00 5,80

Sa druge strane, posmatrajući prosečne skorove zasebno prema odabranim

kategorijama, uočava se da je impulsivnost kao mera crta ličnosti u najvećem

stepenu prisutnameđu vozačima kamiona i vozačima autobusa. Ovakvi dobijeni

rezultatisuindikativniimoguseobjasnitiprirodomposlakojuovivozačiobavljaju.

Naime,upravosevozačiteretnihvozilaustatistikamapominjukaokategorijakoja

je prikazana kao najizloženija dejstvu umora i radnog opterećenja, usled često

monotone situacije vožnje ka dalekim destinacijama. Sa druge strane, izlovanost

ovih vozača u smislu nedostatka socijalnih kontaka samu vožnju čini još


94

monotonijomradnjom,štobisemoglodovestiuvezusaizraženijimlatentnimalii

manifestnim nivoima impulsivnog ponašanja. Kada je reč o vozačima autobusa,

pretpostavljasedajeovagrupavozačapodvelikimsvakodnevnimpritiscimausled

odgovornostizbogputnikakojeprevoze,tejemogućedaseradiokumulativnom

efektustresakojisereflektujekrozpojačanuimpulsivnost.Svakako,obekategorije

vozačasuzastupljenijeusaobraćajuuodnosunavozačeputničkihvozila,tesemože

smatratidajeuovomslučajumoždarečoprisustvuprofesionalnogstresanaradu.

Tabela5.3odnosisenaprikazzastupljenostiagresivnostiuvožnji,definisanekroz

skorove postignute na ADBQ instrumentu procene. U ovom slučaju zapažena je

situacija znatno drugačija nego u slučaju prisustva karakteristike impulsivnost,

odnosno, agresivnost u vožnji najzastupljenija je u populaciji vozača putničkih

automobila, dok vozači autobusa i kamiona pokazuju slične vrednosti prosečnih

skorova.

Tabela5.3.DeskriptivnastatistikazaADBQupitnikzarazličitekategorijevozača

ADBQ

Srednja vrednost


Stand. Devijac.



Vozači autobusa 44,97 100 65,94 24,00 48,00 9,70

Ovakvirezultatiseusvetluteorije ličnostimogutumačitimanifestnomprirodom

stavki u upitniku, gde su težnje ka agresivnosti u vožnji jasnije izražene i

konkretizovane na nivou upravljanja vozilom, za razliku od upitnika za procenu

impulsivnostikojijenaimplicitnijinačintretiraoproučavanuproblematiku.Stimu

vezi, moguće je izvesti zaključak da su se vozači putničkih automobila osećali

komotnije u izražavanju stavova koji nisu socijalno poželjni sa stanovišta

bezbednosti, dok je profesionalni status ostalih posmatranih vozača diktirao

izvesnu suzdržanost u spontanom samoprijavljivanju agresivnih manifestacija u

vožnji.


95

U tabeli 5.4. prikazani su ukupni prosečni skorovi na DAQ upitniku koji tretira

stavovevozačapremapreuzimanjurizikauvožnji.Najintenzivnijinivoiizraženosti

stavova zabeleženi su među vozačima putničkih automobila koji očito pokazuju

izraženiju spremnost ka preuzimanju rizičnijih oblika ponašanja u saobraćaju.

Interesantnojeuočitidavozačiautobusapokazujuznatnonižeskorovenatestuu

odnosunadrugedvekategorije vozača, te semože zaključiti da je ova grupacija

vozačakarakterističnapoistančanijojsenzitivnostizapercepcijirizikausaobraćaju.

Tabela5.4.DeskriptivnastatistikazaDAQupitnikzarazličitekategorijevozača

DAQ

Srednja vrednost


Stand. Devijac.



Vozači autobusa 51,90 100 79,80 24,00 62,00 6,10

Kada se posmatraju rezultati u Tabeli 5.5. neophodno je napomenuti da usled

prirode pitanja koja su obuhvaćena ovim upitnikom, viši ukupni skor odgovara

boljojslicikojuvozačiiznoseoličnimvozačkimkarakteristikama.Vozačiautobusa

procenjuju svoje vozačke sposobnosti kao najbolje u poređenju sa drugim

kategorijamavozača.

Tabela5.5.DeskriptivnastatistikazaUpitniksamoprocenevozačkihsposobnostiza

različitekategorijevozača

Samoprocena

Srednja vrednost


Stand. Devijac.



Vozači autobusa 67,50 100 87,00 48,00 68,00 10,20


96

Dobijenipodataksemožeinterpretiratiizvesnimsamopouzdanjemkojeovivozači

poseduju, a može se tumačiti svakodnevnim vozačkim iskustvom i učestalošću

upravljanja vozilom na posmatranoj deonici. Sa druge strane, veća socijana

odgovornostkojuovivozačimorajudaposeduju,usledčinjenicedaprevozeostale

učesnikeusaobraćaju,moždarezultiraukupnompovoljnijomslikomosebikadaje

rečovozačkimkompetencijama.

5.5 Neparametarskitestovizaanalizuuzorka:Man‐VitnijeviKruskal‐Volisov

test

Uokviruovogodeljkaprikazanisurezultatiprimenjenihneparametrijskihtestova:

Man‐VitnijevogtestaiKruskal‐Volisovogtesta.

Kadaserazmatrapolkaokategoričkavarijabla,sprovedenjeMan‐Vitnijevtestkako

bi se ustanovilo da li u okviru posmatranog uzorka postoje statistički značajne

razlikemeđu ispitanicimauodnosunaposmatraneoblikeponašanja ipercepcije

izraženekrozpostignućanaupitnicima.Uslučajupojedinačnihpitanjaizupitnika

koji se odnose na opšte informacije o vozačima, uočene su statistički značajne

razlikemeđupolovimauodnosunasledećevarijable:pređenagodišnjakilometraža,

vozačko iskustvo i ukupan broj doživljenih saobraćajnih nezgoda. Kada je reč o

psihološkim inventarimaprocene,primenaovestatističkemetodepokazala jeda

postoje značajne statistički značajne polne razlike u ukupnim skorovima na

Upitnikuzasamoprocenuvozačkihsposobnosti(tabela5.6).Rezultatiukazujunato

da vozači ženskog pola sopstvene vozačke performanse procenjuju kao slabije u

odnosunavozačemuškogpola.Ovojesvakakozanimljivrezultatkojiupućujena

veći stepen nesigurnosti, ili pak postojanje kritičkog osvrta prema sopstvenim

sposobnostimakodispitanikaženskogpola.


97

Tabela5.6.StatistikaMan‐VitnijevogUtesta

Pređena godišnja

kilometraža

Koliko dugo posedujete

vozačku dozvolu

Ukupan broj saobraćajnih

nezgoda

Samoprocena total

Man-Vitni U 1532,000 1783,500 2331,000 1882,000

Vilkokson W 1785,000 2036,500 2584,000 2135,000

Z -4,253 -3,499 -2,165 -3,092

Stat. značajnost

,000 ,000 ,030 ,002

KruskalVolisovtestupotrebljenjesaciljemdasetestirapostojanjerazlikaizmeđu

različitihkategorijavozača(vozačiautobusa,kamionaivozačiputničkihvozila)u

pogleduispitivanihkarakteristikaponašanja.Dobijenipodaciukazujunapostojanje

statistički značajnih razlika između ovih posmatranih nezavisnih varijabli i to u

odnosu na prosečnu ocenu percepcije opasnosti deonice puta, prosečnu ocenu

elemenataposmatranogdelaputa,kao izaskorove impulsivnostimereneBIS‐11

instrumentom. Kada je reč o proceni rizika opasnih mesta, statistički značajne

razlikezabeleženesuizmeđuvozačaputničkihvozilaivozačaautobusa(tabela5.7

itabela5.8).

Tabela5.7.Rezultatihi‐kvadrattestazaocenuopasnihmesta

Ocena opasnih mesta

Hi-kvadrat 13,861

Stepeni slobode

2

Značajnost ,001


98

Tabela5.8.Srednjirangoviocenaopasnihmestauodnosunakategorijevozača

Kategorije vozača Ukupan

broj Srednji rangovi

Ocena opasnih mesta

Vozači put.vozila 103 129,59

Vozači autobusa 100 175,58

Vozači kamiona 102 154,50

Ukupno 305

Štose tičeproceneelemenataputa,uočenesustatističkiznačajnerazlike između

vozačakamionaivozačaautobusa(tabela5.9itabela5.10).

Tabela5.9.Rezultatihi‐kvadrattestazaocenukarakteristikaputa

Ocena

karakterist.puta

Hi-kvadrat 7,340

Stepeni slobode

2

Značajnost ,004

Tabela 5.10. Srednji rangovi ocena karakteristika puteva u odnosu na kategorije

vozača



Ocena kar.puta

Vozači put.vozila 103 155,86



Ukupno 305


99

Kada razmatramo značajne razlike po pitanju odgovora na BIS‐11 instrumentu,

moguće jezaključitidapostojerazlike izmeđuvozačakamionaivozačaautobusa

(tabela5.11itabela5.12).

Tabela5.11.Rezultatihi‐kvadrattestazaBIS‐11instrument

BIS-11

Hi-kvadrat 10,781

Stepeni slobode

2

Značajnost ,000

Tabela5.12.SrednjirangovizaBIS‐11instrumentuodnosunakategorijevozača



BIS-11 Vozači put.vozila 103 150,49



Ukupno 305

5.6 Primenahijerarhijskihloglinearnihmodelauproceniefekatanezavisnih

varijabliinjihovogmeđusobnogodnosa

Zaloglinearnemodelejekarakterističansledećioblik:

lnΦ , 1, … ,

U ovommodelu Φ predstavlja očekivanu frekvenciju u ćeliji p kontigencijske

tabele, seodnosinaefekatodređenogeksplanatornogčlanamodela,dokje

određenieksplanatorničlanmodela.Ekplanatorničlanovimodeladefinisanisuna

osnovu kategoričkih varijabli (Tenjović, 2015). Ovi modeli su koristan alat u


100

statističkim istraživanjima kako bi se frekvencije iz multidimenzionalne tabele

objasnile efektima određenih kategoričkih varijabli, kao i njihovimmeđusobnim

asocijacijama. Primena loglinearnih modela kao krajnji cilj ima pronalaženje

najjednostavnijeg modela koji je u skladu sa podacima istraživanja. Loglinearni

modeli se ređeupotrebljavajuu slučajevimakada se analiziradvodimenzionalna

tabelakontigencije,aznatnočešćesekoristezaanalizumultidimenzionalnihtabela.

U ovom odeljku loglinearni modeli biće korišćeni za proveru asocijacija između

varijablikojesurelevantnezamodelekojićebiti formirani iopisaniunarednim

poglavljimadisertacije.Takođe,pitanjeodinteresabilojedaseustanovimodelkoji

je najjednostavniji u adekvatnom objašnjavanju rasporeda frekvencija u

trodimenzionalnoj tabeli kontigencije. Razmatranenezavisne varijable odnose se

na: kategoriju vozila kojom vozači upravljaju (vozači autobusa, vozači teretnih

vozila i vozači putničkih vozila), broj prijavljenih nezgoda u vozačkoj istoriji i

varijable koje se odnose na instrumente za procenu psiholoških karakteristika i

ponašanjavozačausaobraćaju,kaoiinstrumentezaprocenuposmatranedeonice

puta(ADBQ,BIS‐11,DAQ,instrumentzasamoprocenuvozačkihsposobnosti,ocene

opasnih mesta na odabranoj deonici i ocene karakteristika samog puta). Sve

razmatranevarijablesukategorijskogtipa,savrednostimakojesekrećuurasponu

od 0 do 5 (u zavisnosti od konkretne varijable). Prve dve nabrojane nezavisne

varijable (kategorija vozila i saobraćajne nezgode) konstantne su za svih šest

analiziranihmodela,dokjekaotrećanezavisnavarijablakorišćenskornanekomod

nabrojanihupitnika,rangiranukategorijeodgovorakojesuispitanicidavali.

LoglinearnimodelI

U prvommodelu analizirane su asocijacije između sledećih nezavisnih varijabli:

kategorijavozila,saobraćajnenezgodeiagresivnostuvožnji.Utesvrhekonstruisan

jehijerarhijskimodelasocijacija,tj.najprezasićenimodel(najvišegnivoa).Uispisu

iz tabele kontigencije (Prilog A.1), moguće je identifikovati nekoliko važnih

informacija.Započetakuočavamodasuopaženefrekvencijejednakeočekivanim,

što je uvek slučaj prilikom primene zasićenog loglinearnog modela, a reziduali


101

(odstupanja) su,posledično,u tomslučajuuvek jednaki0.Usledećoj tabeli5.13,

prikazanisupodacizaHikvadrattestkaoipokazateljistatističkeznačajnosti.Kao

što je moguće uočiti zasićeni model u potpunosti odgovara podacima. Drugim

rečima, postoji asocijacija između triju razmatranih kategoričkih varijabli

(kategorijavozila,nezgodeiagresivnostuvožnji).

Tabela5.13.PodacizamodelI(višihijerarhijskimodel)

Hi- kvadrat Stepeni

slobode

Značajnost

Verovatnoća ,000 0 .

Pirson ,000 0 .

Naosnovupostojanjaasocijacijemeđuposmatranimvarijablamadonosiseodluka

o konstruisanju jednostavnijeg modela za predviđanje frekvencija u tabeli

kontigencija.IzPrilogaA.2uočavasedaopaženeiočekivanefrekvencijenisuviše

identične,dokrezidualinisuviševrednosti0,većsuznatnoviši,doknekiprelazei

graničnu vrednost 1,96 (ili niže od ‐1,96). Iako se na osnovu podataka u vezi sa

značajnošćumodelamožezaključitidamodelnijestatističkiznačajaniutomsmislu

značidaodgovarapodacima(Tabela5.14),pojedinireziduali(kojiprelazegranične

vrednosti) pokazuju da bi model trebalo odbaciti (Prilog A.2). Na osnovu toga

možemo zaključiti da postoji asocijacija između svih razmatranih varijabli i da

najvišihijerarhijskimodel (zasićeni)unajboljojmeriopisujedobijenepodatkeu

trodimenzionalnojkontigencijskojtabeli.

Tabela5.14.PodacizamodelI(nižihijerarhijskimodel)

Hi- kvadrat Stepeni

slobode

Značajnost

Verovatnoća 7,726 12 ,806

Pirson 7,165 12 ,847

LoglinearnimodelII

U drugom analiziranom loglinearnom modelu uzete su obzir sledeće nezavisne

varijable:kategorijavozila,saobraćajnenezgodeiimpulsivnost.Napočetkuje,kaoi


102

uprethodnomslučajuformiranzasićeniloglinearnimodel(Tabela5.15).IzPriloga

A.3, moguće je uočiti da opažene i očekivane frekvencije u ovommodelu imaju

identičnevrednosti,kaoidasurezidualijednaki0.Tabela5.15.pokazujedamodel

u celini odgovara podacima, te da postoje asocijacije između posmatranih

nezavisnih varijabli. Zatim, zaključuje se da bi trebalo pristupiti i testiranju

jednostavnijegmodelauhijerarhiji.

Tabela5.15.PodacizamodelII(višihijerarhijskimodel)

Hi- kvadrat Stepeni

slobode

Značajnost


Pirson ,000 0 .

Formiranjenižeghijerarhijskogmodelapodrazumevaodsustvoasocijacijeizmeđu

dvejunezavisnihvarijabli.Utabelikontigencijemogućejeuočitiznačajnopovećanje

reziduala, od kojih neki prelaze i graničnu vrednost od 1,96 (Prilog A.4). Iz

navedenograzloga,kaoiusledpodatakadobijenihuTabeli5.16.izkojihsemože

videtidamodelpokazujestatističkuznačajnost,zaključujesedanižihijerarhijski

modelnijeuskladusapodacima,tj.dabigatrebaloodbaciti.Modelkojisezadržava

jeiuovomslučajuzasićenimodelkojimsezapravoobjašnjavapostojanjeasocijacije

izmeđusvihnezavisnihvarijabli.

Tabela5.16.PodacizamodelII(nižihijerarhijskimodel)

Hi- kvadrat Stepeni

slobode

Značajnost


Pirson 22,240 12 ,035

LoglinearnimodelIII

U analizi trećeg loglinearnogmodela razmatrane su sledeće nezavisne varijable:

kategorija vozila, saobraćajne nezgode i stavovi vozača prema rizičnim oblicima

ponašanja.Kao iuprethodnimslučajevima,uprvomkoraku formiran jezasićeni

hijerarhijski model. Iz tabele se uočava da je vrednost svih reziduala jednaka 0

(Prilog A.5). Ovi podaci podržani vrednostima u Tabeli 5.17. pokazuju da prvi


103

hijerarhijskimodeldobroodražavapodatkeurealnosti.

Tabela5.17.PodacizamodelIII(nižihijerarhijskimodel)

Hi- kvadrat Stepeni

slobode

Značajnost


Pirson ,000 0 .

Nakonpreliminarnogtestiranjamodela,prelazisenanižihijerarhijskimodelkoji

podrazumeva odsustvo asocijacija između dveju varijabli (Tabela 5.18). Kao i u

prethodnimslučajevima,ovajmodelukazujenapostojanjerezidualakojisuvišiod

granične vrednosti, na porast vrednosti za Hi‐kvadrat test, ali i na postojanje

statističke značajnosti modela, što implicira odbacivanje ovog modela i

proglašavanje zasićenogmodela kao najodgovarajućeg u slučaju ovih nezavisnih

varijabli(PrilogA.6).Drugimrečima,zaključujesedapostojeasocijacijeizmeđusvih

nezavisnihvarijabli.

Tabela5.18.PodacizamodelIII(višihijerarhijskimodel)

Hi-

kvadrat

Stepeni

slobode

Značajnost


Pirson 34,813 12 ,001

LoglinearnimodelIV

Za analizu četvrtog modela korišćeni su, pored podataka o kategoriji vozila i

saobraćajnimnezgodama,ipodacioskorovimaizUpitnikaosamoprocenivozačkih

sposobnosti. Za dobijeni zasićeni model, ispis iz statističke procedure u vidu

kontigencijske tabele prikazan je u tabeli 5.19. (Prilog A.7). Kao i u slučaju

prethodnihloglineranihmodela,opažajuserezidualikojiimajuvrednost0.Takođe,

i ostali podaci u Tabeli 5.19. ukazuju na to da prvi hijerarhijski model sasvim

odgovarapodacima.


104

Tabela5.19.PodacizamodelIV(višihijerarhijskimodel)

Hi- kvadrat Stepeni

slobode

Značajnost


Pirson ,000 0 .

Nakon primene jednostavnijegmodela bez asocijacija dveju nezavisnih varijabli,

zapažasedasuporedporastarezidualaiznadgraničnihvrednostiipokazateljiza

Hi‐kvadratteststatističkiznačajni,tesejednostavnijimodelodbacujeizaključuje

sedapostojipovezanostizmeđunezavisnihvarijabli,tebioptimalnimodelbioprvi,

zasićenimodel(Tabela5.20,PrilogA.8).

Tabela5.20.PodacizamodelIV(nižihijerarhijskimodel)

Hi- kvadrat Stepeni

slobode

Značajnost


Pirson 45,636 12 ,000

LoglinearnimodelV

Uslučajuovogmodelaporedvarijablikategorijavozilaisaobraćajnihnezgoda,za

ove svrhe razmatrani su kategorisani odgovori dobijeni primenom Upitnika za

procenuopasnihmestanaposmatranojdeoniciputa(tj.dobijeniukupniskorovi).

Na osnovu svih relevantnih parametara moguće je zaključiti da ovaj model u

potpunostiodgovarapodacima(Tabela5.21,PrilogA.9).

Tabela5.21.PodacizamodelV(višihijerarhijskimodel)

Hi- kvadrat Stepeni

slobode

Značajnost


Pirson ,000 0 .

Kako bi se kreirao jednostavniji model, prešlo se na analizu modela nižeg

hijerarhijskogreda(bezasocijacijaizmeđudvejuvarijablizajednuasocijaciju).Iz


105

tabelesaprilozima(PrilogA.10)uočavaseznačajanporastreziduala,tepojedine

vrednostiprelazegraničnudefinisanu(1,96).Ovakvi rezultati impliciraju tezuda

samoprvizasićenimodelodgovarapodacima,tedanižihijerarhijskimodelinisuu

skladusapodacima.

LoglinearnimodelVI

Prilikom analize ovog modela, pored varijabli kategorija vozila i saobraćajnih

nezgoda, uzeti su u obzir i podaci dobijeni iz Upitnika o proceni karakteristika

posmatranedeoniceputa.Premapreliminarnimanalizama,modelidealnoodgovara

podacima(Tabela5.22,PrilogA.11).

Tabela5.22.PodacizamodelVI(višihijerarhijskimodel)

Hi-kvadrat Stepeni

slobode

Značajnost


Pirson ,000 0 .

Medjutim,posmatrajućiK3(efekattrostrukeasocijacijeutabeliasocijacija–tabela

5.23.),uočavamodaasocijacijeizmeđusvihtrijukategoričkihvarijablinepokazuju

značajnostprilikomizračunavanjakoličnikaverodostojnosti,tj.pretpostavljaseda

ćemodel izkojegbude isključenatrostrukaasocijacijabitiuskladusapodacima.

Ovajpodataknamomogućavaformiranjehijerarhijskinižegmodela(bezjednogod

članovauprethodnommodeluitobezasocijacijesaobraćajnenezgode/ocenaputa).

Dobijenomanalizomdolazimodomodelakojijeuskladusapodacima,štomožemo

videtiutabeli5.24.Iakosuuovomslučajurezidualineštovišinegouprethodnom

slučaju(PrilogA.12),ipakneprelazekritičnuvrednost,tepokušavamodaizanalize

odstranimo još neku od dvostrukih veza, kako bismo pojednostavili model

(odstranjujemoasocijaciju ‐Kategorijavozila/ocenaputa), idobijamomodelkoji

nije statistički značajan, ali kako pojedini reziduali premašuju vrednost koja je

definisanakaogranična,moramoodbacitiovajmodel(PrilogA.13).


106

Tabela5.23.–Efekattrostrukeasocijacije(procenakaraktersitikaputa)

K St.

slob.

Verovatnoća Pirson Broj

iteracija Hi-kvadrat Značajnost Hi-kvadrat Značajnost

K-tostruki i

efekti višeg

reda

1 53 611,238 ,000 722,416 ,000 0

2 44 62,079 ,037 84,641 ,000 2

3 20 9,122 ,981 7,523 ,995 3

K- tostruki

efekti

1 9 549,159 ,000 637,776 ,000 0

2 24 52,957 ,001 77,118 ,000 0

3 20 9,122 ,981 7,523 ,995 0

Tabela5.24.PodacizamodelVI(nižihijerarhijskimodel)

Hi- kvadrat Stepeni

slobode

Značajnost

Verovatnoća 5,698 24 1,000

Pirson 5,435 24 1,000

Stoga zaključujemodamodel sadvemadvostrukimasocijacijamabolje odgovara

podacima(kaoimodelsasvimdvostrukimasocijacijama).Ovonasdovodiudilemu

kako bismo odlučili koji model bolje opisuje podatke, kao oslonac koristimo

izračunatinormiraniindekspodesnostimodela.Dobijamovrednostkojaje0,78što

jeipakdonekleispodvrednosti0,80kojasesmatragranicomzaprihvatanjedaje

neki model podesniji. Prema tome, opredeljujemo se za odabir jednostavnijeg

modela koji podrazumeva da trodimenzionalnu tabelu tumačimo analizom

dvodimenzionalnihtabelazaasocijacijuovihtrijuvarijabli.

6. Korelacijeimpulsivnosti,agresivnosti,stavovapremarizikuisamoprocenevozačkihsposobnosti

107

6. KORELACIJEIMPULSIVNOSTI,AGRESIVNOSTI,STAVOVAPREMARIZIKUI

SAMOPROCENEVOZAČKIHSPOSOBNOSTI

Iako utvrđivanje korelacije između faktora svih korišćenih psiholoških mernih

instrumenatanijeodsuštinskogznačajazaproblematikukojomseovadoktorska

disertacija bavi, za buduće implikacije je svakako korisno razmotriti značaj

uvtrđenihvezaizmeđufaktorarazličitihupitnika,naročitokadajerečoupitnicima

koji ispituju sličnekategorijeponašanja. Sa timuvezi, analizirane su iprikazane

korelacijeizmeđuskalaprimenjenihupitnikauodnosunafaktoreponašanja,alii

ukupne skorove na upitnicima. U slučajevima gde su utvrđene sporadične veze

izmeđuinstrumenata,prikazanisunajmarkantnijirezultatianalize.Zautvrđivanje

postojanjarelacijaipreciziranjenjihovogsmera,korišćenjePearson‐ovkoeficijent

korelacije.Pearson‐ovkoeficijentkorelacijeseizračunavapoformuli:

∗

6.1Relacijeizmeđuagresivnostiuvožnjiiimpulsivnosti

Kako je između skorovanadva instrumentadobijenanajviša statistički značajna

korelacija, takvi rezultati zaslužuju opsežniji prikaz. U tabeli 6.1 prikazane su

komponente ADBQ instrumenta eksrtahovane dvofaktorskom analizom, kao i

komponente BIS‐11 instrumenta ekstrahovane kroz dvofaktorsku, ali i

jednofaktorsku analizu. Kada je reč o BIS‐11 skali za merenje impulsivnosti,

prikazanesuvrednostikorelacija,kakotrifaktoradrugogreda(Pažnja,Motorikai

Odnos prema planiranju), tako i za šest faktora prvog reda (Pažnja, Kognitivna

nestabilnost,Motorika,Istrajnost,SamokontrolaiKognitivnakompleksnost),koje

odgovarajuoblicimaimpulsivnogponašanjaobuhvaćenihovimupitnikom.ZaADBQ

upitnik pokazane su korelacije četiri glavna faktora: Ljutnja/Agresivnost,

Prekoračenje brzine, Prenaglašena ekspresija i Odnos prema drugim vozačima.


108

Takođe, prikazani su i korelacije svakog od faktora sa ukupnim prosečnim

skorovimanaobaupitnika.

Kadaserazmatrajufaktoridrugogreda,faktorPažnjejepokazaoslabijupovezanost

safaktoromagresivnostiOdnospremadrugimvozačima(r=,249,p<,01)kaoisa

ukupnimskoromagresivnosti(r=,198,p<,05).

KadajerečofaktoruMotorika,dobijenojenekolikoniskih,alistatističkiznačajanih

korelacijasafaktorimaizADBQupitnika.Rezultatipokazujukorelacijusasledećim

faktorima:Ljutnja/Agresivnost(r=,202,p<,05),Prekoračenjebrzine(r=,239,p<

,01),Prenaglašenaekspresija(r=,202,p<,05),kaoisaukupnimADBQskorom(r=

,271,p<,01).

Interesantno je istaćidasuza faktorOdnospremaplaniranju,utvrđeneznačajne

korelacije sa svim formama agresivnosti. Najizraženija je relacija sa Ukupnim

skoromzaagresivnost(r=,380,p<,05),te,zatim,safaktoromPrekoračenjebrzine

(r= ,333, p < ,01), faktorom Ljutnja/Agresivnost (rs = ,338, p < ,01), sa

Prenaglašenomekspresijom(r=,259,p<,01),anajslabijazabeleženakorelacijaje

safaktoromOdnospremadrugimvozačima(r=,170,p<,05).


109

Tabela6.1.KorelacijesupskalaupitnikaADBQiBIS‐11

Varijable

12

34

56

78

910

11

12

13

14

15

BIS‐11Dvofaktorskastruktura

1.Pažnja

‐

2.

Motorika

.262**‐

3.

Odnosprema

planiranju

.078

.326**‐

BIS‐11Jednofaktorskastruktura

4.Pažnja

.797**.249**.089

‐

5.

Kognitivna

nestabilnost

.728**.173*

.062

.198*

‐

6.Motorika

.201*.899*

.261**.190*

.131

‐

7.

Istrajnost

.274**.607**.193*

.218*

.215*

.229**‐

8.Samokontrola

.040

.291**.917**.018

.046

.268**.147

‐

9.Kognitivna

kompleksnos

.041.169*.449**.076

.018

.095.176*.092

‐

10.Ukupniskor

.569**.812**.654**.482**.410**.723**.523**.580**

‐

ADBQ

11.Ljutnja/

Agresivnost

.092

202*

.338**.069

.151

.255**.040

.285**.130.300**‐

12.Prekoračenje

brzine

.119

.239**.333**.138

.093

.260**.075

.308**.115.341**.768**‐

13.Prenaglaš.ekspres.

.099

.202*

.259**.090

.075

.319**.088

.260**.041.319**.389**.491**‐

14.Odnosprema

drugimvoz.

.249**.159

.170*

.254**.176*

.170*

.050

.169

.054.270**.458**.419**.369**‐

15.Ukupniskor

.198*

.271**.380**.194*

.161

.398**.075

.322**.091.398**.836**.869**.686**.729**‐

*p<.05

**p<.01


110

Uodnosunajednofaktorskustrukturu,faktorPažnjajepokazaoslabijupovezanost

safaktoromOdnospremadrugimvozačima(r=,254,p<,01),isaTotalnimskorom

na skali agresivnosti (r= ,186, p < ,05). Za subskalu Kognitivna nestabilnost

pronađenajejedinoneznatnapovezanostsafaktoromStavpremadrugimvozačima

(r=,173,p<,01).PosmatrajućifaktorMotorika,uočljivojepostojanjepovezanostisa

svakimod faktora,kao i saUkupnimskoromagresivnosti.Dobijenesukorelacije

nešto nižeg intenziteta i to sa: Ukupnim skorom ADBQ (r=,398, p < ,01), sa

Prenaglašenomekspresijom(r=,319,p<,01),saPrekoračenjembrzine(r=,260,p

<,01),saLjutnjom/Aresivnošću(r=,255,p<,01),kaoinajslabijasaOdnosomprema

drugimvozačima(r=,170,p<,05).Istrajnostkaosubskalanijepokazalaznačajnost

nisajednimodfaktoraagresivnosti,doksuzaSamokontroludobijenekorelacijesa

UkupnimskoromADBQ(r=,322,p<,01),Prekoračenjembrzine(r=308,p<,01),

Ljutnjom/Aresivnošću(r=,285,p<,01),isaPrenaglašenomekspresijom(r=,260,p

<,01).

Ukupniskorimpulsivnostijeuanalizipokazao,shodnoočekivanjima,povezanostsa

svim faktorima agresivnosti vozača (Ljutnja/Agresivnost: r= ,300, p < ,01;

Prekoračenjebrziner=,341,p<,01;Prenaglašenaekspresija:r=,319,p<,01;Stav

premadrugimvozačima:r=,270,p<,01).

Kadajerečoukupnimskorovimanaobeskale,auskladusapočetnimočekivanjima,

utvrđena je relativno izražena korelacija između Ukupnog skora impulsivnosti i

Ukupnogskoraagresivnostiuvožnji(r=,398,p<,01)(Čubranić‐Dobrodolacisar.,

2016). Ovakvi rezulati pokazuju izraženiji nivo relacija u odnosu na slična

istraživanja vršena od strane Dahen‐a i sar., 2005., gde je BIS‐11 instrument

dovođenuvezusaupitnikomzaprocenuljutnjeuvožnji‐DAS(engl.DrivingAnger

Scale,Deffenbacherisar.,1994).


111

6.2Relacijeizmeđustavovapremarizikuuvožnjiiimpulsivnosti

KadajerečoDAQupitniku,prilikomrazmatranjakorelacijauzetisuuobzirfaktori:

Preticanje,Vožnjapoddejstvomalkohola,PrekoračenjebrzineiNedovoljaninterval

sleđenja.IuslučajuDAQinstrumenta,razmatranesurelacijeisaukupnimskorom

ostvarenimnaupitniku.

Kao što je moguće uočiti u tabeli 6.2. povezanost sa faktorima impulsivnosti je

registrovana za faktore Sleđenje (DAQ) i Odnos prema planiranju (BIS‐11). Ova

korelacija jeujedno inajintenzivnijadobijenarelacija izmeđuovadvaupitnikau

analizi (r= ,289,p< ,01).Nešto slabije izraženavezautvrđena je između faktora

VožnjapoddejstvomalkoholaiMotorika(r=,189,p<,05).

Zatim, uočene su relacije za faktor Brzina u odnosu sa faktorima impulsivnosti

Motorika(r=,269,p<,01)iOdnospremaplaniranju(r=,238,p<,01).Kadajerečo

dvofaktorskojstrukturiBIS‐11korelata,BrzinajepokazalavezusafaktoromPažnja

(r= ,242, p< ,01). Faktor rizika Preticanje pokazao je slabiju povezanost sa

Motorikomkaopokazateljemimpulsivnostiizdvofaktorskestrukure(r=,166,p<

,05).Ukupniskorovizaovadvaupitnikanisupokazalimeđusobnupovezanost.


112

Tabela6.2.KorelacijesupskalaupitnikaDAQiskalaupitnikaBIS‐11

Varijable

12

34

56

78

910

11

12

13

14

15


1.Pažnja

‐

2.Motorika

.222**‐

3.Odnosprema

planiranju

.061

.318**‐

BIS‐11Jednofaktorskastruktura

4.Pažnja

.768**.246**.062

‐

5.Kognitivna

nestabilnost

.711**.150*

.053

.179*

‐

6.Motorika

.199*.890*

.272**.198*

.140

‐

7.Istrajnost

.282**.627**.199*

.203*

.200*

.249**‐

8.Samokontrola

.033.282**.898**.018

.053

.254**.140

‐

9.Kognitivna

kompleksnost

.037.174*.414**.066

.019

.087.178*.085

‐

BIS‐11

Ukupniskor

.570**.797**.643**.465**.400**.699**.511**.566**

‐

DAQ

10.Sleđenje

.071

.068

.289**.018

.041

.015

.218*

.1440*.544**.610**‐

11.Alkohol

.119

.189*

.076

.152

.090

.055

.069

.238**.302**.235**.619**‐

12.Brzina

.242**.269

**

.238**.168

.071

.242**.086

.058

.090

.318**.168*

.630**‐

13.Preticanje

.134

.166*

.140

.057

.089

.093

.199*

.140

.109

.112

.500**.332**.270**‐

14.DAQ

Ukupniskor

.129

.117

.145

.069

.039

.068

.091

.065

.079

.178*

.639**.648**.645**.678**‐

*p<.05

**p<.01


113

6.3Relacijeizmeđusamoprocenevozačkihsposobnostiiimpulsivnosti

Pored pomenutih korelata impulsivnosti, Pearsonov koeficijent korelacije

izračunavan je za četiri faktora Upitnika za samoprocenu rizika (Opšta vozačka

sposobnost, Bezbednosna orijentacija, Telesna dimenzija i Veština za specifične

zadatke).Takođe,zaovuvrstuanalizeuzet jeuobzir iukupniskorsamoprocene

vozača.

RezultatiPearsonovogtestakorelacijeizmeđusupskalaiukupnihskorovanaova

dvaupitnikaprikazani suuTabeli 6.3.Kao što jemogućeuočiti, jedina značajna

korelacijapostoji za faktor samoprecepcijeBezbednosnaorijentacija.Ovaj faktor

pokazao je povezanost sa faktorima impulsivnosti Pažnja (r=‐ ,198, p < ,05)

Motorika(r=‐,234,p<,05)isafaktoromOdnospremaplaniranju(r=‐,187,p<,05)

i iz dvofaktorske strukture upitnika. Za navedene faktore utvrđena veza je

negativnog predznaka. Ove povezanosti biće detaljnije analizirane u sledećem

poglavlju.


114

Tabela6.3.KorelacijesupskalaUpitnikasamoproceneiBIS‐11upitnika

Varijable

12

34

56

78

910

11

12

13

14

15


1.Pažnja

‐

2.Motorika

.265**‐

3.Odnosprema

planiranju

.061

.339**‐

BIS‐11Jednofaktorskaanaliza

4.Pažnja

.776**.256**.059

‐

5.Kognitivna

nestabilnost

.727**.175*

.045

.180*

‐

6.Motorika

.190*.870*

.266**.198*

.143

‐

7.Istrajnost

.288**.645**.190*

.222**.234**.254**‐

8.Samokontrola

.031.298**.891**.011

.046

.257**.154

‐

9.Kognitivna

kompleksnost

.048.177*.439**.081

.022

.089.173*.081

‐

10.BIS‐11

Ukupniskor

.568**820**.667**.500**.426**.733**.570**.598**

‐

Upitniksam

oprocene

11.Opšta

vozačka

sposobnost

.045

.086

‐.050

‐.056

.070

.011

.033

.023

‐ .130‐ .013.045

‐

12.Bezbednosna

orijentacija‐.198*

.234*

‐.187*

‐.087

‐.036

.037

.123

‐.038

‐ .045.056.577

**

‐

13.Fizička

dimenzija

‐.068

.122

‐.138

‐.116

.048

.151

.059

‐.089

‐ .087.019.653

**.670

**‐

14.Specifične

vozačke

veštine

.037

.044

‐.053

‐.056

.076

.056

‐.034

‐.023

‐ .057.044.578

**.598

**.774

** ‐

15.Sam

oprocena

ukupno

‐.012

.140

‐.061

‐.063

.034

.136

.066

‐.017

‐ .043.066.854

**.826

**.896

**.821

**‐

*p<.05

**p<.01


115

6.4Relacijeprocenarizikauvožnjiisamoprocenevozačkihsposobnosti

Kao što jemoguće videti iz tabele 6.4, utvrđene korelacije su se u najvećojmeri

odnosilenafaktorePrekoračenjebrzinaiPreticanjeizupitnikazaprocenurizičnih

situacija.KorelacijajeutvrđenaizmeđuBrzineiBezbednosneorijentacija(r=‐,243,

p<,01).PovezanostjeuočenaizmeđuPreticanjaisledećihfaktora:Opštavozačka

sposobnost(r=‐ ,201,p< ,05) iTelesnadimenzija(r=‐ ,213,p< ,01).Poredtriod

četiri faktoraupitnikasamoprocene, faktorPreticanjepokazao jepovezanost i sa

ukupnimskorovimanaupitnikusamoprocenesopstvenihvozačkihsposobnosti(r=‐

,308,p<,05).


116

Tabela6.4.KorelacijesupskalaDAQupitnikaiUpitnikasamrocene

Varijable

12

34

56

78

910

Upitniksam

oprocene

1.Opšta

vozačka

sposobnost

‐

2.Bezbednosna

orijentacija.557**‐

3.Telesna

dimenzija

.613**.674**‐

4.Specifične

vozačke

veštine

.558**.613**.766**‐

5.Samoprocena

Ukupanskor

.856**.823**.899**.825**‐

DAQ

6.Alkohol

.076

.012

‐.033

.041

.036

‐

7.Sleđenje

.143

.056

‐.031

.096

.082

.237

**

‐

8.Brzina

‐ .109

* ‐ .019

‐ .213

**

‐ .045

.038

.335

**

.145

‐

9.Preticanje

‐ .201

* ‐ .145

‐ .243

**

‐ .129

* ‐ .308

**

.243

**

.555

**

.154

* ‐

10.DAQ

Ukupni

skor

.133

.055

.091

.135

.145

.677

**

.677

**

.654

**

.983**

‐

*p<.05

**p<01


117

6.5Relacijeizmeđustavovapremarizikuuvožnjiiagresivnosti

ZaADBQupitnikzaprocenuagresivnostiuvožnjiiDAQupitnikzaprocenuvozačkih

stavova, Pearsonov koeficijent korelacije utvrđivan je za faktore koje su već

prethodnoopisani.Dobijenikoeficijentikorelacijeprikazanisuutabeli6.5.

Posmatrajući faktore DAQ upitnika utvrđene su sledeće korelacije sa faktorima

agresivnosti,iakoslabogintenziteta.ZafaktorrizikaSleđenje,zabeleženajeslabija

povezanostsafaktoromagresivnostiPrekoračnjebrzine(r=,167,p<,05).Neznatno

izraženija korelacija pronađena je u odnosu naUkupni pokazatelj agresivnosti u

vožnji(r=,221,p<,01).

Interesantno je da faktor rizičnog ponašanja koji se odnosi na stavove prema

konzumiranjualkoholanijepokazaopovezanostsaostalimkomponentamarizičnog

ponašanja.PosmatrajućifaktorBrzinakaokorelatrizika,zabeleženajepovezanost

sa faktorom agresivne vožnje, sličnog naziva, Prekoračenjembrzine (r=,166, p <

,05).FaktorPreticanjeizDAQupitnika,pokazaojepovezanostsasvimkorelatima

agresivnevožnje,ito:saLjutnjom(r=,197,p<,05),Prekoračenjembrzine(r=,238,

p <,05), Prenaglašenom ekspresijom (r=,197, p < ,05), i Stavom prema drugim

vozačimaiz(r=,205,p<,05),kaoisaukupnimskoromagresivnosti(r=,289,p<,01).

Ukupni skor za DAQ upitnik pokazao je relaciju sa faktorima ADBQ upitnika

Prekoračenjebrzine(r=,245,p<,05)iStavompremadrugimvozačima(r=,222,p

<,01).


118

Tabela6.5.KorelacijesupskalaDAQupitnikaiADBQupitnika

Varijable

12

34

56

78

910

ADBQ

1.Ljutnja

‐

2.Prekoračenjebrzine

.732**

‐

Prenaglaš.ekspresija

.579**

.512**

‐

3.Stavpremadrugim

vozačima

.451

**

.465

**

.454

**

‐

4.ADBQUkupniskor

.890

**

.856

**

.754

**

.732

**

‐

DAQ

5.Alkohol

.011

.036

.165

.131

.081

‐

6.Sleđenje

.114

.166*

.054

.076

.221**

.246

**

‐

7.Brzina

.076

.187*

.034

.008

.047

.334**

.132

‐

8.Preticanje

.197*

.238**

.197*

.205*

.289

**

.256

**

.520

**

.181*

‐

DAQUkupniskor

.122

.245*

.154

.222**

.143

.620**

.650**

.642**

.854**

‐

*p<.05

**p<.01


119

6.6Relacijeizmeđuagresivnostiuvožnjiisamoprocenevozačkih

sposobnosti

RelacijeADBQupitnikaiUpitnikazasamoprocenuvozačkihsposobnostiispitivane

su za pomenute utvrđene faktore upitnika i za ukupne skorove. Rezultati su

prikazaniuTabeli6.6.

Između skorova na ova dva upitnika uočene su izvesne povezanosti. Najpre,

pronađenesurelacijeizmeđuOpštevozačkesposobnosti,kaomeresamoprocene

vozačkesposobnostiiStavapremadrugimvozačimaizADBQupitnikazapercepciju

rizika(r=‐,187,p< ,05).PosmatrajućifaktorBezbednosnaorijentacija,uočavase

najveći broj relacija sa upitnikom za merenje agresivnosti. Utvrđene veze

zabeležene su između Bezbednosne orijentacije sa Ljutnjom (r= ‐,198, p < ,05),

Prekoračenjembrzine(r=‐,338,p<,01)iUkupnimskoromzaagresivnost(r=‐,377,

p<,01).Telesnadimenzijasamoprocenevozačanijepokazalarelacijesamerama

agresivnogponašanja,dokjezaVeštinuzaspecifičnevozačkezadatkeustanovljena

veza sa Prekoračenjem brzine (r=‐,238, p < ,01). Ukupna mera samoprocene

pokazala je izvesnu korelaciju sa Prekoračenjem brzine kao mere agresivnih

manevarauvožnji(r=‐,199,p<,05).


120

Tabela6.6.KorelacijesupskalaADBQupitnikaiUpitnikazasam

oprocenuvozačkihsposobnosti

Varijable

12

34

56

78

910

ADBQ

1.Ljutnja

‐

2.Prekoračenjebrzine

.767**

‐

3.Prenaglaš.ekspres.

.543**

.515**

‐

4.Stavpremadrugim

vozačima

.478

**

.451

**

.481

**

‐

5.ADBQUkupniskor

.837

**

.865

**

.765

**

.743

**

‐

Upitniksam

oprocene

6.Opštavozačka

sposobnost

‐.078

‐.055

‐.087

‐.187

* ‐.076‐

7.Bezbednosna

orijentacija

‐.198

* ‐.338

**

‐.132

‐.067

‐ .377

**.599

**‐

8.Telesna

dimenzija

‐.087

‐.166

.078

‐.031

.111

.675

**.689

*

* ‐

3.Veštinaza

specifičnezadatke

‐.134

.238

**

‐.113

‐0.99

‐.113.502

**.598

*

* .731

**‐

4.Samoprocena

ukupniskor

‐.102

‐.199

* .098

‐.078

‐072

.807

**.821

*

* .892

**.834

*

* ‐

*p<.05

**p<.01


121

6.7Diskusijarezultatakorelacijaizmeđuupitnika

Predočeni rezultati zahtevaju izvesnu interpretaciju, kao i poređenje sa sličnim

nalazimaizistraživanjastranihautora.Najpre,kakosemožeočekivati,najznačajnija

korelacijautvrđena je između faktoraBIS‐11upitnikazaprocenu impulsivnosti i

ADBQ upitnika za procenu agresivnosti u vožnji. Ovi upitnici koji mere slične

fenomeneuponašanju,otudapokazujupovezanost,kakozaukupneskorove,takoi

za pojedine faktore upitnika. Najizraženije korelacije utvrđene su za ukupne

skorove obaupitnika.Takođe, faktorOdnospremaplaniranju izBIS‐11upitnika

pokazaojeneštovišenivoepovezanostisasvimfaktorimaagresivnogponašanja,te

se može zaključiti da agresivne manifestacije u vožnji odražavaju stabilne

karakteristike ličnosti izražene kroz negativan odnos prema planiranju akcija u

ponašanjuvozača. Samokontrola kao faktor impulsivnosti takođepokazujenešto

višistepenpovezanostiuodnosunaostalerelacijesafaktorimaPrekoračenjebrzine

iPrenaglašenomekspresijom,štojelakoobjasnitisobziromnatodajepostojanje

izvesnesamokontrolenužnoprilikomodabirabrzinekretanja,aliiizlaženjanakraj

sa preteranom afektivnošću uobličenom kroz rekacije karakteristične za

uzbuđenost. Posredno, sa onim rezultatima koji upućuju na povezanost između

emocionalnestabilnostiiagresivnevožnje.

Naosnovuovihrezultatamožesezaključitidapostojipovezanostizmeđukorelata

ponašanjageneralne impulsivnosti iagresivnihekspresijauvožnji, tj.daovadva

instrumentatretirajusličnekonstrukteponašanja, temoguposlužitiupraksikao

pogodan alat za procenu ponašanja u saobraćaju koja spadaju u kategoriju

agresivnih, pri čemu se mogu upotrebljavati samostalno, ali i udruženo u cilju

dobijanja što validnijih prediktora ponašanja. Ovakvi rezultati u potpunosti su u

skladu sa rezultatima dobijenim u ranijim studijama koje su se bavile odnosom

između emocionalne stabilnosti i agresivne vožnje (Stanford i Barratt, 1992;

Deffenbacher i sar., 2000, 2003a, 2000b; Dahlen i sar., 2005; Renner i Anderle,

2010).


122

ElementiponašanjamereniDAQupitnikomzaprocenustavovauvožnji iBIS‐11

instrumentom pokazali su veoma mali broj slabih veza. Među najznačajnijim

svakako vredi pomenuti povezanost između faktora Pažnja, Odnos prema

planiranjuifaktorarizikaSleđenje.Naime,izgledadaosobekojepokazujuvisoke

skorovenafaktoruOdnospremaplaniranjutajsvojnehajniodnosgeneralizujuina

saobraćajne situacijekao što je održavanjeodstojanja, odnosno interval sleđenja

vozila.Obafaktorakarakterišehazarderskiodnospremasopstvenimakcijamakoje

produkujunebezbednestilovevožnje.

KadaseposmatrajuodnosiBIS‐11instrumentasaUpitnikomzaprocenusopstvenih

vozačkih veština uočavaju se svega dve izolovane korelacije negativnog smera

izmeđuBezbednosneorijentacijekaofaktorarizikasaPažnjomiMotorikom.Činise

dau formiranjubezbednih stavova vozača značajnuuloguostvarujupsihofizičke

manifestacijeponašanja.Razdražljivostprivožnjipodrazumevanegativanafekat,

kaoisnažnutenzijukojapratiovuaktivnost.Tojemanifestovanokroznestrpljenje,

različite agresivne postupke netrpeljivost prema različitim grupama učesnika u

saobraćaju,uglavnomonimzakojevaževozačkistereotipi.Ovakavnalazupućuje

na zaključak da vigilnost pažnje, koja je po pravilu uvek u vezi sa motoričkim

manifestacijamaimpulsivneuznemirenostimožedanamukaženaproblemekojeće

vozačimatiuformiranjuispravnihstavovaobezbednostiuvožnji.Dobijeninalazi

delimičnoodgovarajupostojećimistraživanjimakojasusebavilasličnimtemama

(Jonah,1997;Iversenisar.,20002Beggisar.,2004;Paaverisar.,2006;Barkleyi

sar.,2007).

Analiza strukture povezanosti između DAQ upitnika i Upitnika za samoprocenu

vozačkih karakteristika je pokazala manji broj slabijih korelacija između

posmatranih faktora ponašanja. Interesantno je spomenuti grupu pitanja

objedinjenihufaktoruPrekoračenjebrzine,kojisupokazalikorelacijenegativnog

predznakasafaktorimaOpštavozačkasposobnost,TelesnadimenzijaiSpecifične

vozačkeveštine.Poredtriodčetirifaktoraupitnikasamoprocene,faktorPreticanje

pokazaojepovezanostisaukupnimskorovimanaDAQupitniku.Naosnovuiznetih

podataka moguće je izvesti određene zaključke. Najpre, ovaj nalaz mogao bi se


123

dovestiuvezusarezultatimakojipokazujudavisokeiliprecenjenevozačkeveštine

mogubitirizičneukolikonisubalansiraneveštinamausmerenimnaobezbeđenje

sigurnosti(Sümer,isar.2006).Ovajobrazacsugerišedasamouverenostkadasuu

pitanjuvozačkeveštineutičenasklonostkakršenjupropisa,aposledičnoinavisoko

rizičnuvožnju.

PosmatrajućifaktoreDAQupitnikautvrđenojenizslabijihkorelacijasapojednim

faktorimaizUpitnikazasamoprocenu.Neštovišekorelacijepronađenesuuodnosu

naStavpremadrugimvozačimaiUkupniskoragresivnostiuvožnji.Ovakvavezaje

prethodnovećdelimičnoobjašnjenačinjenicomdaagresivnijiiimpulsivnijivozači

češćetežedaformirajunegativneproceneodrugimučesnicimausaobraćaju,štose

na manifestnom nivou odslikava u vidu omalovažavanja drugih vozača, pa do

slabijegunutrašnjeglokusakontrolekojiutičenanedostataksamokritičnosti,već

eksternalizuju odgovornost za izazvane situacije ka spoljašnjem lokusu kontrole.

Nalaz prema kome faktor rizičnog ponašanja Alkohol nije pokazao relacije sa

faktorima stavova prema riziku je zanimljivo prokomentarisati sa stanovišta

profesijevećine ispitanikauuzorku.Naime,kako jeuzorakvećinski formiranod

profesionalnih vozača, radni zahtevi i rigorozni nadzori ne dozvoljavaju ovoj

kategorijivozačavožnjupoddejstvomalkohola,tenesamoštonijeuočenanijedna

relacija sa faktorima rizičnog ponašanja, većDAQupitnik, generalno, nije visoko

zasićenovimfaktoromponašanja.

Posmatrajućipovezanostizmeđuskorovanaupitnicimainteresantnojepomenuti

povezanostslabijegintenzitetazabeleženizmeđuPreticanjaiStavapremadrugim

vozačima. Izgleda da se slična tendencija neafirmativnog odnosa prema drugim

učesnicima u saobraćaju provlači kroz sve upitnike i forme ponašanja, te su ovi

rezultativrednipažnjeprilikomopštediskusijeipredlogamera,jerseverujedaje

rečooblicimaponašanjanakojejemogućeizvršitiuticajuciljupromenestečenih

stavova.Verovatnodavozačisaizraženijimskorovimanaovimfaktorimanemare

zapravila,većsurukovođeniisključivoličnimpotrebamaiciljevima.Karakterišeih

neodložno zadovoljavanje sopstvenih potreba praćeno zanemarivanjem potreba

drugih ljudi i bezbednosti vožnje. Reč je afektivnom reagovanju, sa ciljem


124

udovoljavanjatrenutnimželjamaiosećanjima.Sadrugestrane,bezbedneakcijeu

saobraćajuodlikujeodgovornoponašanjevozača,kojeuključujepoštovanjepravila,

briguoostalimučesnicimausaobraćaju,poverenjeusopstvenuvozačkuveštinui

pozitivanafektivniodnospremavožnji.

IzmeđufaktoraADBQupitnikaiUpitnikavozačkesamoproceneuočenesuizvesne

povezanosti a smer korelacije je negativan. Najupadljivije se izdvaja faktor

Bezbednosnaorijentacijakaomerasamoproceneličnihsposobnostikojapokazuje

korelacijesaLjutnjom/Agresivnošću,PrekoračenjembrzineiUkupnimskoromza

agresivnost.Sklonostkaagresivnosti,bilokrozstabilneurođenecrteličnosti,bilo

krozmanjestabilnaponašanjanastečenojosnovibojistavovevozačakarizičnim

ponašanjimainarušavaopštubezbednostsvihučesnika.

Sa druge strane, nedostatak kritičnosti prema sopstvenim ograničenjima u

motoričkom smislu dovodi do tendencije ka činjenju prekršaja koji se najčeščće

odnose na neodzvoljene brzine kretanja. Ovakva tendencijamogla bi da objasni

korelacijuustanovljenuzaTelesnudimenzijusaSpecifičnomvozačkomveštinomi

Prekoračenjembrzine.Poslednjakorelacijapodržanajerezultatimabrojnihstudija

u kojima je prekoračenje brzine detektovano kao najčešća forma agresivnog,

neadaptivnogponašanjavozača(Parkerisar.,1995;Dimmerisar.,1999;Lajuneni

sar.,2003;Daveyisar.,2005).

7.Primenahijerarhijskeregresioneanalizeuformiranjumodelapercepcijerizikaiponašanjavozača

125

7. PRIMENAHIJERARHIJSKEREGRESIONEANALIZEUFORMIRANJUMODELA

PERCEPCIJERIZIKAIPONAŠANJAVOZAČA

7.1 Opisstatističkemetode

Ukolikoseproblemkoji jepredmetopservacijemožetretiratikaoproblemjedne

zavisne i više nezavisnih promenljivih, radi se o pogodnoj situaciji za analizu

podatakametodomvišestrukeregresije.Akojevezaizmeđunjihlinearneprirode,

slučajsesvodinavišestrukilinearnimodel(Ljubojaisar,2016).Regresionimodel,

osimanalizejačineismera,podrazumevaianalizuoblikapovezanosti.Regresioni

model je pogodan za istraživanje psiholoških pojava jer omogućava predikciju

vrednosti zavisne varijable na osnovu poznavanja vrednosti nezavisnih varijabli.

Kada je utvrđenodapostoji značajna korelacija izmeđudve varijable,moguće je

vrednostjednevarijableiskoristitizapredikcijuvrednostidrugevarijable.

Značajvišestrukeregresijeogledaseudavanjuodgovoranasledećapitanja:

Koliko dobro sve nezavisne varijable kombinovano objašnjavaju ili im se

možepripisatirazlogzavarijacijezavisnevarijable(R2);

Kolika je relativna važnost svake nezavisne varijable u objašnjavanju

varijacija zavisne varijable (beta koeficijenti), pod uslovom da ne postoji

značajnamultikolinearnost;

Koja je najbolja predviđena vrednost zavisne varijable za bilo koju

kombinacijunezavisnihvarijabli;

Koji se obim promene zavisne varijablemože očekivati za svaku jedinicu

promenesvakenezavisnevarijable(koeficijentiprostekorelacije).

Pretpostavkenakojimasezasnivamodelvišestrukeregresijesusličneonimakoje

važezajednostrukulinearnuregresijuioneglase:

Oblikzavisnostiizmeđusvihvarijablijelinearanodnosnopravalinija.Ovoje

pogotovovažnozaodnosnezavisnihvarijablisazavisnomvarijablom;

Svevarijablesukontinualne;


126

Sve varijable imaju interval varijacije, disperziju, odnosno varijansu,

odnosnovećinaopservacijanijejednajedinstvenavrednost;

Uglavnomjeslučajdaseubazipodatakanalazibaremtridopetputaviše

jedinicaposmatranjanegoštojevarijabli,kakobiseregresionikoeficijenti

smatralipouzdanim;

Multikolinearnost između varijabli je ovde često mala ili je nije moguće

detektovati.

Prilikom inerpretacije rezultata dobijenih ovom metodom potrebno je testirati

njihovu statističku značajnost. Ako R (korigovani koeficijent multiple

determinacije),inestandardizovaniregresionikoeficijenti‐b(parcijalniregresioni

koeficijent)i β (standardizovani regresioni koeficijent) nisu statistički značajni,

zaključujesedanijednanezavisnavarijablanemastvarnupovezanostsazavisnom

varijablom. To znači da dobijenimodel nema praktičnu vrednost. Ukoliko su svi

regresionikoeficijentistatističkiznačajni,ondaćeiRbitisasvimizvesnoznačajan.

Uobrnutomslučaju,tonemoradasedesijerjemogućedasezbogvelikogbroja

varijabli i postojanja multikolinearnosti dobije statistički značajno R, a da b

koeficijentinisuznačajni.

Nestandardizovani regresioni koeficijenti, mogu biti upotrebljeni u jednačini za

izračunavanje predikcije zavisne varijable. Negativna vrednost ukazuje na

negativnu povezanost – povećanje vrednosti nezavisne varijable rezultuje

smanjenjemvrednostizavisnevarijable.Uregresionimmodelimakoeficijentidaju

iznospromenezavisnevarijableza jediničnupromenunezavisne(eksplanatorne,

kriterijumske) varijable, uslovno kad su sve ostale nezavisne varijable

nepromenjene.Standardizovanikoeficijentibetamogubitiodkoristizatumačenje

relativnogznačajanezavisnihvarijabli.

Multiplilinearniregresionimodelzapopulacijuglasi:

y∗ β β x β x ⋯ β x


127

yi*jepredviđenavrednostkriterijumskevarijablenaosnovumodela,aβ0,β1,β2,…,

βm su parametri modela (konstanta i regresioni koeficijenti za m prediktorskih

varijabli)(Tenjović,2002).

Za evaluaciju dobijenog regresionog modela koristi se mera R2 korigovani

koeficijentmultipledeterminacije,kojigovoriotomekolikiprocenatvarijabiliteta

kriterijumske varijable u populaciji možemo objasniti (predvideti) na osnovu

poznavanja varijabiliteta na prediktorskim varijablama. Ova vrednost je najbolja

deskriptivna mera uspešnosti modela regresije u objašnjavanju ishoda zavisne

varijable. Za procenu preciznosti modela neophodno je razmatrati i standardnu

grešku ocene koja govori o prosečnoj grešci koju pravimo u predviđanju

kriterijumske varijable na osnovu linearne kombinacije prediktorskih varijabli.

Takođe,pomocuANOVA(Analizavarijanse)testiramonultuhipotezuokoeficijentu

multiple determinacije. Značajan t‐statistik govori u prilog statistički značajnom

specifičnom (jedinstvenom) doprinosu date prediktorske varijable predviđanju

(objašnjenju varijabilnosti) kriterijumske varijable (u kontekstu ostalih

prediktorskih varijabli u modelu). Posmatra se vrednost p, gde važi da ako je

vrednostpmanjaod0,05,tadajebetakoeficijentstatističkiznačajan.Dalje,štoje

vrednostpmanja,avećavrednostt,tojevećidoprinosanaliziranogprediktorau

procenizavisnevarijable.

7.2 Primena hijerarhijske regresione analize u predikciji saobraćajnih

nezgodanaosnovurezultatanapsihološkimmerniminstrumentima

Kakobisekonstruisaomodelkojimbiseobjasnilapercepcijaopasnihmestainjen

uticaj na incidenciju saobraćajnih nezgoda vozača, sprovedeno je nekoliko

hijerarhijskih regresionih analiza. Za potrebe formiranja regresionih modela

ponašanjavozačaanaliziranisuukupniskorovinasledećimmerniminstrumentima:

BIS‐11upitnikuzaprocenuimpulsivnosti,AQBDupitnikuzaprocenuagresivnostiu

vožnji, DAQ upitniku za procenu stavova vozača prema različitim situacijama u

vožnji(međukojimadominirajurizične),kaoiUpitnikuzasamoprocenuvozačkih

sposobnosti.Ciljanalizejebiodaseispitadalisenekiodpokazateljabezbednostiu


128

saobraćaju(presvegasemislinasklonostkadoživljavanjusaobraćajnihnezgoda)

mogupredvideti naosnovu stabilnih ilimanje stabilnihpsihološkihkonstrukata.

Svakioddobijenihmodelanumerisanjeredosledomkojimsuopisani.

7.2.1 Primena hijerarhijske regresione analize u predikciji saobraćajnih

nezgodanaosnovuimpulsivnostivozača(RegresionimodelI)

Zaanaliziranjeodnosaizmeđudoživljavanjasaobraćajnihnezgodaiimpulsivnosti,

sprovedena je hijerarhijska regresiona analiza, realizovana iz više koraka, uz

kontroluvarijablikaoštosustarostivozačkoiskustvo,akojemogudaseodrazena

ukupne dobijene rezultate. Kako bi se pretpostavljeni uticaj ovih varijabli na

doživljavanje saobraćajnih nezgoda utvrdio, najpre su analizirani Pirsonovi

koeficijenti korelacije. U tabeli 7.1 predočena je veza varijabli starost i vozačko

iskustvosabrojemnezgodakojesuispitaniciimaliusvojojvozačkojistoriji.Takođe,

utabelijedatiprikazpovezanostiukupnihskorovanainstrumentimaprocenesa

ovim dvema demografskim varijablama, kao i sa doživljenim saobraćajnim

nezgodama. Iz navedenog prikaza moguće je uočiti postojanje relacija između

varijablistarost ivozačkoiskustvosaukupnimbrojemnezgodakojesu ispitanici

prijaviliusvojimsamoizveštajima.Naosnovustatističkiznačajnihkorelacijakojesu

ovom analizom utvrđene, varijable starost i vozačko iskustvo su definisane kao

kontrolne varijable u konstruisanju regresionog modela ponašanja (Čubranić

Dobrodolacisar,2015).

Uprvomblokuregresioneanalize,zaformiranjemodelaponašanjaI,kaozavisna

varijabla korišćen je ukupanbroj nezgoda koje su vozači imali u svojoj vozačkoj

istoriji.Varijablestarostivozačkoiskustvouvedenesuuprvomblokuregresione

analizekaonezavisne,dokjeudrugomblokuanalizeUkupniprosečniskornaBIS‐

11upitnikuuključenkaonarednanezavisnavarijabla.


129

Tabela 7.1.Korelacije između starosti, vozačkog iskustva, skorova na upitnicima i

uključenostiusaobraćajnenezgode

Varijable 1 2 3 4 5 6 71. StarostSig.(2‐tailed)

‐

2. VozačkoiskustvoSig.(2‐tailed)

,354**,000 ‐

3. Uključenostusaobraćajnenezgode

Sig.(2‐tailed)

,365**,000

,375**,000 ‐

4. ADBQSig.(2‐tailed)

,118*,039

,173**,002

,521**,000 ‐

5. BIS‐11Sig.(2‐tailed)

,219**,000

,241**,000

,546**,000

,270**,000 ‐

6. DAQSig.(2‐tailed)

,032,581

,180**,002

,339**,000

,253**,000

,189**,001 ‐

7. SamoprocenaSig.(2‐tailed)

‐,051,379

,065,258

‐,249**,000

‐,115*,045

‐,130*,023

,008,894

‐

*p<,05.**p<,01.

EvaluacijaregresionogmodelaI

Uokviruprveregresioneanalize,varijablestarostivozačkoiskustvo,uključeneu

prvomkoraku,objašnjavaju17,4%varijanseunastankusaobraćajnihnezgoda(F

(2, 302) =31,729, p<,001).Nakondodavanja impulsivnosti u narednomkoraku

(Tabela7.2),regresionimodelopisuje38,3%ukupneposmatranevarijanse(F(3,

301)=62,192,p<,001).Impulsivnostobjašnjava20,9dodatnihprocenatavarijanse

ukupno doživljenih saobraćajnih nezgoda. Male vrednosti standardne greške

procenepotvrđujupreciznostmodela.VrednostiFukazujudaovajmodelznačajno

poboljšavasposobnostdapredvidizavisnuvarijablu.


130

Tabela7.2.PrikazregresionogmodelaI

a. Prediktori:(konstanta),Starost, Vozačkoiskustvo,b. Prediktori:(konstanta),Starost, Vozačkoiskustvo,BIS‐11

Kakobiseunapredilaevaluacijadobijenogmodela,sprovedenajeanalizastatističke

značajnostipokazateljamodela,ANOVA.Dobijeni rezultatiuTabeli7.3.pokazuju

testiranjenultehipotezedajeR2upopulacijijednako0.Kakojemogućeuočiti,pored

starostiivarijablaImpulsivnostdajestatističkiznačajanjedinstvendoprinosovoj

jednačini, a konkretnija veza opisana je sledećim koeficijentima: = 0.477, t =

10,095, p <.001 (tabela 7.4). Sprovođenjem t‐testa može se doći do zaključka o

značajnostibetakoeficijenta.Sobziromdajevrednostpmanjaod0,05,toznačida

jebetakoeficijentstatističkiznačajan.Dalje,štojevrednostpmanja,avećavrednost

t,tojevećidoprinosanaliziranogprediktora.

Tabela7.3.ProveraznačajnostimodelaIkaoceline primenomANOVAtesta

ModelSuma

kvadratadf

Prosečni

kvadratF Znač.

1Regresija

Rezidual

Ukupno

27,051

128,733

155,784

2

302

304

13,525

,426

31,729 ,000b

2Regresija

Rezidual

Ukupno

59,612

96,171

155,784

3

301

304

19,871

,320

62,192 ,000c

a. Zavisnavarijabla:Ukupanbrojsaobraćajnihnezgodab. Prediktori:(konstanta),Starost,Vozačkoiskustvoc. Prediktori:(konstanta),Starost,Vozačkoiskustvo,Impulsivnost

PregledmodelaMod. R R2

(koef.deter.)

Kori‐govanoR2

Stand.greška.procene

StatistikapromenaPromena

R2Prom. df1 df2 Znač.

prom.F1 ,417a ,174 ,168 ,65289 ,174 31,729 2 302 ,0002 ,619b ,383 ,377 ,56525 ,209 101,912 1 301 ,000


131

Tabela7.4KoeficijentimodelaI

ModelNestandardizovani

koeficijenti

Standardizovani

koeficijenti t Znač.

B Std.gr.

1(Konstanta)

Starost

Voz.iskust.

,614

,129

,223

,141

,037

,038

,190

,319

4,343

3,460

5,811

,000

,001

,000

2(Konstanta)

Starost

Voz.iskust.

Impuls.

‐2,611

,077

,159

,052

,342

,033

,034

,005

,113

,227

,477

‐7,634

2,347

4,694

10,095

,000

,020

,000

,000

a. Zavisnavarijabla:Ukupanbrojsaobraćajnihnezgoda

Varijablestarostvozača,kaoivozačkoiskustvo,objašnjavajuznačajandeovarijanse

unastankunezgodausaobraćaju.Ipak,najvećidoprinosobjašnjenjudoživljavanja

saobraćajnihnezgodaupopulacijidajevarijablaImpulsivnostištovidimonaosnovu

vrednosti standardizovanog regresionog koeficijenta. Rezultati odnosa između

idealneiaktuelneraspodelepovezanostiposmatranihvarijabliprikazanisunaslici

7.1.


saobraćajnihnezgodaiimpulsivnosti


132


nezgodanaosnovuagresivnostivozača(RegresionimodelII)

U drugoj izvršenoj regresionoj analizi zavisna varijabla je bila identična kao u

prethodnomslučaju(ukupanbrojnezgoda).Uzrastivozačkoiskustvokaokontrolne

varijablezakoje jeuprethodnomrazmatranjupredočenarelacijasanezgodama,

uključenesuuprvomregresionombloku.Uokvirudrugogbloka,uključenjeukupni

prosečniskoragresivnostivozača.Kontrolišućivarijablestarostivozačkoiskustvo,

težiseobjasnitiodkakvogsuznačajaagresivnemanifestacijekojevozačiispoljavaju

usaobraćajuuinterpretacijisaobraćajnihnezgodakojesudoživeli.

EvaluacijaregresionogmodelaII

Uokvirudrugehijerarhijskeregresioneanalize,varijablestarostivozačkoiskustvo,

uvedeneuprvombloku,kaoiuokviruprvogmodelaobjašnjavaju17,4%varijanse

unastankusaobraćajnihnezgoda(F(2,302)=31,729,p<,001).Nakonuvođenja

skora agresivnosti u jednačinu sve varijable udruženo opisuju 36% ukupne

varijanse (F (3, 301) = 56,320, p <,001). Agresivnost vozača, posmatrana kroz

ukupni skor na upitniku opisuje dodatnih 18,6 % varijanse uključenosti u

saobraćajne nezgode (F (1, 301) = 87,355, p <.001). Rezultati su prikazani u

tabelama 7.5 i 7.6. Vrednost za F pokazuju da ovaj model takođe značajno

poboljšavasposobnostdasepredvidivrednostzavisnevarijable.

Tabela7.5.PrikazregresionogmodelaII

a. Prediktori:(konstanta),Starost, Vozačkoiskustvo,b. Prediktori:(konstanta),Starost, Vozačkoiskustvo, ADBQ

PregledmodelaModel R R2

(koef.deter.)

Kori‐govanoR2

Stand.greška.procene



prom.F

1 ,417a ,174 ,168 ,65289 ,174 31,729 2 302 ,0002 ,600b ,360 ,353 ,57575 ,186 87,355 1 301 ,000


133

Tabela7.6.ProveraznačajnostimodelaIIkaoceline primenomANOVAtesta

ModelSuma

kvadratadf

Prosečni

kvadratF Znač.

1Regresija

Rezidual

Ukupno

27,051

128,733

155,784

2

302

304

13,525

,426

31,729 ,000b

2Regresija

Rezidual

Ukupno

56,007

99,776

155,784

3

301

304

18,669

,331

56,320 ,000c

a. Zavisnavarijabla:Ukupanbrojsaobraćajnihnezgodab. Prediktori:(konstanta),Starost,Vozačkoiskustvoc. Prediktori:(konstanta),Starost,Vozačkoiskustvo,Agresivnost

StatističkaznačajnostjeutvrđenazapromenljivuAgresivnost,akonkretnijavezase

možesagledatikrozvrednoststandardizovanogregresionogkoeficijenta:=,439,t

=9,346,p<.001(Tabela7.7).

Slika7.2.prikazujejakupozitivnupovezanostizmeđuagresivnostiinezgodakojesu

ispitanicidoživeli.

Tabela7.7.KoeficijentimodelaII


koeficijenti

Standardizovani


B Std.gr.

1(Konstanta)

Starost

Voz.iskust.

,614

,129

,223

,141

,037

,038

,190

,319

4,343

3,460

5,811

,000

,001

,000

2(Konstanta)

Starost

Voz.iskust.

Agresiv.

‐,826

,107

,176

,033

,198

,033

,034

,004

,158

,252

,439

‐4,168

3,252

5,165

9,346

,000

,001

,000

,000



134


saobraćajnihnezgodaiagresivnosti


nezgodanaosnovusklonostikarizikuuvožnji(RegresionimodelIII)

Postupak sprovođenjahijerarhijske regresione analize i u slučajumodela III ima

identičnekorake,kaoinezavisneikontrolnevarijablekojesenapočetkuunoseu

model.Udrugomblokuformiranjamodela,kaonezavisnavarijablaanaliziranisu

stavovivozačapremarizičnimponašanjimauvožnjiizraženikrozukupniskorna

DAQupitniku.

EvaluacijaregresionogmodelaIII

I u slučaju opisivanja III modela ponašanja vozača, ponovljene su vrednosti za

kontrolne varijable koje objašnjavaju 17,4% posmatrane varijanse (F(2, 302) =

31,729,p<,001).Udrugombloku,uključivanjemUkupnogskoranaDAQupitniku,

svevarijabledefinišuoko25,2%ukupnevarijanse(F(3,301)=33,829,p<,001)

doživljenihsaobraćajnihnezgoda.Stavovi ispitanika izraženiukupnimskoromna

upitnikuopisujudodatnih7,9%varijanseuključenostiusaobraćajnenezgode(F(1,

301)=31,597,p<,001).Rezultatisuprikazaniutabelama7.8i7.9.VrednostzaF


135

pokazuju da ovaj model takođe značajno poboljšava sposobnost da se predvidi

vrednostzavisnevarijable.

Tabela7.8.PrikazregresionogmodelaIII

a. Prediktori:(konstanta),Starost, Vozačkoiskustvo,b. Prediktori:(konstanta),Starost, Vozačkoiskustvo,DAQtotal

Statistička značajnost je utvrđena za promenljivu koja se odnosi na ukupno

postignućenaDAQupitniku, akonkretnijaveza semože sagledatikrozvrednost

standardizovanogregresionogkoeficijentastavepremariziku:=,285,t=5,621,p

<,001(Tabela7.10). Iakojeudeoukupnogskorauobjašnjenjuvarijansenezgoda

znatnonižinegoštojeregistrovanozavarijableImpulsivnostiiagresivnosti,ipak,

modelpokazujezadovoljavajućekarakteristike,značajnostipreciznost,aneštoniži

standardizovani regresioni koeficijent može biti posledica korelacije sa drugim

prediktorskimvarijablama.

Tabela7.9.ProveraznačajnostimodelaIIIkaoceline primenomANOVAtesta

ModelSuma

kvadratadf

Prosečni

kvadratF Znač.

1Regresija

Rezidual

Ukupno

27,051

128,733

155,784

2

302

304

13,525

,426

31,729 ,000b

2Regresija

Rezidual

Ukupno

39,280

116,503

155,784

3

301

304

13,093

,387

33,829 ,000c

a. Zavisnavarijabla:Ukupanbrojsaobraćajnihnezgodab. Prediktori:(konstanta),Starost,Vozačkoiskustvoc. Prediktori:(konstanta),Starost,Vozačkoiskustvo,DAQtotal


(koef.deter.)

Kori‐govanoR2

Stand.g.procene



prom.F

1 ,417a ,174 ,168 ,65289 ,174 31,729 2 302 ,0002 ,502b ,252 ,245 ,62214 ,079 31,597 1 301 ,000


136

Tabela7.10.KoeficijentimodelaIII


koeficijenti

Standardizovani


B Std.gr.

1(Konstanta)

Starost

Voz.iskust.

,614

,129

,223

,141

,037

,038

,190

,319

4,343

3,460

5,811

,000

,001

,000

2(Konstanta)

Starost

Voz.iskust.

DAQ

‐,679

,133

,185

,022

,266

,035

,037

,004

,197

,265

,285

‐2,548

3,762

4,997

5,621

,011

,000

,000

,000


NaSlici7.3.predočenjedijagrampovezanostistavovapremapreduzimanjurizikau

vožnjiibrojadoživljenihsaobraćajnihnezgodavozača.


saobraćajnihnezgodaistavovapremariziku


137


nezgoda na osnovu samoprocene vozačkih sposobnosti (Regresioni

modelIV)

U četvrtoj izvršenoj regresionoj analizi zavisna varijabla je bila identična kao u

prethodnomslučaju(ukupanbrojnezgoda).Uzrastivozačkoiskustvokaokontrolne

varijable za koje je prethodno predočena relacija sa nezgodama, uključene su u

prvom regresionom bloku. U okviru drugog bloka, uključen je ukupan skor na

Upitnikusamoprocenevozačkihsposobnostiispitanika.

EvaluacijaregresionogmodelaIV

U okviru naredne hijerarhijske regeresione analize, varijable starost i vozačko

iskustvo,uvedeneuprvombloku,kaoiuokviruprvogmodelaobjašnjavaju17,4%

varijanseunastankusaobraćajnihnezgoda(F(2,302)=31,729,p< ,001).Nakon

uvođenja varijable Samoprocene vozačkih sposobnosti modelom kao celinom

objašnjeno je oko 24,2% ukupne varijanse (F (3, 301) = 32,037, p < ,001).

Samoprocenavozača,posmatranakrozukupniskornaUpitnikuopisujedodatnih

neštomanjeod6,8%varijanseuključenostiu saobraćajnenezgode (F (1, 301)=

27,155,p<,001).Rezultatisuprikazaniutabelama7.11i7.12.

Tabela7.11.PrikazregresionogmodelaIV

a. Prediktori:(konstanta),Starost, Vozačkoiskustvo,b. Prediktori:(konstanta),Starost, Vozačkoiskustvo,Samoprocena


(koef.deter.)

Kori‐govanoR2

Stand.g.procene



prom.F

1 ,417a ,174 ,168 ,65289 ,174 31,729 2 302 ,0002 ,492b ,242 ,234 ,62633 ,068 27,155 1 301 ,000


138

Tabela7.12.ProveraznačajnostimodelaIVkaoceline primenomANOVAtesta

ModelSuma

kvadratadf

Prosečni

kvadratF Znač.

1Regresija

Rezidual

Ukupno

27,051

128,733

155,784

2

302

304

13,525

,426

31,729 ,000b

2Regresija

Rezidual

Ukupno

37,703

118,080

155,784

3

301

304

12,568

,392

32,037 ,000c

a. Zavisnavarijabla:Ukupanbrojsaobraćajnihnezgodab. Prediktori:(konstanta),Starost,Vozačkoiskustvoc. Prediktori:(konstanta),Starost,Vozačkoiskustvo,Samoprocena

Ukupni skor samoprocene pokazuje statističku značajnost u interpretaciji celog

modela,izraženokrozvrednostistandardizovanogregresionogkoeficijenata:=‐

,263, t = ‐5,211, p <,001 (Tabela 7.13). Premda ovaj koeficijent ima nešto nižu

vrednost, ipak model pokazuje zadovoljavajuće karakteristike, značajnost i

preciznost,aneštonižistandardizovaniregresionikoeficijentmožebitiposledica

korelacije sa drugim prediktorskim varijablama, kao i u slučaju prethodne

prediktorskevarijable.

Tabela7.13.KoeficijentimodelaIV


koeficijenti

Standardizovani


B Std.gr.

1(Konstanta)

Starost

Voz.iskust.

,614

,129

,223

,141

,037

,038

,190

,319

4,343

3,460

5,811

,000

,001

,000

2(Konstanta)

Starost

Voz.iskust.

Samoproc.

1,677

,115

,239

‐,016

,245

,036

,037

,003

,169

,342

‐,263

6,846

3,214

6,474

‐5,211

,000

,001

,000

,000



139

Prikazanirezidualiuodnosunaidealanmodelodnosadvejuvarijablipredočenisu

nagrafičkomprikazu7.4.Kaoštoseuočava,postojeizvesnaodstupanjaispitanika

uodnosunaželjeninivoodnosa i tonešto izraženijenegouprethodnoopisanim

primerima ostalih modela. Ako se zanemare izvesne nepravilnosti u opisivanju

odnosa razmatranih varijabli,moguće je ipak izvesti zaključak da je zadovoljena

relativnanormalnostudistribucijiposmatranogodnosa.Onoštojekarakteristično

zaovajmodel,zarazlikuodprethodnih,jedajeSamoprocenasopstvenihvozačkih

sposobnostijedinaprediktorskavarijablačijiregresionikoeficijentiimajunegativni

predznak.PromenauskoruSamoproceneza jednu jedinicu,odnosnostandardnu

devijacijumenjaočekivanibrojsaobraćajnihnezgodaza1.6standardnedevijacije,

sapovećanjemskoraSamoprocenesmanjujesebrojsaobraćajnihnezgodakojebi

ispitanikmogaodoživeti, iobratno,nižiskorovinaskalisamoprocenesopstvenih

vozačkihsposobnostipovezanisusavećimbrojemsaobraćajnihnezgoda.


saobraćajnihnezgodaisamoprocenevozačkihsposobnosti

7.2.5 Regresionimodelzasveinstrumenteprocene

Kako bi se utvrdilo koliko je model kao celina sa svim nezavisnim varijablama

unetim zajednou drugombloku regresione analize uspešanu predviđanju broja

doživljenih saobraćajnih nezgoda u populaciji, realizovana je višestruka


140

hijerarhijska regresiona analiza. Ova analiza je od naročite važnosti za naredna

poglavlja u kojima će biti analizirani principi fazi logike i tom prilikom će biti

upoređivanaefikasnostprimenehijerarhijskeregresioneanalizeuodnosunafazi

logičke sisteme u predikciji saobraćajnih nezgoda. U prvom bloku unete su već

pomenute varijable Starost vozača i Vozačko iskustvo. U drugom bloku uneti su

ukupniskorovizasvačetiriinstrumentaprocene(BIS‐11,ADBQ,DAQiInstrument

zasamoprocenuvozačkihsposobnosti).

Evaluacijavišestrukogregresionogmodela

Primenom višestruke hijerarhijske regeresione analize utvrđeno je da varijable

starost i vozačko iskustvo, uvedene u prvom bloku, kao i u okviru prethodnih

modelaobjašnjavaju17,4%varijanseunastankusaobraćajnihnezgoda(F(2,302)=

31,729,p< ,001).Nakonuvođenjasvečetiriprediktorskevarijablemodelomkao

celinomobjašnjenojeoko54,6%ukupnevarijanse(F(6,298)=59,683,p<,001)

doživljavanja saobraćajnih nezgoda. Uvođenjem ovih varijabli model opisuje

dodatnih37,2%varijanseuključenostiusaobraćajnenezgode(F(4,298)=61,043,

p<,001)(Tabele7.14I7.15).

Tabela7.14.Prikazvišestrukogregresionogmodela

a. Prediktori:(konstanta),Starost,Vozačkoiskustvob. Prediktori: (konstanta), Starost, Vozačko iskustvo, BIS‐11, ADBQ, DAQ,

Samoprocena


(koef.deter.)

Kori‐govanoR2

Stand.devijac.Procene



prom.F1 ,417a ,174 ,168 ,65289 ,174 31,729 2 302 ,000

2 ,739b ,546 ,537 ,48728 ,372 61,043 4 298 ,000


141

Tabela 7.15. Provera značajnosti višestrukog regresionog modela kao celine primenomANOVAtesta

ModelSuma

kvadratadf

Prosečni

kvadratF Znač.

1Regresija

Rezidual

Ukupno

27,051

128,733

155,784

2

302

304

13,525

,426

31,729 ,000b

2Regresija

Rezidual

Ukupno

85,027

70,757

155,784

6

298

304

14,171

,237

59,683 ,000c

a. Zavisnavarijabla:Ukupanbrojsaobraćajnihnezgodab. Prediktori:(konstanta),Starost,Vozačkoiskustvoc. Prediktori: (konstanta),Starost,Vozačko iskustvo,Starost,Vozačko iskustvo,BIS‐11,ADBQ,

DAQ,Samoprocena

Ukupni skorovi uneti za sve instrumente pokazuju statističku značajnost uinterpretacijicelogmodelazasvakiodinstrumenata(videtitabelu7.16).Regresionimodel sa četiri prediktorske varijable pokazao se kao najuspešniji za predikcijudoživljavanja saobraćajnih nezgoda vozača. Pri tome, agresivnost i impulsivnostdaju najveći doprinos ukupnom varijabilitetu u kriterijumskoj varijabli, odnosnoobjašnjavajuindividualnerazlikeupopulacijivozača.

Tabela7.16.Koeficijentivišestrukogregresionogmodela


koeficijenti

Standardizovani


B Std.gr.

1(Konstanta)

Starost

Voz.iskust.

,614

,129

,223

,141

,037

,038

,190

,319

4,343

3,460

5,811

,000

,001

,000

2(Konstanta)

Starost

Voz.iskust.

Impuls.

Agres.

DAQ

Samoproc.

‐2,770

,069

,133

,039

,023

,013

‐,011

,386

,028

,030

,005

,003

,003

,002

,101

,191

,354

,300

,160

‐,177

‐7,184

2,430

4,493

8,338

7,147

3,894

‐4,449

,000

,016

,000

,000

,000

,000

,000



142

7.2.6Strukturalnimodeljednačina(strukturalnomodelovanje)

Structuralequationmodelling(SEM)jemultivarijantnastatističkametodakojase

koristi u situacijama kada se analizira odnos između više varijabli. Može se

posmatrati kao kombinacija faktorske analize i regresione analize, a u stručnoj

literaturisenajčešćeupotrebljavakakobisepotvrdilirezultatidobijeniprimenom

hijerarhijskeregresioneanalize(štojeiuovomistraživanjuslučaj).

PrimenaSEMmodelaimaodređeneprednostiuodnosunahijerarhijskuregresionu

analizu.Jednaodnajvažnijihjemogućnostdauzmeuobzirslučajnugrešku,grešku

umerenjuindikatora,čakisistemskuiligreškuizborametoda(BagozziiYi,2012).

UovomistraživanjuSEMmetodajekorišćenakakobiseproverilodalisumodeli

dobijeni hijerarhijskom regresionom analizom validni. Ovde je takođe cilj da se

odredeintenzitetivezaizmeđupojedinihpsihološkihinstrumenata,kaoiizmeđutih

instrumenataibrojanezgoda.Očekivanirezultatimogudapomognuurangiranju

prediktorskihvarijablipremanjihovomintenzitetuuodnosunauticajnanastanak

saobraćajnihnezgoda.UtusvrhukorišćenjestatističkipaketAMOS6.0.Dobijeni

rezultati prikazani su na slici 7.5. Moguće je uočiti standardizovane regresione

koeficijentezasvemeđusobnevezevarijablinaslici.Dobijenirezultatipotvrđuju

prethodnenalazeizaključkeuokviruprimenehijerarhijskeanalize.= ,354,=

,300,=,160and=‐.177,respektivno,navestinazivevarijabliilikaokoeficijent

prikazati. Rezultati potrvđuju da impulsivnost ostvaruje najjaču povezanost sa

nastankomnezgoda(=.41),zatimslediagresivnostuvožnji(=.33)testavovi

prema riziku ( = .18). Samoprocena je i u ovom slučaju pokazala povezanost

negativnogsmera,štojeuskladusapočetnimočekivanjima(=‐.16).Naslici7.5.

prikazanesu,takođeivrednostikovarijansiizmeđuvarijabli.


143

Slika7.5.DijagramodnosaADBQ,BIS‐11,DAQ,SamoproceneiBrojanezgoda

(Čubranić‐Dobrodolacisar.,2017)

7.3 Diskusijarezultataprimenehijerarhijskeregresioneanalizeupredikciji

saobraćajnihnezgodanaosnovupsihološkihmernihinstrumenata

Primenom hijerarhijske regresione analize za svaki od instrumenata procene

dobijeni su rezultati koji objašnjavaju udeo svakog razmatranog psihološkog

konstruktaunastankunezgoda.DobijeninalazipotvrđenisuuzpomoćSEMmodela.

Rezultati dobijeni višestrukom hijerarhijskom analizom primenom svih

instrumentausvojstvunezavisnihprediktorskihvarijablipokazalisudamodelkao

celina objašnjava zadovoljavajući deo varijanse u nastanku nezgoda, ali kako su

indikativniji rezultati dobijeni za svaki od instrumenta ponaosob, diskusija će se

pretežnobaziratinainterpretacijipojedinačnihregresionihmodela.Takođe,ukupni

modelposlužićeikaoosnovazapoređenjedvejumetodaanalizedobijenihpodataka

(poglavlje10ovedisertacije).Rezultatihijerarhijskeregresioneanalizepokazujuda

visoki skorovi na skalama impulsivnosti BIS‐11, i skali agresivnog ponašanja u

vožnjiADBQ,oblikujumanjebezbedanstilvožnje izraženkrozvećuverovatnoću

doživljavanjasaobraćajnihnezgoda.Pratećielementiovakvogponašanjaprivožnji

su: sklonost rizicima, takmičarsko ponašanje, zadovoljavanje trenutnih impulsa,


144

nemogućnost da se razmišlja o posledicama sopstvenih akcija i sl. Obe skale

objašnjavaju veoma sličan udeo varijanse u nastanku nezgoda, zajedno sa

demografskimvarijablama,starost ivozačko iskustvo.Dobijenirezultatimoguse

protumačiti kroz prizmu crta ličnosti i dimenzija ponašanja koje ova dva

instrumentaprocenjuju,akojesuumnogomeslične.Dakle,kaoštojevećbilorečiu

prvompoglavlju,ovadvafenomenasečestoustručnojliteraturidovodeuvezujer

je prilično teško razgraničiti manifestacije ličnosti i na osnovu njih određeno

ponašanje kvalifikovati kao impulsivno ili agresivno. Skoro identične vrednosti

varijansezaobemereponašanjanajboljesuilustrovanekrozdobijenePearsonove

koeficijentekorelacijezaobainstrumenta(Poglavlje6).

Kada je reč o instrumentima za procenu stavova prema riziku u vožnji DAQ i

instrumenta za procenu samoprocene vozačkih sposobnosti, udeo objašnjene

varijanse individualnih razlika u saobraćajnim nezgodama je nešto niži nego u

slučaju prethodno razmatranih instrumenata. Uprkos tome, zahvaljujući maloj

standardnoj grešci i statističkoj značajnosti standardizovanih, kao i

nestandardizovanihregresionihkoeficijenataovevarijable jeuputnodaostanuu

modelu.

Kada govorimo o prediktivnoj moći svakog od ovih instrumenata za procenu

ponašanja ponaosob, neophodno je dobijene rezultate sagledati i u svetlu

prethodnihistraživanjaukojimasuoviinstrumentislužilinaučnicimakaoalatza

procenu.

Najpre,kadaposmatramodobijenimodelkojimseopisujeudeoopšteimpulsivnosti,

merene kroz BIS‐11 instrument, moguće je izvesti zaključak da je ovaj često

korišćeni instrument u stručnoj literaturi pokazao iznenađujuće visok nivo

prediktivnostiuobjašnjenjunezgoda,kao iupriloženommodelu, što jenaročito

značajannalazusaobraćajnojpsihologijiukojojsusestabilnedispozicijeličnosti,

naročito u prošlosti, retko kada pojavljivale kao pouzdan indikator saobraćajnih

nezgoda.


145

Kadavećpominjemopostojećaistraživanja,valjalobiistaćiinajznačajnijerezultate

kojisuprimenomBIS‐11instrumentaostvarenipopitanjupredikcijeponašanjau

saobraćaju.Dahlenjesasaradnicima(2005)pronašaoneznatnupovezanostizmeđu

skorovaimpulsivnostiimanjihprekršajakojesustudentipočinili.Zatim,Rybisar.

(2006)utvrdilisudajevišiskornaupitnikuimpulsivnostiuvezisaponašanjima

kao što su nevezivanje pojasa u autu, vožnjom pod dejstvom alkohola,

prekoračenjima brzine, ali i sa učešćem u saobraćajnim nezgodama. Model

predložen u disertaciji uključuje upravo ove elemente ponašanja u saobraćaju

mereneupitnicima.NajsvežijerezultatepredočiojeMoansasaradnicima(2013)i

potvrdio prethodne nalaze prema kojima su rizičniji oblici ponašanja u vožnji

uzrokovani povišenim stepenom impulsivnostimeđu vozačima. Sa druge strane,

pojediniistraživačinisuutvrdilitakostabilnevezeizmeđuimpulsivnostiirizičnijih

ponašanjausaobraćaju(Jakubczykisar.,2013,Xuaisar.,2014).

AkoseposmatraModelponašanjaIIkojiukazujenadobruprediktivnumoćADBQ

upitnika za procenu agresivnih ponašanja u vožnji, moguće je zaključiti da je i

konstrukcijomovogmodelaostvarenznačajanrezultatkojibimogaodautičena

uključivanje ovog relativno novog instrumenta, ili nekih sličnih koji ispituju

približno iste tendencije u ponašanju vozača, u razne oblasti primene testiranja

vozača,odobuke,selekcijezaprofesionalnevozače,paprekospecijalnihprograma

poputonihkojisunamenjenivozačimakojimajeoduzetavozačkadozvola(Čičević

isar.,2016).

Dobijenimodelpodržavajurezultatisličnihstudijakadajerečorazmatranjuefekata

ili povezanosti agresivnosti sa drugim oblicima nebezbednih ponašanja u vožnji.

Većinapomenutih istraživanjautvrdila jedasuagresivnivozačisklonijirizičnom

ponašanjuilakšimilitežimnezgodamaodvozačasaniskimstepenomagresivnosti.

Kadajerečoupitnicimakojisutomprilkomkoriščenjivredipomenutionekojisu

pokazalinajvećiprediktivnikarakteruopisivanjunebezbednihoblikaponašanja.

Najznačajnijenalazeistraživačisudobiliprimenomsledećihmernihinstrumenata

zaprocenuagresivnostiuvožnjiuceliniilikrozodređenedimenzijeuvidupojedinih

ajtema:DBQupitnik(Parkerisar.,1998),DAEI(Deffenbacherisar.,2002),DATQ


146

(Deffenbacher i sar., 2003) i DAS (Deffenbacher i sar., 1994). Nesumnjivo da je

agresivnost u vožnji pouzdan indikator, čak i kada se posmatra sa izvesnom

rezervom u svetlu davanja socijalno poželjnih odgovora koji su neizbežni u

anketnimistraživanjima.

Regresioni model III potvrđuje uticaj stavova ka riziku vozača upotrebom DAQ

upitnika na nastanak saobraćajnih nezgoda. Kao što je moguće uvideti, opisani

modelpredikcijenezgoda,iakosepokazaostatističkiznačajnim,ipakneobjašnjava

veliki udeo u ukupnoj varijansi nezgoda koje su vozači u posmatranom uzorku

doživeli.Ovakavnalazmožeseinterpretiratiintuitivnimkarakteromajtemauovom

upitniku koja na neki način sugerišu ispitanicima svrhu istraživanja i time

povećavaju verovatnoću davanja socijalno poželjnih odgovora. DAQ upitnik je u

istraživačkojpraksipokazaovećuprediktivnumoćzadiferenciranjepolnihrazlika

upercepcijirizika(Parkerisar.,1998).Ovakveanalizenaposmatranomuzorkunisu

sepokazalesvrsishodnimusledneproporcionalnezastupljenostivozačaobapolau

uzorku profesionalnih vozača. Iako su pojedine analize utvrdile izraženu vezu

izmeđuprocenerizikanaupitnicimaibrojanezgodakojesuvozačiiskusili(Parker

isar.,1995;Taylor isar., 2000),sadrugestrane,upojednimstudijamadomaćih

autoraovakvavrstavezenijeidentifikovana(Jovanovićisar.,2014).

Poslednji analizirani pojedinačni model IV služi za predviđanje doživljavanja

nezgoda vozača koji su u Upitniku za samoprocenu vozačkih sposobnosti

prijavljivalineštološijeprocenesopstvenihveštinaikompetencijaneophodnihza

upravljanjevozilom.NivoiprediktivnostiinstrumenataumodelimaIIIiIV,iakonisu

identičnihvrednosti,bližisumeđusobnouodnosunaprvadvainstrumenta,štonas

navodinazaključkedaseradiosličnimkategorijamaponašanjakojeobaupitnika

procenjuju.S’timuvezi,iakobibilorealnoočekivatidaćeseustanovitistatistički

značajne korelacije između različitih dimenzija i korelata ponašnja koje ova dva

upitnikamere, (kao u slučaju BIS‐11 i ADBQ instrumenta), dobijeni rezultati su

znatnoskromnijiiodnosenasvegapardetektovanihznačajnihrelacija.Odautora

kojisuusvojimistraživanjimaproveravaliprediktivnusposobnostsamopercepcije

za nastanak nezgoda, svakako bi trebalo pomenti Tronsmoen‐a (2010) čiji je


147

instrument ovom prilikom i korišćen. On je u svojoj studiji dobio značajniju

povezanostizmeđunastankanezgodaiskorovanaupitnikusamoprocenevozačkih

karakteristika, ali je uzorak u studiji bio sačinjen isključivo od mladih vozača

početnikaučijemvozačkomiskustvu,poštospecifičnevozačkeveštinejošuveknisu

dovoljnoformirane,mogurezultirativećimbrojemsaobraćaknihnezgoda.

8.Primenaregresioneanalizeuformiranjumodelapercepcijerizikanaputuiponašanjavozača

148

8. PRIMENAREGRESIONEANALIZEUFORMIRANJUMODELAPERCEPCIJE

RIZIKANAPUTUIPONAŠANJAVOZAČA

8.1 Opisstatističkemetode

Usvrhuformiranjamodelakojibiimaozaciljdaštopreciznijeopišenakojinačin

opažanje rizičnih deonica puteva oblikuje ponašanje vozača, sprovedena je

regresionaanaliza.Regresionaanalizapredstavljaskupstatističkihmetodakojima

se otkriva da li postoje veze između posmatranih pojava i kakve su po obliku i

smeru. Cilj regresione analize je da linearnom kombinacijom prediktorskih

varijabli predviđamo individualne razlike na kriterijumskoj varijabli. Linearna

regresiona jednačina je matematička jednačina koja definiše vezu između dve

promenljivekojeimajulinearnuvezu:

y=a+bx

gde jex nezavisnapromenljiva,y zavisnapromenljiva,a jekonstantau linearnoj

jednačini,odnosnootsečaknayosi,ibjekoeficijentnagibaprave.

Određivanje koeficijenata linearne jednačine omogućuje nam da vršimo traženo

predviđanje. Takvo predviđanje neće biti egzaktno jer se mora uzeti u obzir i

greška zbog stohastičke prirode veze. Otuda, model proste linearne regresije u

opštemoblikuglasi:

Yi=β0+β1xi+εi i=1,2,…,N

gdesuYii‐tazavisnapromenljiva, xii‐tavrednostnezavisnepromenljive, β0iβ1

nepoznatekonstante,regresioniparametri,εistohastičkičlanilislučajnagreška,a

Nveličinaosnovnogskupa.


149

8.2 Primenaregresioneanalizeupredikcijisaobraćajnihnezgodanaosnovu

procenakarakteristikadeoniceputa

Identifikacijaopasnihmestanaputevimapredstavljaznačajanaspektupravljanja

opasnimmestima (menadžment crnih tačaka imenadžmentbezbednostimreža).

Metodologijaidentifikacijeopasnihmestanaputevimanijeusaglašenaštododatno

usložnjavaaktivnostiusmerenekaupravljanju i sanaciji opasnihmesta.Najčešće

sekaopokazateljizaidentifikacijuopasnihmestakoristekolektivniiindividualni

rizici nezgoda i stradanja u saobraćaju na određenoj deonici puta ili putnom

pravcu. Ovi rizici proračunavaju se na osnovu objektivnih podataka o broju,

raspodeliivrstamaiposledicamasaobraćajnihnezgoda.

Po broju najopasnijih kilometarskih deonica put M‐22 po većini rangiranih

parametara zauzima prvo mesto po veličini rizika, naročito kada se posmatra

veličinaindividualnogrizika.

Kako i pored rada na sanaciji i napora da se poboljšaju tehničko‐eksploatacione

karakteristike puta, broj saobraćajnih nezgoda na ovoj deonici puta ostaje

relativnokonstantantokomvremena,postajejasnodaobjektivniparametririzika

nisu dovoljni da objasne događanje saobraćajnih nezgoda. Otuda je verovatno

pretpostavitidaseodgovorinaovopitanjemorajupotražitidodatnimidetaljnijim

proučavanjem uloge ljudskog faktora. Iz tih razloga, subjektivna percepcija

opasnostinaputuiprocenarazličitihelemenataikarakteristikaovedeoniceputa

odstranevozačasuvarijablekojesuodabranekaofaktoriumodelukojiimazacilj

dapredvidisklonostkadoživljavanjusaobraćajnihnezgoda.

Podaciosubjektivnojpercepcijirizikavozačakojičestovozeovomdeonicomputa

prikupljeni su Upitnikom za procenu opasnih mesta, Upitnikom za procenu

elemenata deonice puta IB reda broj 22, Upitnikom o ponašanju vozača na ovoj

deoniciputa.Takođe,kaorelevantnipokazateljikorišćenisuipodaciizUpitnikao

istorijiučešćavozačausaobraćajnimnezgodama.


150

8.2.1 Procena rizika opasnih mesta kao prediktor saobraćajnih nezgoda

(RegresionimodelV)

Izupitnikaoproceniopasnihmestazapotrebestatističkeanalizeupotrebljenesu

ocenekojimasuispitanicivrednovalinavedenecrnetačkesaslikekojaimjebila

ponuđena. Za svaku od tačaka (koje su bile imenovane kao lokacija na kojoj se

nalaze), bila je ponuđena skala odgovora od 1 do 10, pri čemu je veća ocena

korespondirala sa većim opaženim rizikom date tačke. Na grafičkom prikazu,

ispitanicima je ponuđeno 9 opasnihmesta koja se nalaze na pomenutoj deonici

puta. Za potrebe formiranja regresionog modela korišena je prosečna ocena

opasnostisvihopserviranihtačakazasvakogod ispitanika.Ovamerapredstavlja

nezavisnupromenjljivuuregresionoj jednačini.Zavisnuvarijablučinio jeukupan

brojnezgodakojesuvozačiprijaviliuUpitnikuovozačkojistoriji.

Radiboljegrazumevanjameđusobnihodnosaizmeđubrojasaobraćajnihnezgodai

karakteristika puta, sprovedene su i zasebne regresione analize na uzorku

profesionalnih vozača autobusa, na uzorku vozača kamiona, kao i analize na

uzorku vozača putničkih automobila. U nastavku su prikazane regresione

jednačineza svakuodkategorijavozača,kakobi se štoverodostojnije ilustrovao

detektovaniodnospomenutihvarijabli.

Naslici8.1.prikazanjegrafikregresionepravezaprviregresionimodelkojimse

opisuje odnos između ukupnog broja doživljenih saobraćajnih nezgoda u

vozačkom iskustvu i prosečne ocene stepena rizika crnih tačakanaposmatranoj

deonici Ibarske magistrale. Regresiona jednačina opisuje model ponašanja sa

izvesnom zakonitošću.Dakle,moguće je zaključiti da strožiji kriterijumi procene

opasnihmestapokazujupovezanostsavećimbrojemprijavljenihnezgoda.Drugim

rečima,vozačikojiuslovenaputuopažajukaorizičnije,prijavilisudasudoživeli

većibrojsaobraćajnihnezgoda.


151

Slika8.1.Grafikregresionepravezamodelodnosaprocenecrnihtačakaiukupnog

brojasaobraćajnihnezgoda(Ukupanuzorakvozača)

Kako su prethodno navedeni rezultati ukazali na karakterističan odnos dveju

posmatranih varijabli, sprovedene su regresione analize za svaku od kategorija

vozača iz ukupnog uzorka. Na slici 8.2 predstavljen je model povezanosti

percepcije crnih tačaka i saobraćajnih nezgoda za vozače putničkih automobila.

Premaovommodelu,vozačiputničkihautomobilakojicrnetačkepercipirajukao

opasnije,iliuopštenisu,ilisuučestvovaliuveomamalombrojunezgoda.


brojasaobraćajnihnezgoda

(Uzorakvozačaputničkihvozila)

y = 0,2168x + 6,4755R² = 0,8937

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

8,00

9,00

0 1 2 3 4 5 6 7 8 9

prosečna ocena rizika

broj saobraćajnih nezgoda


152

Ako se posmatraju vozači međugradskih autobusa koji svakodnevno voze na

ispitivanoj deonici puta, može se primetiti da se dobijeni model u većoj meri

približava prvom opisanom modelu za ukupan uzorak vozača. Dakle, u ovom

slučaju beleži se blagi porast u broju doživljenih nezgoda u funkciji povećanja

ukupneprosečneocenerizikanaputu(slika8.3).



(Uzorakvozačaautobusa)



(Uzorakvozačakamiona)

y = 0,1793x + 6,9598R² = 0,9749

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

8,00

9,00

10,00

0 2 4 6 8 10 12

prosečna ocena rizika

broj saobraćajnih nezgoda


153

Slikabroj8.4.opisujeodnospercepcijerizikaiukupnogbrojadoživljenihnezgoda

vozačateretnihvozila.Premaovommodelubrojdoživljenihsaobraćajnihnezgoda

vozača teretnih vozila raste, sa porastom prosečne ocene crnih tačaka. Ovakva

uočena tendencija donekle je slična kao i u slučajumodela percepcije za vozače

autobusa.

U sledećim regresionim modelima kao prediktorsku varijablu uvodimo broj

prijavljenihdoživljenihnezgodasamonadatojdeoniciputaIBredabroj22.

Naslici8.5.zapažasedajeregresionimodelukojemfigurišusaobraćajnenezgode

doživljene samo na ispitivanoj deonici puta veoma sličan modelu u kome je

prediktorskavarijablabioukupanbrojsaobraćajnihnezgodakojejevozačdoživeo,

odnosno,dabrojnezgodakojesuvozačidoživelinaposmatranojdeoniciputa,kao

iocenajačineopasnostivarirajuuistomsmeru.

Slika8.5.Grafikregresionepravezamodelodnosaprocenecrnihtačakai

saobraćajnihnezgodanaposmatranojdeonici

(Ukupanuzorak)

Slika8.6pokazujedavozačiputničkihvozilakojiocenjujuputkaoopasniji imaju

manjibrojdoživljenihnezgoda.


154



(Uzorakvozačaputničkihvozila)

Slika8.7.prikazujeregresionimodelponašanjaprofesionalnihvozačaautobusa.Za

ovukategorijuvozačakriterijumiproceneopasnihmestapokazujupovezanostsa

porastom broja nezgoda. Drugim rečima, broj saobraćajnih nezgoda na ovoj

deoniciputarasteufunkcijiocenacrnihtačaka.



(Uzorakvozačaautobusa)


155

Kada jerečovozačima teretnihvozila,uočavaseda je iovde,kao iuprethodno

navedenom primeru oblik povezanosti među varijablama gotovo isti, o čemu

svedoče jednake vrednosti R2 (slika 8.8). I u ovom slučaju, porast broja

saobraćajnih nezgoda povezan je sa percipiranjem opasnih mesta na putu kao

rizičnijih.



(Uzorakvozačakamiona)

Na osnovu rezultata regresione analize očito je da se vozači putničkih vozila i

profesionalni vozači razlikuju po svojim subjektivnim procenama, odnosno

percepciji opasnih mesta na putu. Generalni trend ukazuje da je ukupan broj

doživljenihsaobraćajnihnezgodavećikodvozačakoji crne tačkenaovojdeonici

ocenjujukaoopasnije.Sadrugestrane,vozačiputničkihvozilapokazujudrugačije

ponašanje, oni koji crne tačke percipiraju kao opasnije, ili uopšte nisu, ili su

učestvovaliuveomamalombrojunezgoda.

8.2.2 Subjektivna procena elemenata puta posmatrane deonice kao

prediktorsaobraćajnihnezgoda(RegresionimodelVI)

Kako bi se percepcija vozača koja se odnosi na opasnamesta na putu detaljnije

ispitalau regresionu jednačinuuvedenesu ioceneelemenataputa iz istoimenog


156

upitnika koji su ispitanici popunjavali. U ovom slučaju kao prediktor ukupnog

brojanezgodaizvozačkogiskustva,uključenesuprosečneocenekojesuispitanici

dodeljivalisledećimelementimaputa:

Izgledtraseilipružanjetrase,

Stanjekolovoza,

Stanjehorizontalnesignalizacije,

Stanjevertikalnesignalizacije,

Stanjezaštitneograde,

Putnipojas(bankine,kanalezaodvodvode,pasareleisl.),

Bezbednostsaobraćajanapriključnimputevima.

Ocenenavednihkarakteristikakretalesuseuokviruponuđenogopsegaskaleod1

do10,pričemujevećadodeljenavrednostodgovaralaboljojocenikarakteristika

elemenata puta. Za sve pomenute elemente puta kreirana je prosečna ocena za

svakog ispitanika iz uzorka. Ova mera predstavljala je, dakle, nezavisnu

promenljivu u jednačini regresije. Za meru zavisne varijable odabran je ukupan

brojprijavljenihnezgoda.

Na slici 8.9, zapaža se da kada je reč o ukupnom uzorku vozača (nevezano za

kategoriju vozila kojom upravljaju), uočava se da opažanje karakteristika puta

predstavljadobarprediktorsaobraćajnihnezgoda.Naime,vozačikojiputocenjuju

kao lošiji imaju veći broj nezgoda. Ovakva tendencija je naročito izražena za

ispitanike koji su doživeli više od 4 nezogde na ovoj deonici puta. Prilikom

tumačenjabisvakakotrebalouzetiuobzirdajenekolicinaispitanikaprijavilaveći

brojdoživljenihnezgoda(višeod4nezgode).KoeficijentdeterminacijeR2govorio

prediktivnoj vrednosti procene ključnih svojstava puteva u opisu nastanka

saobraćajnihnezgoda.Ovarelacijajenaročitozanimljivasastanovištapsihologije

percepcijeibićedetaljnijediskutovanananarednimstranamadisertacije.


157

Slika8.9.Grafikregresionepravezamodelodnosaproceneelemenataputai

ukupnogbrojasaobraćajnihnezgoda

(Ukupanuzorak)



(vozačiputničkihautomobila)

Kadaseuzorakvozačarazložipremakategorijamavozilakojimaupravljaju,vidise

kolikosesituacijadrastičnopromenilauodnosunaopštimodelpercepcijeopasnih

mesta, opisan u prethodnom poglavlju. Konkretno, kada se radi o vozačima

putničkih vozila, regresione linije, odnosno koeficijenti determinacije koji


158

predviđaju povezanost između procena elemenata puta i broja doživljenih

saobraćajnih nezgoda na ispitivanoj deonici puta, razlikuju se u poređenju sa

onimaprofesionalnihvozača.Zapažaseda,uslučajuvozačaputničkihvozila,bolje

oceneputaodgovarajuneznatnovećembrojunezgodaprijavljenihnaovojdeonici

puta(slika8.10).

Za vozače autobusa, regresioni model pokazuje takođe povezanost slabijeg

intenzitetaizmeđuprocenakarakteristikaputaibrojasaobraćajnihnezgoda,alije

smer promena suprotan.Naime, vozači autobusa koji put opažaju kao opasan ili

loš,istovremenoimajuvećibrojsaobraćajnihnezgoda(slika8.11).



(Vozačiautobusa)

Naslici8.12.prikazanjeodnosizmeđusaobraćajnihnezgodanaispitivanojdeonici

puta iocenazakarakteristikeputanauzorkuvozača teretnihvozila.Prediktivna

vrednostmodela je veomavisoka.Dakle, kao što jemogućeuočiti, boljeprocene

elemenataputakorespondirajusamanjimbrojemdoživljenihnezgoda.


159



(Vozačikamiona)

8.3 Diskusijarezultata

Nakrajuovogpoglavljamožesesezaključitidaregresionomanalizomdobijamo

modeleponašanjavozačakojipokazujuvisokeprediktivnevrednostidoživljavanja

saobraćajnih nezgoda, kako generalno, tako i na ispitivanoj deonici puta.

Istraživanjeulogepercepcijerizikanaopasnimmestimausaobraćajukodvozača

koji su imalivišenezgodapokazalo jedasepercepcijamožeopravdanosmatrati

faktoromrizikakojinaizvestannačinsenzitiviravozačedapostanuskloniji,ilipak

manjeskloni,doživljavanjusaobraćajnihnezgoda.

Dakle, na osnovu uspešnosti modela koji uključuje ukupan broj doživljenih

saobraćajnih nezgoda vozača, postalo je jasno da postoi potreba da se sagleda

kolikuprediktivnuvrednostovajmodelimauspecifičnimsituacijama.Ovajmotiv

doveo je douključivanja još jednenezavisnepromenjive.Umestoukupnogbroja

nezgodaumodeljeuvršćenbrojnezgodakojesuispitaniciprijavilikaodoživljene

na deonici puta koja je ispitivana. I u ovom slučaju utvrđene su zakonitosti u


160

ponašanjuvozača,uopštemsmislu,aliiusmislurazličitihposmatranihkategorija

vozačakojesuobuhvaćeneuzorkom.

Sa stanovišta psihologije ličnosti, kao i psihologije opažanja, dobijeni nalaz se

najboljeuklapauokvirekognitivističketeorije, jerukazujenatodanačinnakoji

kognitivnotumačimo i razumemodogađajesakojimasmosuočeni,utičenanaša

osećanja,paidelovanja,samimtim.Osećanjesenedogađaizvansocijalnihokvira

ukojimase individuanalazi,pa tako tajokvirnudinačinnakoji tumačimosvoja

osećanja.Uterminimaposmatraneproblematike,namećesezaključakdavozačevo

opažanjesituacijausaobraćajukaorizičnijih,pokreće,činise,percepcije,amoždai

emocijekojedoprinosenastankunezgoda.(Čubranić‐DobrodolaciČičević,2017b)

Sa gledišta teorija nezgoda koje egzistiraju u okviru saobraćajne psihologije,

mogućeje,takođe,izvestiodređenezaključke.Naime,nekiodpredloženihmodela

saglasnisusanavedenimteorijama,doksudrugisaglasnisaTeorijimsklonostika

nezgodama,naosnovusmerapromenaodnosaizmeđuispitivanihvarijabli.Prema

Teoriji sklonosti, pretpostavlja se da pri istim uslovima ne postoji jednaka

verovatnoća među osobama za doživljavanje nezgoda i da se ta verovatnoća

konstantnoispoljavatokomvremena.Pritomevremepojavenezgodejeslučajno.

Osobine i sposobnosti su tretirane kao osnova za objašnjenje ove teorije. Prema

empirijskimnalazima„sklonost“operišekadajevelikaizloženostriziku,štoje

slučajsaupravljanjemvozilomnaopisanojrizičnojdeoniciputakojasadrživeliki

broj opasnih mesta. „Sklonost za nezgode“je individualna stalna i povremena

osobina koja može biti urođena ili stečena i zavisi od raznih psihofizioloških

činilaca(Milošević,2008).Naosnovuprimeneovogmodelamoguće jeustanoviti

vozačevu sklonost ka saobraćajnimnezgodama. To namomogućava da unapred,

predoživljavanjaprvenezgode,odredimodalijeposmatranivozačikolikosklon

nezgodama.

Svi potencijalni problemi na koje se nailazi prilikom upravljanja vozilom na

posmatranoj deonici puta mogu da izazovu pogrešne percepcije vozača, kao i


161

donošenjerizičnihodluka.Prilikomrazmatranjamerazaunapređenjebezbednosti

saobraćaja trebalo bi uzeti u obzir najkarakterističnije probleme koji mogu da

utičunapogrešnepercepcijevozača,kaoinanebezbednemanevre.

Kada je rečo interkaciji izmeđukarakteristikaputeva iponašanjavozačapostoji

nekoliko važnih pitanja koja bi trebalo razmotriti u okviru ove diskusije. Naime,

kadajerečoposmatranojdeonicidržavnogputaIBredaM‐22,suštinskiproblem

sastanovištaoveinterakcije jesvakakoneophodnostkretanjavozilaukolonama,

zastupljena celomdužinomdeonice.Ovakavvidvožnjemožekodvozačadovesti

do pojačane tenzije, te posledično usloviti nepoželjne i nebezbedne reakcije u

saobraćaju.

Kaosledećipotencijalniproblemizdvajasepojavačestihzagušenjanaodređenim

lokacijama duž deonice. Do ovakvih zagušenja dolazi usled preopterećenosti

saobraćajnog toka o čemu je bilo reči u 3. poglavlju disertacije.Najveći problem

ove deonice leži u njenom prostiranju kroz naseljena mesta (u određenim

delovimatoka),tesučestoograničenjabrzinena40km/h,štousporavasaobraćaji

stvarajusezagušenja.Uslučajevimakadajesaobraćajusporen,povećavasevreme

kojevozačmoradaprovedenadeoniciputa,aštojevremeduže,većesuišanseza

pojavu grešaka ili pak nezgoda (usled zamora, gubitaka pažnje, nervoze usled

zagušenjakojaprouzrokujeishitrenemanerve,itd).

Veliki problem predstavlja i preticanje na ovoj deonici, koje se često može

okarakterisati kao rizična radnjanastalausledneadekvatneprocene saobraćajne

situacije. Tome doprinose posebno vozila velikih dužina, kao što su autobusi ili

kamioni, koje je otežano zaobilaziti. Zbog velikog obima saobraćaja na deonici,

retko je slobodna saobraćajna traka iz suprtonog smera koja služi za preticanje.

Ovakvasituacijapotencirapogrešneproceneuodnosunasaobraćajnusituaciju,ali

iuodnosunasopstvenevozačkesposobnosti.


162

Ponuđenimodeli percepcije i ponašanja vozača na putevima koji se karakterišu

kaorizični,trebalobidaposlužekaookosnicauformiranjujedneinovativnije,do

sadanedovoljnoistraženeoblastiuokvirimasaobraćajnepsihologijeibezbednosti

saobraćaja. Pri tome se fokus interesovanja uveliko pomera sa izolovane

opservacije karakteristika ličnosti, a dodatni napori trebalo bi biti usmereni ka

eksplanaciji sadejstva faktora puta i okoline sa čovekom kao učesnikom u

saobraćaju.

Vremensko‐prostorni aspekt analiza saobraćajnih nezgoda daje podatke koji su

pogodni za primenu regresionih metoda. Sa tim u vezi, dobijene veoma visoke

vrednosti koeficijenata determinacije u modelima ukazuju da je neophodno

sprovestidetaljnijuanalizuelemenataikarakteristikaputa,kaoiprocenanjihove

opasnosti od strane vozača. Naime, u formiranjumodela upotrebljeni su ukupni

skorovinaupitnicimakoji seodnosenakombinacijuefekatarazličitihelemenata

puta i na opštu ocenu opasnosti. Dalji pravci istraživanja bili bi razmatranje

pojedinačnih uticaja, ili određenih specifičnih kombinacija elemenata puta i

opažanja rizika date deonice. Ovako visoki koeficijenti determinacije mogu da

ukazujuinatodajenepotrebnosvenabrojaneelementeuključitiumodel,jercilj

regresione analize jeste pronaći najjednostavniji model koji vrši predikciju

varijable od interesa, u ovom slučaju, saobraćajnih nezgoda. Osim toga, kako je

vezaizmeđuPGDS(prosečnoggodišnjegdnevnogsaobraćaja)ibrojasaobraćajnih

nezgoda,kadaseuzimauobzirPGDSkaomera izloženostinanekojdeoniciputa

često nelinearna, u budućim istraživanjima ove problematike potrebno je

razmotritiiuvođenjenelinearnihmodela.

Nadalje, kako se saobraćajne nezgode mogu smatrati kao neprekidan slučajan

proces neophodno je analizirati ih i sa vremenskog aspekta. Naredni koraci u

budućimistraživanjimabitrebalodaobuvateiovajaspekt,tj.modelevremenskih

serija.


163

Uovomraduvremenskaraspodelanezgodanijebilaufokusuistraživanja,poštosu

subjektivne procene vozača o rizicima i opasnostima na putu bile primarni

predmet istraživanja. Objektivni podaci neophodni za analizu saobraćajnih

nezgoda zavise od kvaliteta i dostupnosti baza podataka, a očigledno su i

nedovoljnizapotpunoobjašnjenjefrekvencije,apogotovouzrokanezgoda.

9.Binarnalogističkaregresija

164

9.BINARNALOGISTIČKAREGRESIJA

Binarnalogističkaregresijajestatističkametodakojajekorisnausituacijamakada

je zavisna varijabla dihotomnog karaktera, a u modelu postoji i jedna ili više

prediktorskih promenljivih. Svoju punu primenu postiže u situacijama kada

zavisna varijabla ima izraženu asimetriju ili, pak, nelinearnu relaciju sa ostalim

varijablamaujednačini.Dobijenipodaciulogističkojbinarnojregresijiimajuoblik

slova S. Tumačenje modela koji odgovara podacima podrazumeva donošenje

zaključaka na osnovu dobijenih koeficijenata u modelu (Tenjović, 2002). Tom

prilikom razmatraju se sledeći problemi: definisanje odnosa između zavisne i

nezavisne promenljive, kao i definisanje odgovarajuće jedinice promene za

nezavisnupromenljivu.

AkojeYzavisnavarijablabinarnogtipakojamožeimatisledećevrednosti:

Yi=1akojeposmatranakarakteristikaprisutnauopservaciji,

Yi=0akoposmatranakarakteristikanijeprisutnauopservaciji.

X = (X1, X2, ..., Xk) je skup prediktorskih promenljivih, a xi je uočena vrednost

prediktorskevarijablezaopservacijui.

Za jednu prediktorsku promenljivu, važi sledeća relacija gde se procenjuje

verovatnoća da je posmatrana karakteristika prisutna za neku vrednost

prediktorskepromenljive:

π(x)=ver.(Y=1|X=x).

Modellogističkeregresijebiseopisaonasledećinačin:

π ver. 1|1

,

odnosno:

logit π logπ

1 π ,

⋯ .


165

9.1.Primenalogističkebinarneregresijeupredikcijiuticajapsiholoških

karaktersitikananastanaksaobraćajnihnezgoda

U ovom istraživanju kao dihotomna zavisna varijabla korišćeno je (ne)učešće u

nezgodamakojesuvozačiprijavljivaliuupitniku.Prvomkategorijomobuhvaćeni

su ispitanici koji nisudoživeli nezgodeu svomvozačkom iskustvu, dok sedruga

kategorija odnosila na vozače koji su prijavili nezgode (bez obzira na broj). Za

nezavisneprediktorskevarijableuanalizikorišćenisuskoroviostvareninačetiri

instrumenta za procenu ponašanja u vožnji i karateristika ličnosti (DAQ, BIS‐11,

ADBQ i Upitnik za samoprocenu vozačkih sposobnosti). Prilikom interpretacije

dobijenihrezultatanajprejemogućeuočitiuTabeli9.1daje logističkiregresioni

model prilagođen podacima, tj. da je fitovan. U ovom slučaju značajnost iznosi

P<0,0005, što bi značilo da je celokupan model dobar prediktor zavisne

promenljive.

Tabela9.1.OmnibustestmodelaI

OmnibusTests

Hi‐kvadrat Stepeni

slobode

Značajnost

Korak1 Korak 125,711 4 0

Blok 125,711 4 0

Model 125,711 4 0

Sledeći razmatrani parametar odnosi se na Cox i Snell R SquareModel (Tabela

9.2), te na osnovu prikaza rezultata možemo zaključiti da skup razmatranih

varijablizajednoobjašnjavaizmeđu33,8i45,2varijansesaobraćajnihnezgoda.U

Tabeli 9.3može seuočiti da je vrednosthi kvadrata7,965,uz značajnostkoja je

veća od 0,05 (što je u ovom slučaju neophodno kako bi semodel procenio kao

podržan)iiznosi0,437.Utabeli9.4razmatranisupokazateljikolikomodeltačno

predviđa kategoriju u odnosu na svaki pojedinačni slučaj. Dobijeni model

klasifikuje 77,4% svih ukupnih slučajeva. Takođe jemoguće uočiti iz tabelarnog

prikazadajemodeluspešnoklasifikovao78,8%posmatranepopulacijevozačakoji


166

sudoživelinezgodei75,5%njihkojiuvozačkomiskustvunisuprijavilipostojanje

nezgoda.Kakobi seustanovila generalnapozitivnaprediktivnavrednost, delimo

prediktovanibroj134saukupnimbrojemćelija (uovomslučaju33+134=167 i

množimosa100(134/167x100).Vrednostkojudobijamo je80,2 ionaseodnosi

naprocenat vozača sanezgodamakojemodeluspešnodetektuje.Prema sličnom

principuračunaseinegativnaprediktivnavrednost(102/102+36x100).Dobijena

vrednostiznosi73,91%.

Tabela9.2CoxiSnellRSquareModelI

Tabela9.3HosmeriLemeshowTestI

HosmerandLemeshowTest

Korak Hi‐

kvadrat

Stepeni

slobode

Značajnost

1 7,965 8 ,437

Tabela9.4KlasifikacijaI

Posmatrane Prognozirane

Nezgode Procenat

tačnihBez Sa

Korak1 Nezgode(bez

nezgodaisa

nezgodama)

Bez 102 33 75,6

Sa 36 134 78,8

Ukupanprocenat 77,4

Iz Tabele 9.5 moguće je zaključiti da su promenljive koje značajno doprinose

prediktivnoj vrednostimodela one koje se odnose na instrumente DAQ, ADBQ i

Model

Korak ‐2Log

verovatnoća

Cox&SnellR

Square

Nagelkerke

RSquare

1 293,083 0,338 0,452


167

BIS‐11, dok instrument za samoprocenu vozačkih sposobnosti nije pokazao

statistički značajan doprinos modelu. B koeficijenti su pozitivni za sve

instrumenete sem za instrument kojim se meri samoprocena vozačkih

sposobnosti, što je u skladu sa rezultatima dobijenim u okviru prethodnog

poglavljakoje sebaviloprimenomhijerarhijske regresioneanalize.Ovajpodatak

ukazuje nam na smer veze između samoprocene sposobnosti i broja doživljenih

nezgoda.Povećanjevrednostinezavisnepromenljive(višiskorsamoprocene)ima

zaposledicusmanjenjeverovatnoćedoživljavanjanezgodausaobraćaju.Ukoloni

podnazivomExp(B)nalazesevrednostikojeupućujunakoličnikeverovatnoćeza

svaku nezavisnu promenljivu. U konkretnom slučaju, dobijeni količnici

verovatnoćeukazujunasledeće:

‐ Verovatnoća da će osoba doživeti saobraćajnu nezgodu (ili je već

doživela)je4,16putavećakodvozačaizčijiseukupniskoragresivnosti

razlikujezajednujedinicuilivrednoststandardnedevijacije,

‐ Verovatnoćada ćeosobadoživetinezgodu (ili je većdoživela) je5,94

putavećakodvozačaizgrupečijiseukupniskorimpulsivnostirazlikuje

zajednujedinicuilivrednoststandardnedevijacije,

‐ Verovatnoća da će osoba doživeti nezgodu (ili je već doživela) je 2, 7

putavećakodvozača izgrupečiji seukupni skornaupitniku stavova

prema rizičnim oblicima ponašanja u saobraćaju razlikuje za jednu

jedinicuilivrednoststandardnedevijacije.

Tabela9.5DoprinosisvakevarijableI

B S.E. Wald Step.

slobo

de

Znač

ajno

st

Exp(B) 95%C.I.for

EXP(B)

Donja Gornja

ADBQ 1,427 ,249 32,917 1 ,000 4,168 2,559 6,787

BIS‐11 1,782 ,309 33,345 1 ,000 5,941 3,245 10,877

DAQ 1,008 ,250 16,311 1 ,000 2,740 2,080 4,470

Samoprocena ‐,223 ,263 ,723 1 ,395 ,800 ,478 1,338

Konstanta ‐8,187 1,235 43,923 1 ,000 ,000


168

Kao što je moguće uočiti iz tabelarnog prikaza, najjači prediktor doživljavanja

nezgodasuvisokiskorovina instrumentuBIS‐11zaprocenu impulsivnosti.Kako

se u poslednjem slučaju, kada je reč o upitniku za samoprocenu vozačkih

sposobnosti beleži dobijena vrednost niža od 1 (0,800), navodi se recipročna

vrednostovemere,tj.uovomslučajuje1podeljenosa0,800jednakoje1,25.Tobi

značilo da svaki porast u skoru samoprocene, u smislu svake naredne više

kategorije odgovora (bolja procena svojih vozačkih sposobnosti), implicira

smanjenjeverovatnoćedaćeispitaniciprijavitidoživljajnezgode,itozavrednost

1,25.

Za svaku vrednost B koeficijenta prikazan je pripadajući 95‐toprocentni interval

poverenja,uvidunjegovedonjeigornjegranice.Tojeopsegzakojimožemotvrditi

sa 95‐toprocentnom sigurnošću da podrazumeva stvarnu vrednost količnika

verovatnoće. Interval poverenja samo u slučaju samoprocene vozačkih

sposobnosti obuhvata vrednost 1 (što potvrđuje da doprinos ove prediktorske

varijablenijestatističkiznačajan).Tomeđutimneznačidajeneophodnoizbacitije

iz modela, već je moguće da konfundira sa nekom drugom prediktorskom

varijablom.

9.2.Primenalogističkebinarneregresijeupredikcijiuticajapercepcije

opasnihmestaikarakteristikaputananastanaksaobraćajnihnezgoda

Kao dihotomna zavisna varijabla u ovom delu istraživanja takođe je korišćen

podatak iz upitnika u vezi sa (ne)učešćem u nezgodama u vozačkom iskustvu.

Odgovori ispitanika su takođe klasifikovani prema istom kriterijumu, tj. reč je o

dihotomnojzavisnojvarijabli.Kaonezavisneprediktorskevarijableuovomslučaju

korićeni su skorovi dobijeni Upitnikom za procenu opasnihmesta, kao i podaci

dobijeni iz Upitnika za procenu karakteristika puteva. Rezultati dobijeni iz oba

upitnika su kategorisani i prilagođeni kriterijumima koji važe u slučaju primene

binarnelogističkeregresije.


169

Iz tabele 9.6. uočava se da model kao celina nije dobar prediktor zavisne

promenljive(statističkaznačajnost jevećaod0,05).Zatim, iz tabelarnogprikaza

9.7 moguće je zapaziti damodel daje vrednost koja je niža od granične 0,05. U

ovom slučaju to se smatra nepovoljnomvrednošću zamodel, te semože reći da

modelucelininijepodržanovomvrstomstatističkeprovere.

Tabela9.6.OmnibustestmodelaII

Hi‐

Kvadrat

Stepeni

slobode

Značajnost

Korak1 Korak 3,888 2 ,143

Blok 3,888 2 ,143

Model 3,888 2 ,143

Tabela9.7.CoxiSnellRKvadratModelII

Korak ‐2Log

verovatnoća

Cox i

Snell R

kvadrat

Nagelkerke

Rkvadrat

1 414,907a ,013 ,017

Takođe,dosličnihzaključakajemogućedoćiiposmatrajućirezultateutabeli9.8.

Kadajerečorelativnomdoprinosusvakeodvarijabliupredikcijizavisnevarijable,

u tabeli 9.9može se uočiti damodel ispravno klasifikuje 54,1% svih slučajevau

analizi. Takođe, uočava se i da je model pokazao veću osetljivost prilkom

detektovanjaslučajevakodkojihsuprisutnenezgode(86,5),uodnosunaonekoji

nisu prijavili doživljavanje nezgoda (13,3). Izračunata pozitivna prediktivna

vrednost (147/147+111x100=56,97) rezultata pokazuje da model bira tačno

56,97% osoba za koje je prognozirao da će u svom iskustvu imati saobraćajne

nezgode. U slučaju negativne prediktivne vrednosti, proračunom

(23/23+18x100=56,09) se dolazi do rezultata koji pokazuje da model tačno

prognoziradaće56,09%vozačaprijavitidanisudoživelisaobraćajnunezgoduu

svomvozačkomiskustvu.


170

Tabela9.8HosmeriLemeshowTestII

Korak Hi‐

kvadrat

Stepeni

slobode

Značajnost

1 11,918 4 ,018

Tabela9.9DoprinosisvakevarijableII

Posmatrane Prognozirane

Nezgode Procena

ttačnih1,00 2,00

Korak

1

Nezgode

(bez

nezgodaisa

nezgodama)

1,00 18 117 13,3

2,00 23 147 86,5

Ukupanprocenat 54,1

U poslednjoj tabeli 9.10 dati su pokazatelji pojedinačnih doprinosa svake

prediktorskevarijableupredviđanjunastankanezgodausaobraćaju.UkoloniExp

(B), prikazane su vrednosti količnika šansi za obe razmatrane varijable. Za

varijablu koja se odnosi na procenu opasnihmestamožemo, samim tim, izvesti

zaključak da je verovatnoća da će neko doživeti saobraćajnu nezgodu 1,12 puta

većakadaseskornaupitnikupercepcijeopasnihmestapovećazajednujedinicuu

odnosunaprethodnostanje.Uslučajupercepcijekarakteristikaputeva,zapažamo

zabeleženuvrednostkojajemanjaod1,teseuovomslučajukoristiodgovarajuća

recipročna vrednost (1/0,763) koja iznosi 1,31. Ova vrednost podrazumeva

sledeću interpretaciju rezultata: Za svaku sledeću kategoriju odgovora koja

podrazumeva povećanje ukupnog skora percepcije karakteristika puteva,

verovatnoćadaćeispitanicidoživetinezgoduopadaza1,31.Zaobakoličnikašansi

prikazani su i pripadajući 95‐toprocentni intervali poverenja. Za ove varijable

zabeleženisuniski intervali(vrednostikojesadrže1 ilinižeodtoga), tesemože

zaključitidaispitaniciimajujednakuverovatnoćudadajuobevrsteodgovora(da

sudoživelinezgodu,kaoidanisudoživeli).


171

Tabela9.10DoprinosisvakevarijableII

B S.E. Wald Step

eni

slob

ode

Znača

jnost

Exp(B) 95%C.I.for

EXP(B)

Donj

a

Gorn

ja

Opasnamesta ,116 ,178 ,423 1 ,515 1,123 ,792 1,591

Karakteristikeputa ‐,271 ,151 3,230 1 ,072 ‐,763 ,568 1,025

Konstanta ,492 ,461 1,141 1 ,285 1,636

9.3Diskusija

Kaoštojemogućezaključitinaosnovuanalizerezultataprikazanenaprethodnim

stranama, binarna logistička regresija pokazala se kao veoma koristan alat koji

omogućuje jasniji uvid po pitanju uticaja kombinacija prediktorskih varijabli,

vezanihzapsihološkekarakteristikevozača,kaoizanjihovesubjektivneprocene

karakteristikaputa,nadoživljavanjesaobraćajnihnezgoda.Možemorećidajeova

statistička analiza poslužila kao dodatak standardnoj regresionoj i hijerarhijskoj

regresionoj analizi, jer su dobijeni rezultati dobijeni primenom različitih

statističkihmetoda saglasni. Kada govorimo o prvommodelu koji kao nezavisne

kategorijske varijable razmatra skorove postignute na upitnicima za procenu

psiholoških karakteristika vozača, dobijenimodel pokazao je visoku prediktivnu

vrednost.Modelsasvimrazmatranimprediktorima,izuzevsamoprocenevozačkih

sposobnostipokazaosekaoveomaefikasanupredviđanjudoživljavanjanezgodau

saobraćaju. Pored toga, dobijena statistička značajnost za razmatrani model

predstavlja, takođe, jedan od relevantnih indikatora snage modela, udružena sa

procentom vozača sa nezgodama u svom iskustvu koje ovaj model uspešno

registruje. Upitnik za samoprocenu vozačkih sposobnosti pokazao je i u okviru

hijerarhijeske regresioneanalizenajmanjiudeovarijanseuobjašnjenjunastanka

nezgoda. Ipak, u tom slučaju model je pokazao statističku značajnost, što u

binarnoj logističkojanalizinijebio slučaj.Pokušavajućidaobjasnimouzrokeove

pojave,možemoposumnjatidauvođenjemdihotomnezavisnevarijabledobijamo

sasvim novu sliku o samopercepiji vozača u opserviranom uzorku. Naime,

dolazimodozaključkadajesamoprocenavlastitihvozačkihperformansipribližno


172

sličnau grupi vozača koji imaju nezgode, kao i u grupi onih koji ih nisu iskusili.

Moždabinekiodzaključakamogaodaglasidadoživljavanjenezgodausaobraćaju

nestvarakritičkiosvrtiuvidusopstvenesposobnosti,kadajerečoovomuzorku

vozača.Kada razmišljamou terminimapraktičnih implikacijamodela, preporuke

za njegovo korišćenje podrazumevale bi zajedničku primenu sledećih

instrumenata za predikciju doživljavanja nezgoda: ADBQ, BIS‐11 I DAQ. Ovo je

svakakako koristan podatak koji bi trebalo razmotriti prilikom planiranja

profesionalne selekcije vozača, kao i različitih programa namenjenih za obuku i

edukacijuvozača,naročitoonihizgrupacijemladihpočetnika.

Kada razmatramo drugi binarni logistički model, uočavamo da u ovom slučaju

dobijeni rezultati ipak ne pokazuju sličnu preciznost u predikciji nezgoda u

populaciji. Naime, model koji kao prediktorske varijable uzima u obzir ocene

dobijeneizupitnikaoprocenirizikaopasnihmestaiocenedobijeneizupitnikau

vezi sa karakteristikama razmatrane deonice puta, pokazuje znatno nepovoljnija

statistička obeležja nego prethodno razmatranimodel. Za početak, uočava se da

model ne pokazuje neophodnu statističku značajnost koja je relevantna za dalja

tumačenja i predviđanja. Statistička značajnost nije zadovoljena ni u slučaju

koeficijenatazasvakuoddvejuprediktorskihvarijabliponaosob.Uprkostomešto

model, odnosno ova kombinacija prediktorskih varijabli ne pokazuje statističku

značajnost,veomainteresantan jepodatakdakategorijalnupripadnost ispitanika

izuzorkanakomejenapravljenmodelinjihovustvarnukategorijalnapripadnost

ovajmodel uspešno otkriva. Kada je reč o varijabli koja se odnosi na percepciju

opasnih mesta na posmatranoj deonici puta, moguće je izvesti zaključak da

ispitanicikojiocenjujuovamestakaorizičnija,imajuproporcionalnovišenezgoda

u svom vozačkom iskustvu. Sa druge strane, dobijeni B koeficijenti ukazuju na

suprotan smer veze kada je reč o varijabli koja se odnosi na percepciju

karakteristika puta. U ovom slučaju, to bi se moglo protumačiti kao opšta

tendencija prema kojoj vozači koji afirmativno ocenjuju karakteristike date

deoniceputaimajumanjibrojdoživljenihnezgoda.Dakle,darezimiramo,doživljaj

nezgode donekle senzitivira vozače da u izvesnoj meri budu osetljiviji prema

detekciji rizika na opasnim mestima, ali, sa druge strane, samim tim, utiče na

neznatnonegativnijuprocenusvihkarakteristikaodređenedeonice.

10.Modelizaprocenusklonostikasaobraćajnimnezgodamabaziraninakorišćenjuinstrumenatazaprocenukarakteristikaličnostiiprimenifazilogike

173

10.MODELIZAPROCENUSKLONOSTIKASAOBRAĆAJNIMNEZGODAMA

BAZIRANINAKORIŠĆENJUINSTRUMENATAZAPROCENUKARAKTERISTIKA

LIČNOSTIIPRIMENIFAZILOGIKE

Uovompoglavljupredlažuseitestirajurazličitimodeličijomprimenomsedolazi

doinformacijeosklonostipojedincakasaobraćajnimnezgodama.Ciljjedasedođe

doinformacijekojiodpredloženihmodelabimogaonajboljedaprocenisklonost

pojedinca ka saobraćajnim nezgodama. Dakle, izabrani model bi mogao biti od

koristi kada se želi ispitati sklonost ka nezgodama, a da pri tome nije poznato

vozačko iskustvo, učestvovanje u saobraćajnim nezgodama, itd. Potencijalna

primena ovog modela mogla bi biti višestruka, npr. kao deo procesa testiranja

profesionalnihvozačaprilikomselekcijezazaposlenje.

Ulazne varijable sistema odnose se na skorove postignute na instrumentima za

procenu ličnosti koji su prethodno opisani: BIS‐11 upitnik za procenu

impulsivnosti(Pattonetal.1995),ADBQupitnikzaprocenuagresivnogponašanja

u vožnji (Brill et al. 2011), Manchester DAQ upitnik za procenu rizika u vožnji

(Parker i sar., 1996), kao i upitnik za samoprocenu sopstvenih vozačkih

sposobnosti (Tronsmoen, 2008). Izlazna varijabla jeste broj nezgoda koji je

doživeo ispitanik, tj. procena sklonosti ka učestvovanju u saobraćajnim

nezgodama.

Instrumentizaprocenuličnosti,iakokaorezultatdajupreciznuvrednostusmislu

postignutogskora,sadržeusebiodređenudozurasplinutosti ineodređenosti jer

suzasnovaninasamoizveštajimakojimogusadržatiisocijalnopoželjneodgovore

utrenutkutestiranja.Takođe,predviđanjebrojasaobraćajnihnezgodaukojimaje

ispitanik učestvovao predstavlja složen zadatak koji može zavisiti, pored

psihološkihkarakteristikavozača,iodnekihnezavisnihokolnosti,teseiusmislu

izlazne promenljive može govoriti o varijabli koja sadrži određen stepen

neodređenosti i rasplinutosti (na primer, u smislu definisanja šta će se

podrazumevati pod saobraćajnom nezgodom i koje su njene karakteristike i


174

posledice).Naosnovunavedenog,možesezaključitidabivrlopogodanmetodza

formiranje predloženog modela u ovom poglavlju disertacije bio fazi logika, tj.

uvođenjefazilogičkogsistema.

10.1Osnoveteorijefaziskupovaifazilogike

Začetnik teorije fazi skupova je američki profesor Lotfi Zadeh. Definiše je kao

teoriju za matematičko opisivanje ljudskih percepcija, računanje iskazima ili

rečima i aproksimativno poznatim veličinama, kao i za prihvatanje i obradu

parcijalnihistinaprisutnihukomunikacijiizmeđuljudi(Zadeh,1965).

Osnovnarazlikaizmeđuklasičneiteorijefaziskupova,jeupripadnostielemenata

skupu. Klasična teorija podrazumeva pripadnost ili nepripadnost skupu (stepeni

pripadnostielementa imajuvrednost1 ili0),odnosnostrogugranicuskupa.Fazi

skupovisubezstriktnegranice iodređenisu funkcijompripadnostikojasvakom

elementu dodeljuje odgovarajući stepen pripadnosti (vrednosti od 0 do 1) fazi

skupu(TeodorovićiŠelmić,2012).

Ako posmatramo fazi skup F, tada funkcija pripadnosti koja definiše stepene

pripadnostielementaxskupuF,moradazadovoljinejednakost(10.1):

0 1∀ ∈ (10.1)

FaziskupFsemožezapisatikaoskupuređenihparova:F={x, (x)},gdeje (x)

stepenpripadnostielementaxskupuF.Akojevrednoststepenapripadnostiveća,

značidajevećaiistinitosttvrdnjedaposmatranielementpripadafaziskupuF.

Ukoliko postoji informacija o određenoj subjektivnoj proceni, npr. da je neka

vrednost„otprilike5“,možesepredstavitifaziskupom,odnosnofazibrojem(slika

10.1). Na ovaj način, subjektivne procene okarakterisane brojnom vrednošću i

prikazane fazi skupovima, mogu se posmatrati kao fazi (rasplinuti) brojevi.

Tačnije, pod fazi brojem se podrazumeva fazi skup koji je konveksan i


175

normalizovan(bar jedanelementskupa imavrednoststepenapripadnosti1).To

značidasusvifazibrojevifaziskupovi,alifaziskupnemorabitiifazibroj.

Slika10.1.Funkcijapripadnostifazibroja„otprilike5“

U brojnim aktivnostima, eksperti manipulišu subjektivnim procenama,

nepreciznim veličinama i nedovoljno jasnim lingvističkim informacijama pri

donošenju odluka. Na osnovu ove činjenice, Lotfi Zadeh je došao na ideju da se

kroz fazi teoriju razvije model za donošenje odluka, koji je zasnovan na

nepreciznim,kvalitativnimpodacimaiopisnimlingvističkimpravilima.Pokazaoje

da se na osnovu rasplinutih logičkih tvrđenja i rasplinutih podataka mogu

generisati algoritmi, na osnovu kojih se mogu izvlačiti rasplinuti zaključci

(Teodorović i Šelmić, 2012). Iz želje da se modelira ljudsko iskustvo, intuicija i

ponašanje u procesu donošenja odluka nastali su fazi logički sistemi

(Zimmermann,1991).

10.1.1 Fazilogičkisistemi

Fazi logičkisistempredstavljanelinearnopreslikavanjevektoraulaznihpodataka

u izlaznu vrednost (Mendel, 1995). Izražena je upotreba u oblasti inteligentnih

kontrolnih sistema za donošenje zaključaka zasnovanih na nepreciznim,

lingvističkimulaznimi izlaznimpromenljivama.Fazi logičkisistemseu literaturi

može naći i pod drugimnazivima: fazi sistem, fazi ekspertski sistem, fazi logički

regulator,fazimodeliranje,sistembazirannafazipravilima.

2 4 5 6 8

1

x0


176

Fazisistemčinečetiriosnovnaelementa(slika10.2):fazipravila(eng.fuzzyrules),

fazifikator (eng. fuzzifier), mašina zaključivanja (eng. inference engine) i

defazifikator(eng.defuzzifier)(TeodorovićiŠelmić,2012).

Slika10.2.Osnovnielementifazilogičkogsistema(TeodorovićiŠelmić,2012)

Ulazi u fazi logički sistem mogu biti numeričke vrednosti ili lingvističke

promenljive. Fazifikator ima funkciju preslikavanja numeričkih vrednosti u fazi

skupove,alingvističkihpromenljivihufazibrojeve.

Fazi pravila predstavljaju znanje eksperta koji upravlja određenim procesom ili

izvršavanekizadatakizoblastikojajeodinteresa.Skupfazipravilačinibazufazi

pravila.Brojnisunačinizagenerisanjefazipravila.Najčešćesekoristerazgovorii

intervjui sa ekspertima, posmatranje operatora i statističkih pokazatelja, kao i

proučavanje donetih odluka, zatim generisanje pravila na osnovu numeričkih

podataka ili kombinacijom dostupnih numeričkih podataka i znanja eksperata –

WangMendelovmetod(Teodorović iŠelmić,2012).Fazipravilasuzasnovanana

principu“Ako‐Tada”(eng.“If‐Then”):

If isAand isBthenyisC.

Mašinazaključivanjadefinišenačinnakojisekombinujupravila.Fazirezonovanje

(aproksimativno rezonovanje) ili uopšteni modus ponens predstavlja način

donošenjazaključaka izpretpostavki,kadasu lingvistički izrazipredstavljeni fazi

skupovima.

Fazifikator

Pravila

Mašina zaključivanja

Defazifikator

Ulazne promenljive

Izlazne promenljive


177

Defazifikatoromogućujeprocesdefazifikacije,kojiseodnosinadobijanjerezultata

iz fazi skupa, u vidu tačno jedne vrednosti. Postoji više različitih metoda

defazifikacije, a najpoznatija i najčešće primenjivana jeste metoda određivanja

centragravitacijedobijenepovršineograničenerezultujućimfaziskupom.

10.1.2WangMendelovmetodzagenerisanjefazipravila

Urazgovorusaekspertimasedobijajuznačajnelingvističkeinformacije,međutim

oninisuuveku stanjuda iskažusva svoja znanja i iskustvo,kojebipomoglopri

kreiranju lingvističkih pravila. Na taj način, često dolazi do gubitka određenih

bitnihinformacija.

Sa druge strane, dostupne numeričke vrednosti iz određenog sistema, za

generisanje fazi pravila uglavnom nisu dovoljne, jer ne obuhvataju sve moguće

situacije koje se mogu pojaviti (Teodorović i Šelmić, 2012). Najbolje rešenje za

generisanje fazi pravila obuhvata i lingvističke informacije eksperata i dostupne

numeričkevrednosti(WangiMendel,1992).

Prvi korak se odnosi na definisanje ulaznih i izlaznih promenljivih, određuju se

njihovi domeni, a zatim se vrši podela domena na intervale. Često su domeni

promenljivihpodeljeninarazličitbrojintervala.

Udrugomkorakusekreirajufazipravilanaosnovunumeričkihpodataka.Zasvaki

odulazno‐izlaznihparova seodređuje stepenpripadnosti fazi skupovimakoji su

definisani na intervalima. Razmatrane vrednosti se pridružuju fazi skupovima

kojima pripadaju sa najvećim stepenom pripadnosti. Nakon toga se iz svakog

ulazno‐izlaznogparapodatakagenerišepojednopravilo.Jasnojedaćeistiilislični

parovi ulazno‐izlaznihpodataka generisati isto fazi pravilo.U nekim slučajevima

dolazidopojavekonfliktnihpravila,kojaimajuistiIf,arazličitThendeo.Izskupa

konfliktnihpravila, sebira jednokojeulazi u finalnubazu. Izbor se vrši pomoću

izračunavanjastepenapravilaD,kojezapravilo‐Pravilo1:If isAand isB

thenyisC,iznosi:


178

D(Pravilo1)= (10.2)

UbazusešaljepravilosavećomvrednošćustepenapravilaD.Analizomsemože

uočiti da su određeni parovi podataka veoma reprezentativni i važni, a drugi

potpuno beznačajni, neki odnjih nastali greškomprimerenju ili prikupljanju. Iz

definisanihrazlogamožesesvakomparupodatakapridružitistepenuverenostiu

ispravnost i korisnost podataka – m. Na taj način parovi podataka mogu da

formiraju fazi skup korisnih podataka i da mu pripadaju sa odgovarajućim

stepenompripadnosti.Ukoliko se koristi vrednostm, stepenpravila iz jednačine

(10.2)postaje:

D(Pravilo1)= (10.3)

Kao što je rečeno, raspoloživi parovi podataka najčešće nisu dovoljni da pokriju

sve različite situacije koje mogu da se dese u određenim sistemima. Baza fazi

pravila može biti dopunjena dodatnim fazi pravilima generisanim od strane

eksperta,kojiuzimajuaktivnoučešće iprilikomselekcijepodataka(Teodorović i

Šelmić,2012).

10.2Pregledliteratureizoblastifazilogikeirešavanjasaobraćajnih

problema

U literaturi se sreću različiti složeni problemi, koji su rešavani primenom fazi

logike. Jedan od najpoznatjih primera jeste fazi logički kontroler, koji služi za

upravljanjeradomlaboratorijskeparnemašine(MamdaniiAssilian,1975).Nakon

toga brojni autori se bave kreiranjem fazi logičkih kontrolera sa primenama u

različitim oblastima. Tokom osamdesetih godina, u Japanu se pojavilo mnoštvo

primenafazilogike,adevedesetihgodinasusenasvetskomtržištupojavilibrojni

proizvodi visoke tehnologije iz ove zemlje, u čijem su funkcionisanju značajno

mestozauzimalifazikontroleri.Oviproizvodisuimaliznatnoboljekarakteristike

odsličnihkojinisuzasnovaninafazilogici(TeodorovićiŠelmić,2012).


179

U oblasti saobraćaja, fazi logika, je primenjivana na problem upravljanja:

izolovanomsignalisanomraskrsnicom(Pappis iMamdani,1977),saobraćajemna

auto‐putu(SasakiiAkiyama,1986),ulivnimrampamanaauto‐putu(Cheniostali,

1990), tokovima u vazdušnom saobraćaju (Teodorović i Babić, 1993),

dispečiranjem brodova u rečnom saobraćaju (Vukadinović i Teodorović, 1994).

Devedesetih godina, fazi logika je primenjena i na probleme izbora rute

(Teodorović iKikuchi,1990).ČetirigodinekasnijeTeodorovićiKikuchi(1994)u

svojojknjiziopisujuprimenuteorijefaziskupovauoblastisaobraćaja.

Uoblastianalizeipredikcijesaobraćajnihnezgoda,primenafazilogikesemožese

naći u više radova. Driss i ostali (2015) predložili su model za predikciju

saobraćajnihnezgodazasnovannaanalizikarakteristikaputaiprimenifazilogike.

Za analizu karakteristika puta, koristili su 14 parametara koji su svrstali u 4

kategorije:geometrijskekarakteristikeputa,putnookruženje,opremljenostputa,

kao i karakteristike vozila i saobraćajnih tokova. Model je testiran na primeru

putnemrežeAlžira.Effati iostali (2012)supredložilimodelzaprocenuopasnih

mesta na putu primenom fazi logike posmatranjem karakteristika puta

korišćenjemgeografskoginformacionogsistema.

Chongiostali(2013)sukoristilifazilogikuiveštačkeneuronskemrežezaprocenu

ponašanja vozača u situaciji sleđenja vozila. Kao ulazne varijable koristili su

relativnoodstojanjeodvozilaispred,relativnubrzinuuodnosunavoziloispredi

apsolutnu brzinu, ubrzanje i ugao skretanja. Sličnu metodologiju koristili su

Hosseinpour i ostali (2013) zapredikciju saobraćajnihnezgoda,pri čemusukao

ulaznevarijablekoristilikarakteristikeputaiokolineputa.

U literaturi se mogu naći primeri primene fazi logike za analizu i predikciju

saobraćajnih nezgoda i u ostalim vidovima saobraćaja. Lower i ostali (2016) su

analizirali verovatnoću da se incidentne situacije u vazdušnom saobraćaju

pretvore u sabraćajnu nezgodu. Ulazne varijable u fazi logički sistem bile su:

veštine pilota i kontrole leta, obim vazdušnog saobraćaja, vremenski uslovi,

aerodromskeprocedureigeometrijaaerodroma.Zamaniostali(2014)susebavili


180

detekcijom opasnih mesta ocenom rizika u vodnom saobraćaju analizirajući

Malaccamoreuzuzpomoćgeografskoginformacionogsistema.

Međutim, pregledom literature na servisu Thompson Reuters Web od Science

(2017) nisu pronađeni primeri analize i predikcije saobraćajnih nezgoda

korišćenjeminstrumenatazaprocenukarakteristikaličnosti iprimenifazi logike.

Upravo je to biomotiv da se u ovoj doktorskoj disertaciji predložimodel koji bi

sublimiraonavedenadvafenomena.

10.3Modelizaprocenusklonostikasaobraćajnimnezgodama

Kao što je već pomenuto, ulazne varijable fazi logičkih sistema odnose se na

skorove postignute na instrumentima za procenu ličnosti: ADBQ upitnik za

procenuagresivnogponašanjauvožnji,BIS‐11upitnikzaprocenu impulsivnosti,

ManchesterDAQupitnikzaprocenurizikauvožnji,kaoiupitnikzasamoprocenu

sopstvenih vozačkih sposobnosti. Modeli koji se testiraju mogu biti samo sa

jednom ulaznom varijablom koju predstavlja jedan od pomenutih skorova, ili sa

dvevarijablekojepredstavljajunekadvaodpomenutih skorova, ili sa tri ulazne

varijablekojepredstavljajunekatriodpomenutihskorova,ilikonačno,testirasei

modelkojiimačetiriulaznevarijablekojeseodnosesasvačetiripomenutaskora.

Izlaznavarijablausvimslučajevimajestebrojnezgodakojijedoživeoispitanik,tj.

procenasklonostikaučestvovanjuusaobraćajnimnezgodama.Pridefinisanjufazi

skupova i odgovarajućih fazi pravila korišćena je baza podataka o postignutim

skorovimanapomenutimpsihološkihinstrumentimaibrojnezgodakojijedoživeo

svakiod305 ispitanika izuzorkakoji jeprethodnovećopisanuovojdoktorskoj

disertaciji. Dakle, korišćeni podaci se mogu tabelarno predstaviti kao što je

prikazanoutabeli10.1.(Čubranić‐DobrodolaciČičević,2017a)

Računarski program koji je korišćen u svrhu definisanja fazi logičkog sistema i

odgovarajućihproračunajesteMatlabverzijaR2013a.


181

Tabela10.1.Bazaulaznihiizlaznihpodataka

Ispitanik

Skorna

ADBQ

upitniku

(agresivnost)

SkornaBIS‐11

upitniku

(impulsivnost)

Skorna

Manchester

DAQ

upitniku

(rizik)

Skorna

upitnikuza

samoprocenu

sopstvenih

vozačkih

sposobnosti

(samoprocena)

Broj

nezgoda

(nezgode)

1. 66 76 69 41 8

2. 50 60 55 73 0

3. 43 62 52 70 0

4. 40 63 59 63 0

5. 35 60 62 83 0

6. 48 64 62 69 0

7. 61 76 46 56 3

8. 42 62 62 73 0

9. 54 74 65 44 4

10. 56 75 69 42 5

.... .... .... .... .... ....

.... .... .... .... .... ....

.... .... .... .... .... ....

305. 45 75 55 66 3

Pri definisanju domena funkcija pripadnosti u fazi logičkim sistemima od I do

CCXLII korišćeni su podaci iz istraživanja koje je vezano za ovu doktorsku

disertaciju,doksupridefinisanjufunkcijapripadnostiufazilogičkimsistemimaod

CCXLIIIdoCCLXXIkorišćenidostupnipodaciizodgovarajućeliterature.Konačno,

ufazilogičkomsistemuCCLXXIIkorišćenajekombinacijaovadvapristupa.


182

10.3.1Modelizaprocenusklonostikasaobraćajnimnezgodamaukojimasu

domenifunkcijapripadnostidefinisaninaosnovupodatakaizempirijskog

istraživanjauokvirudoktorskedisertacije

U sekciji 10.3.1 biće testirani različiti fazi logički sistemi čija je zajednička

karakteristikadasudomenifunkcijapripadnostidefinisaninaosnovupodatakaiz

empirijskogistraživanjauokviruovedoktorskedisertacije.

10.3.1.1Modelizaprocenusklonostikasaobraćajnimnezgodamasajednom

ulaznompromenljivomkojaseodnosinaskornaADBQupitnikuzaprocenu

agresivnogponašanjauvožnji

Fazi logički sistemi za procenu sklonosti ka saobraćajnim nezgodama koji se

testirajuuovojsekciji imaju jednuulaznupromenljivukojaseodnosinaskorna

ADBQ upitniku za procenu agresivnog ponašanja u vožnji i jednu izlaznu

promenljivukojaseodnosinabrojnezgoda.Konceptovakvogfazilogičkogsistema

ilustrovanuzpomoćkorišćenogprogramajeprikazannaslici10.3.

Slika10.3.KonceptfazilogičkihsistemaodIdoXV


183

Kao što je već rečeno, domen ulazne promenljive „agresivnost“ je određen

mogućim vrednostima skorova koji su dobijeni u istraživanju primenom

odgovarajućegpsihološkoginstrumenta.Domenizlaznepromenljiveodređenjena

osnovu prijavljenog broja saobraćajnih nezgoda od strane samih ispitanika. Broj

fazi skupova po promenljivama određen je na osnovu procene autora. Koristeći

metod koji su predložili Wang i Mendel (1992), definisana su fazi pravila na

osnovunumeričkihilingvističkihinformacija.

Slika10.4.Podeladomenaulaznepromenljive„Agresivnost“i

odgovarajućefunkcijepripadnostiufazilogičkomsistemuI

Ulazna promenljiva „Agresivnost“ se odnosi na skor koji ispitanik postigne na

ADBQ testu. Može se prikazati pomoću 5 fazi skupova i njihovih funkcija

pripadnosti:VNA–veomaniskaagresivnost,NA–niskaagresivnost,SA–srednja

agresivnost,VA–visokaagresivnost,VVA–veomavisokaagresivnost.Kaoštose

moževidetisaslikauokvirutabele10.3,ainaslici10.4.kojailustrujeprimergde

su funkcije pripadnosti u obliku trougla, fazi skupovi koji opisuju ulaznu

promenljivu„Agresivnost“nepokrivajujednakeintervale,štojerezultatčinjenice

dasuovifaziskupovidefinisaninaosnovuempirijskihpodatakao305ispitanika–

vozača. Na primer, iako je teorijska maksimalna vrednost za skor na testu


184

agresivnosti120,u istraživanjusepokazaloda jemaksimalanpostignut skor76.

Na osnovu toga, moglo bi se zaključiti da se u prosečnoj populaciji vozača vrlo

retko sreću veće vrednosti i da je dakle relativno veliki interval za teorijske

vrednosti skora agresivnosti ostao nepokriven. Zato fazi skup VVA ima najveći

intervalupoređenjusapreostala4 fazi skupa.Sadrugestrane, srednjavrednost

ADBQskorasvih ispitanikakojisuučestvovaliu istraživanju je49,47;naosnovu

čega je vrednost od 50 uzeta kao vrednost fazi skupa SA sa najvećim stepenom

pripadnosti1.

Slika10.5.Podeladomenaizlaznepromenljive„Nezgode“i

odgovarajućefunkcijepripadnostiufazilogičkomsistemuI

Izlaznapromenljiva„Nezgode“seodnosinabrojnezgodakojijedoživeoispitanik.

Možeseprikazatipomoću7faziskupovainjihovihfunkcijapripadnosti:VMBN–

veomamali broj nezgoda,MBN –mali broj nezgoda,SMBN– srednjemali broj

nezgoda,SBN – srednjibrojnezgoda,SVBN–srednjevelikibrojnezgoda,VBN –

velikibrojnezgoda,VVBN–veomavelikibrojnezgoda.Faziskupovikojiopisuju

izlaznupromenljivuuglavnompokrivajujednakeintervale,semVVBNskupakojiu

empirijskom uzorku predstavlja vrlo retku pojavu.Moguće empirijske vrednosti

broja nezgoda kreću se od 0 do 8. U skladu sa navedenim, izlazna varijabla


185

„Nezgode“ je definisana, npr. u slučaju kada su funkcije pripadnosti u obliku

trougla,kaoštojeprikazanonaslici10.5.

Nakondefinisanjafaziskupovaiodgovarajućihfunkcijapripadnostigenerisanaje

baza fazi pravila. Za fazi logički sistem I potrebno je definisati 5 pravila, što je

urađenonasledećinačin:

1.If(AgresivnostisVNA)then(NezgodeisVMBN)

2.If(AgresivnostisNA)then(NezgodeisMBN)

3.If(AgresivnostisSA)then(NezgodeisSBN)

4.If(AgresivnostisVA)then(NezgodeisSVBN)

5.If(AgresivnostisVVA)then(NezgodeisVVBN).

Na osnovu kreiranih pravila, stvorena je mogućnost da se za odgovarajuće

postignute skorove na psihološkom instrumentu dobije očekivani broj

saobraćajnih nezgoda u kojima je učestvovao ispitanik. Na osnovu togamože se

procenitinjegovasklonostkasaobraćajnimnezgodama.Naslici10.6,datjeprimer

dobijanjarešenjanaosnovugenerisanihfazipravila.

Slika10.6.Interfejszaizračunavanjeizlaznepromenljive

naosnovuzadateulaznepromenljiveufazilogičkomsistemuI


186

Uprikazanomprimeru(slika10.6)vrednostulaznepromenljive(skoragresivnosti

= 76) sa najvećim stepenom pripadnosti pripada fazi skupu VA – visoka

agresivnost. Za broj očekivanih saobraćajnih nezgoda se u konkretnom slučaju

dobijasevrednostod4,19.

Tako, na primer, fazi logički sistem I karakterišu funkcije pripadnosti u obliku

trougla,aovajtipfuncijepripadnostiseukorišćenomprogramunazivatrimf(od

triangularmembershipfunction).DabiseispitaloukojojmerifazilogičkisistemI

opisujeempirijskepodatke,unetesuvrednostizaposmatranuulaznuvarijabluza

svakog ispitanika, a dobijeni rezultat o očekivanom broju saobraćajnih nezgoda

(yoi)seupoređujesastvarnimbrojemkojijeodređenivozačdoživeo(ysi).Razlikeu

stvarnomiočekivanombrojusaobraćajnihnezgoda,uapsolutnomiznosu(yi),se

sumiraju (y). Što je vrednost y manja, to posmatrani sistem bolje opisuje

podatke iz empirijskog istraživanja i smatra se prikladnijim sistemom za

izračunavanjesklonostikasaobraćajnimnezgodama.

y | | (10.4)

y y (10.5)

Zaslučaj fazi logičkogsistemaI,dolazisedovrednostiykaošto jeprikazanou

tabeli10.2.

Za razliku od fazi logičkog sistema I, fazi logički sistem II karakterišu funkcije

pripadnostiuoblikutrapezazaulaznupromenljivu,aovajtipfuncijepripadnosti

se u korišćenom programu naziva trapmf (od trapezoidalmembership function).

Izlazna promenljiva „Nezgode“ je definisana kao u fazi logičkom sistemu I. Fazi

pravila u fazi logičkom sistemu II su ista kao u fazi logičkom sistemu I. Ista fazi

pravilavažeizaostalefazilogičkesistemeuovojsekciji,tj.zafazilogičkesisteme

odIdoXV.


187

Tabela10.2.ZbirapsolutnihgrešakazaslučajfazilogičkogsistemaI

Ispitanik Agres. ysi yoi yi

1. 66 8 4,000 4,000

2. 50 0 3,000 3,000

3. 43 0 2,358 2,358

4. 40 0 1,886 1,886

5. 35 0 1,501 1,501

6. 48 0 3,000 3,000

7. 61 3 3,599 0,599

8. 42 0 2,157 2,157

9. 54 4 3,000 1,000

10. 56 5 3,109 1,891

.... .... .... .... ....

.... .... .... .... ....

305. 45 3 3,000 0,000

y 521,969

Fazi logički sistem III karakterišu funkcije pripadnosti u obliku trapeza, kako za

ulaznupromenljivu,takoizaizlaznu.

Fazi logičkisistemIVkarakterišu funkcijepripadnostiuoblikuGausovekrive,ali

samo za ulaznu promenljivu. Ovaj tip funcije pripadnosti se u korišćenom

programu naziva gaussmf (Gaussian distribution curve). Funkcije pripadnosti za

izlaznu varijablu su iste kao u fazi logičkom sistemu I. Fazi logički sistem V

karakterišu funkcije pripadnosti u obliku Gausove krive, kako za ulaznu

promenljivu,takoizaizlaznu.

FazilogičkisistemVIkarakterišufunkcijepripadnostiuoblikudvostraneGausove

krive,tj.upitanjujekrivakojasesastojioddverazličiteGausovekrive,alisamoza

ulaznupromenljivu. Ovajtipfuncijepripadnostiseukorišćenomprogramunaziva

gauss2mf (two‐sidedGaussiandistributioncurve). Funkcijepripadnostiza izlaznu


188

varijablusu istekaoufazi logičkomsistemuI.Fazi logičkisistemVIIkarakterišu

funkcijepripadnostiuoblikudvostraneGausovekrive(gauss2mf),kakozaulaznu


Fazi logički sistem VIII karakterišu funkcije pripadnosti u obliku generalizovane

Belove krive, ali samo za ulaznu promenljivu.Ovaj tip funcije pripadnosti se u

korišćenom programu naziva gbellmf (generalized bell membership function).

FunkcijepripadnostizaizlaznuvarijablusuistekaoufazilogičkomsistemuI.Fazi

logičkisistemIXkarakterišu funkcijepripadnostiuoblikugeneralizovaneBelove

krive(gbellmf),kakozaulaznupromenljivu,takoizaizlaznu.

Fazi logički sistemXkarakterišu funkcijepripadnosti uobliku sigmoidalnekrive

(sigmoid curve) i njenih varijacija, ali samo za ulaznu promenljivu. Sigmoidalna

krivajeotvorenanadesno,štoznačidasemožekoristitisamozakrajnufunkciju

pripadnostisanajvećimvrednostimauokvirudomena.Ovajtipfuncijepripadnosti

seukorišćenomprogramunazivasigmf. Zatvorene funkcijepripadnostimoguse

predstavitikaokombinacijadvesimetričnesigmoidalnekrive(štoseuprogramu

naziva dsigmf) ili kao kombinacija dve asimetrične sigmoidalne krive (što se u

programu naziva psigmf). U fazi logičkom sistemu X za zatvorene funkcije

pripadnosti biće korišćene dve simetrične sigmoidalne krive. Za funkciju

pripadnostikojajeotvorenanalevo,tj.kojapokrivavrednostikojisunajmanjeu

okviru domena, korističe se polinomna kriva Z.Ovaj tip funcije pripadnosti se u

korišćenomprogramunazivazmf.Funkcijepripadnostizaizlaznuvarijablusuiste

kaoufazilogičkomsistemuI.

Fazi logičkisistemXIkarakterišufunkcijepripadnostiuoblikusigmoidalnekrive

(sigmoidcurve)injenihvarijacija,korišćenjemfunkcijasigmf,dsigmfizmf,kakoza

ulaznupromenljivu,takoizaizlaznu.

FazilogičkisistemXIIkarakterišufunkcijepripadnostiuoblikusigmoidalnekrive

(sigmoid curve) i njenih varijacija, ali samo za ulaznu promenljivu. Za zatvorene

funkcije pripadnosti u ovom sistemu se koristi kombinacija dve asimetrične


189

sigmoidalnekrive(štoseuprogramunazivapsigmf).Zafunkcijupripadnostikoja

jeotvorenana levo, tj.kojapokrivavrednostikojisunajmanjeuokvirudomena,

korističesepolinomnakrivaZ.Funkcijepripadnostizaizlaznuvarijablusuistekao

ufazilogičkomsistemuI.FazilogičkisistemXIIIkarakterišufunkcijepripadnostiu

oblikusigmoidalnekrivesigmf,psigmfizmf,kakozaulaznupromenljivu,takoiza

izlaznu.

FazilogičkisistemXIVkarakterišufunkcijepripadnostiuoblikupolinomnihkrivih

(polynomialbasedcurves), ali samozaulaznupromenljivu.Tripovezane funkcije

pripadnostisuZ,SiPi,kojesunazvaneposvojimoblicima.Zfunkcijapripadnosti

je otvorena na levo i ima oznaku u programu zmf, S funkcija pripadnosti je

otvorena na desno i ima oznaku u programu smf, Pi funkcija pripadnosti je

zatvorenaiimaoznakupimf.Funkcijepripadnostizaizlaznuvarijablusuistekaou

fazi logičkomsistemu I.Fazi logički sistemXVkarakterišu funkcijepripadnostiu

oblikupolinomnihkrivihZ,SiPi,kakozaulaznupromenljivu,takoizaizlaznu.

Načinnakojijedefinisansvakiodtestiranihfazilogičkihsistemauovojsekciji,kao

irešenjausmisluvrednostizaysuprikazanautabeli10.3.

Tabela10.3.ZbirapsolutnihgrešakafazilogičkihsistemaodIdoXV

Fazilogički

sistem

(ulaznafunkcija

pripadnosti–

izlaznafunkcija

pripadnosti)

Ulaznapromenljiva Izlaznapromenljiva yi

I(trimf–trimf)

521,969


190

II(trapmf–

trimf)

525,831

III(trapmf–

trapmf)

525,670

IV(gaussmf–

trimf)

518,062

V(gaussmf–

gaussmf)

519,253

VI(gauss2mf–

trimf)

524,443

VII(gauss2mf–

gauss2mf)

524,253


191

VIII(gbellmf–

trimf)

530,503

IX(gbellmf–

gbellmf)

530,159

X((zmf,dsigmf,

sigmf)–trimf)

528,198

XI((zmf,dsigmf,

sigmf)–(zmf,

dsigmf,sigmf))

525,711

XII((zmf,psigmf,

sigmf)–trimf)

528,163

XIII((zmf,

psigmf,sigmf)–

(zmf,psigmf,

sigmf))

535,705


192

XIV((zmf,pimf,

smf)–trimf)

528,757

XV((zmf,pimf,

smf)–(zmf,pimf,

smf))

528,304

Modeliod IdoXV imajuzajedničkukarakteristikuda jeulazna varijabla skorna

ADBQupitnikuzaprocenuagresivnogponašanjauvožnji,aizlaznabrojnezgoda.U

tabeli10.3prikazanisurezultatitestiranjafazilogičkihsistemaodIdoXVusmislu

ukupne greške koju posmatrani sistemi čine kroz izlazni rezultat u odnosu na

realnepodatkeizistraživanja.Naslici10.7.prikazanjegrafikonnakojemsevide

odnosiizmeđupojedinihfazilogičkihsistemausmisluukupnegreškey.

Slika10.7.Ukupnegreškefazilogičkihsistemakod kojih jeulaznavarijablaskorna

ADBQupitnikuzaprocenuagresivnogponašanjauvožnji(odIdoXV)

505

510

515

520

525

530

535

540

I II III IV V VI VII VIII IX X XI XII XIII XIV XV

UkupnegreškesistemaodIdoXV


193

Kada jerečo fazi logičkimsistemimaodIdoXV,poređenjemdobijenihrezultata

može se zaključiti da najbolje rezultate daje fazi logički sistem IV koji za ulaznu

varijablu agresivnost koristi funkcije pripadnosti u obliku Gausove krive, a za

izlaznuvarijablunezgodekoristifunkcijepripadnostitrouglastogoblika.


ulaznompromenljivomkojaseodnosinaskornaBIS‐11upitnikuzaprocenu

impulsivnosti



BIS‐11 upitniku za procenu impulsivnosti i jednu izlaznu promenljivu koja se

odnosi na broj nezgoda. Koncept ovakvog fazi logičkog sistema ilustrovan uz

pomoćkorišćenogprogramajeprikazannaslici10.8.

Slika10.8.KonceptfazilogičkihsistemaodXVIdoXXX

Domen ulazne promenljive „impulsivnost“ je određen mogućim vrednostima

skorova koji su dobijeni u istraživanju primenom odgovarajućeg psihološkog

instrumenta.Domen izlaznepromenljive određen je kao i uprethodnoopisanim


194

fazilogičkimsistemima.Brojfaziskupovapopromenljivamaodređenjenaosnovu

procene autora. Koristeći metod koji su predložili Wang i Mendel (1992),

definisanasufazipravilanaosnovunumeričkihilingvističkihinformacija.

Ulazna promenljiva „Impulsivnost“ se može prikazati pomoću 5 fazi skupova i

njihovih funkcija pripadnosti: VNI – veoma niska impulsivnost, NI – niska

impulsivnost, SI – srednja impulsivnost,VI – visoka impulsivnost,VVI – veoma

visokaimpulsivnost. Primerzaslučajtrouglastihfunkcijapripadnostiprikazanje

na slici 10.9. Kao što se može primetiti, fazi skupovi koji opisuju ulaznu

promenljivu „Impulsivnost“ ne pokrivaju jednake intervale. Moguće teorijske

vrednostiskoraimpulsivnostikrećuseod30do120.Međutim,empirijskipodaci

pokazali su da se skor kreće u granicama od 49 do 86. Srednja vrednost BIS‐11

skorasvihispitanikakojisuučestvovaliuistraživanjuje68,44;naosnovučegaje

vrednost od 68,5 uzeta kao vrednost fazi skupa SI sa najvećim stepenom

pripadnosti1.Uskladusanavedenim,ulaznavarijabla„Impulsivnost“jedefinisana

kao što je prikazano na slici 10.9. Izlazna varijabla je definisano isto kao u fazi

logičkomsistemuI.

Slika10.9.Podeladomenaulaznepromenljive„Impulsivnost“i

odgovarajućefunkcijepripadnostiufazilogičkomsistemuXVI


195


baza fazi pravila. Za fazi logičke sisteme od XVI do XXX potrebno je definisati 5

pravila,štojeurađenonasledećinačin:

1.If(ImpulsivnostisVNI)then(NezgodeisVMBN)

2.If(ImpulsivnostisNI)then(NezgodeisMBN)

3.If(ImpulsivnostisSI)then(NezgodeisSBN)

4.If(ImpulsivnostisVI)then(NezgodeisSVBN)

5.If(ImpulsivnostisVVI)then(NezgodeisVVBN).




proceniti njegova sklonost ka saobraćajnimnezgodama.Da bi se ispitalo u kojoj

meri fazi logički sistem XVI opisuje empirijske podatke, kao u prethodnim fazi

logičkim sistemima, biće izračunata suma apsolutnih grešaka (y) između

dobijenogrešenjaprimenomfazilogičkogsistemaistvarnogbrojanezgodakojije

doziveoispitanik.

Fazi logički sistem XVI karakterišu funkcije pripadnosti u obliku trougla (trimf).

FazilogičkisistemXVIIkarakterišufunkcijepripadnostiuoblikutrapeza(trapmf),

ali samo za ulaznu promenljivu. Fazi logički sistem XVIII karakterišu funkcije

pripadnostiuoblikutrapeza,kakozaulaznupromenljivu,takoizaizlaznu.Ulazna

je definisana identično kao u fazi logičkom sistemu XVII, a izlazna kao u fazi

logičkomsistemuIII.

FazilogičkisistemXIXkarakterišufunkcijepripadnostiuoblikuGausovekrive,ali

samozaulaznupromenljivu(gaussmf).Funkcijepripadnostizaizlaznuvarijablusu

iste kao u fazi logičkom sistemu I. Fazi logički sistem XX karakterišu funkcije

pripadnostiuoblikuGausovekrive(gaussmf),kakozaulaznupromenljivu, takoi

zaizlaznu. UlaznajedefinisanaidentičnokaoufazilogičkomsistemuXIX,aizlazna

kaoufazilogičkomsistemuV.


196

Fazi logički sistem XXI karakterišu funkcije pripadnosti u obliku dvostrane

Gausovekrive,tj.upitanjujekrivakojasesastojioddverazličiteGausovekrive,ali

samozaulaznupromenljivu(gauss2mf). Funkcijepripadnostizaizlaznuvarijablu

suistekaoufazi logičkomsistemuI.Fazi logičkisistemXXIIkarakterišufunkcije

pripadnosti u obliku dvostrane Gausove krive (gauss2mf), kako za ulaznu

promenljivu, tako i za izlaznu.Ulazna jedefinisana identičnokaou fazi logičkom

sistemuXXI,aizlaznakaoufazilogičkomsistemuVII.

Fazi logičkisistemXXIIIkarakterišu funkcijepripadnostiuoblikugeneralizovane

Belove krive, ali samo za ulaznu promenljivu (gbellmf). Funkcije pripadnosti za

izlaznu varijablu su iste kao u fazi logičkom sistemu I. Fazi logički sistem XXIV

karakterišu funkcije pripadnosti u obliku generalizovane Belove krive (gbellmf),

kakozaulaznupromenljivu,takoizaizlaznu.Ulaznajedefinisanaidentičnokaou

fazilogičkomsistemuXXIII,aizlaznakaoufazilogičkomsistemuIX.

FazilogičkisistemXXVkarakterišufunkcijepripadnostiuoblikusigmoidalnekrive

sigmf,dsigmfizmf,alisamozaulaznupromenljivu.Funkcijepripadnostizaizlaznu

varijablusuistekaoufazilogičkomsistemuI.FazilogičkisistemXXVIkarakterišu

funkcijepripadnostiuoblikusigmoidalnekrivesigmf,dsigmfizmf,kakozaulaznu


sistemuXXV,a izlaznakaoufazi logičkomsistemuXIkorišćenjemfunkcijasigmf,

dsigmfizmf.

Fazi logički sistem XXVII karakterišu funkcije pripadnosti u obliku sigmoidalne

krivesigmf,psigmf izmf,alisamozaulaznupromenljivu.Funkcijepripadnostiza

izlaznuvarijablu su iste kaou fazi logičkomsistemu I. Fazi logički sistemXXVIII

karakterišu funkcijepripadnostiuobliku sigmoidalnekrive (sigmf,psigmf izmf),


fazilogičkomsistemuXXVII,aizlaznakaoufazilogičkomsistemuXIII,korišćenjem

funkcijasigmf,psigmfizmf.


197

Fazi logički sistem XXIX karakterišu funkcije pripadnosti u obliku polinomnih

krivih (polynomial based curves), ali samo za ulaznu promenljivu. Funkcije

pripadnostiza izlaznuvarijablusu istekaoufazi logičkomsistemuI.Fazi logički

sistemXXXkarakterišu funkcije pripadnosti u oblikupolinomnih krivih Z, S i Pi,


fazilogičkomsistemuXXIX,aizlaznakaoufazilogičkomsistemuXV,korišćenjem

funkcijazmf,smfipimf.



Tabela10.4.ZbirapsolutnihgrešakafazilogičkihsistemaodXVIdoXXX

Fazilogičkisistem

(ulaznafunkcijapripadnosti

–izlaznafunkcija

pripadnosti)

Ulaznapromenljiva yi

XVI(trimf–trimf) 512,537

XVII(trapmf–trimf) 512,369

XVIII(trapmf–trapmf) 512,171


198

XIX(gaussmf–trimf) 520,617

XX(gaussmf–gaussmf) 521,118

XXI(gauss2mf–trimf) 514,180

XXII(gauss2mf–gauss2mf) 514,291

XXIII(gbellmf–trimf) 522,659

XXIV(gbellmf–gbellmf) 522,482


199

XXV((zmf,dsigmf,sigmf)–

trimf) 524,661

XXVI((zmf,dsigmf,sigmf)–

(zmf,dsigmf,sigmf)) 525,008

XXVII((zmf,psigmf,sigmf)–

trimf) 524,607

XXVIII((zmf,psigmf,sigmf)

–(zmf,psigmf,sigmf)) 524,937

XXIX((zmf,pimf,smf)–

trimf) 513,044

XXX((zmf,pimf,smf)–(zmf,

pimf,smf)) 512,848

ModeliodXVIdoXXXimajuzajedničkukarakteristikuda jeulaznavarijablaskor

naBIS‐11upitnikuzaprocenuimpulsivnosti,aizlaznabrojnezgoda.Utabeli10.4


200

prikazani su rezultati testiranja fazi logičkih sistema od XVI do XXX u smislu

ukupne greške koju posmatrani sistemi čine kroz izlazni rezultat u odnosu na

realnepodatkeizistraživanja.Naslici10.10.prikazanjegrafikonnakojemsevide

odnosiizmeđupojedinihfazilogičkihsistemausmisluukupnegreškey.

Slika10.10.Ukupnegreškefazilogičkihsistemakod kojih je ulaznavarijablaskorna

BIS‐11upitnikuzaprocenuimpulsivnosti(odXVIdoXXX)

Kada je reč o fazi logičkim sistemima od XVI do XXX, poređenjem dobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemXVIIIkoji

koristitrapezoidneoblikefunkcijapripadnosti,kakozaulaznuvarijablu,takoiza

izlaznu.


ulaznompromenljivomkojaseodnosinaskornaManchesterDAQupitniku

zaprocenurizikauvožnji



ManchesterDAQupitniku zaprocenu rizikauvožnji i jednu izlaznupromenljivu

504506508510512514516518520522524526

UkupnegreškesistemaodXVIdoXXX


201

kojaseodnosinabrojnezgoda.Konceptovakvogfazi logičkogsistemailustrovan

uzpomoćkorišćenogprogramajeprikazannaslici10.11.

Domenulaznepromenljive„Rizik“jeodređenmogućimvrednostimaskorovakoji

su dobijeni u istraživanju primenom odgovarajućeg psihološkog instrumenta.

Domen izlaznepromenljive određen je kao i uprethodnoopisanim fazi logičkim

sistemima. Broj fazi skupova po promenljivama određen je na osnovu procene

autora.KoristećimetodkojisupredložiliWangiMendel(1992),definisanasufazi

pravilanaosnovunumeričkihilingvističkihinformacija.

Slika10.11.KonceptfazilogičkihsistemaodXXXIdoXLV

Ulaznapromenljiva„Rizik“seodnosinaskorkojiispitanikpostignenaManchester

DAQ upitniku. Može se prikazati pomoću 5 fazi skupova i njihovih funkcija

pripadnosti:VNR – veoma nizak rizik,NR – nizak rizik,SR– srednji rizik,VR –

visok rizik, VVR – veoma visok rizik. Primer za slučaj trouglastih funkcija

pripadnostiprikazan jena slici10.12. Iuovomslučaju, fazi skupovikojiopisuju

ulaznu promenljivu „Rizik“ ne pokrivaju jednake intervale. Moguće teorijske

vrednostiskorakojiseodnosinarizikkrećuseod20do100.Međutim,empirijski

podaci pokazali su da se skor kreće u granicama od 24 do 83. Srednja vrednost


202

skora rizikasvih ispitanikakoji suučestvovaliu istraživanju je62,52;naosnovu

čega jevrednostod62,5uzetakaovrednost faziskupaSRsanajvećimstepenom

pripadnosti1.Uskladusanavedenim,ulaznavarijabla„Rizik“jedefinisanakaošto

jeprikazanonaslici10.12. Nakondefinisanjafaziskupovaiodgovarajućihfunkcija

pripadnostigenerisanajebazafazipravila.ZafazilogičkesistemeodXXXIdoXLV

potrebnojedefinisati5pravila,štojeurađenonasledećinačin:

1.If(RizikisVNR)then(NezgodeisVMBN)

2.If(RizikisNR)then(NezgodeisMBN)

3.If(RizikisSR)then(NezgodeisSBN)

4.If(RizikisVR)then(NezgodeisSVBN)

5.If(RizikisVVR)then(NezgodeisVVBN).

Slika10.12.Podeladomenaulaznepromenljive„Rizik“i

odgovarajućefunkcijepripadnostiufazilogičkomsistemuXXXI




proceniti njegova sklonost ka saobraćajnimnezgodama.Da bi se ispitalo u kojoj


203

meri fazi logički sistem XXXI opisuje empirijske podatke, kao u prethodnim fazi

logičkim sistemima, biće izračunata suma apsolutnih grešaka (y) između

dobijenogrešenjaprimenomfazilogičkogsistemaistvarnogbrojanezgodakojije

doziveoispitanik.

Fazi logičkisistemXXXIkarakterišu funkcijepripadnostiuobliku trougla(trimf).

Fazi logički sistem XXXII karakterišu funkcije pripadnosti u obliku trapeza

(trapmf), ali samo za ulaznu promenljivu. Izlazna promenljiva „Nezgode“ je

definisana kao u fazi logičkom sistemu I. Fazi logički sistem XXXIII karakterišu

funkcijepripadnostiuoblikutrapeza,kakozaulaznupromenljivu,takoizaizlaznu.

FazilogičkisistemXXXIVkarakterišufunkcijepripadnostiuoblikuGausovekrive,

alisamozaulaznupromenljivu(gaussmf).Funkcijepripadnostizaizlaznuvarijablu

suistekaoufazilogičkomsistemuI.FazilogičkisistemXXXVkarakterišufunkcije

pripadnostiuoblikuGausovekrive(gaussmf),kakozaulaznupromenljivu, takoi

za izlaznu. Ulazna je definisana identično kao u fazi logičkom sistemu XXXIV, a

izlaznakaoufazilogičkomsistemuV.

Fazi logički sistem XXXVI karakterišu funkcije pripadnosti u obliku dvostrane

Gausovekrive,tj.upitanjujekrivakojasesastojioddverazličiteGausovekrive,ali

samozaulaznupromenljivu(gauss2mf). Funkcijepripadnostizaizlaznuvarijablu

su iste kao u fazi logičkom sistemu I. Fazi logički sistem XXXVII karakterišu

funkcijepripadnostiuoblikudvostraneGausovekrive(gauss2mf),kakozaulaznu


sistemuXXXVI,aizlaznakaoufazilogičkomsistemuVII.

Fazi logički sistem XXXVIII karakterišu funkcije pripadnosti u obliku

generalizovaneBelovekrive,alisamozaulaznupromenljivu(gbellmf).Fazilogički

sistem XXXIX karakterišu funkcije pripadnosti u obliku generalizovane Belove

krive(gbellmf),kakozaulaznupromenljivu,takoizaizlaznu.Ulaznajedefinisana

identično kao u fazi logičkom sistemu XXXVIII, a izlazna kao u fazi logičkom

sistemuIX.


204

FazilogičkisistemXLkarakterišufunkcijepripadnostiuoblikusigmoidalnekrive

(sigmf, dsigmf i zmf), ali samo za ulaznu promenljivu. Funkcije pripadnosti za

izlaznu varijablu su iste kao u fazi logičkom sistemu I. Fazi logički sistem XLI

karakterišu funkcijepripadnostiuobliku sigmoidalnekrive (sigmf,dsigmf izmf),


fazi logičkom sistemu XL, a izlazna kao u fazi logičkom sistemu XI korišćenjem

funkcijasigmf,dsigmfizmf.

FazilogičkisistemXLIIkarakterišufunkcijepripadnostiuoblikusigmoidalnekrive

(sigmf, psigmf i zmf), ali samo za ulaznu promenljivu. Funkcije pripadnosti za

izlaznu varijablu su iste kao u fazi logičkom sistemu I. Fazi logički sistem XLIII



fazilogičkomsistemuXLII,aizlaznakaoufazilogičkomsistemuXIII,korišćenjem


Fazi logički sistem XLIV karakterišu funkcije pripadnosti u obliku polinomnih

krivih (polynomial based curves), ali samo za ulaznu promenljivu. Funkcije

pripadnostiza izlaznuvarijablusu istekaoufazi logičkomsistemuI.Fazi logički

sistemXLVkarakterišu funkcije pripadnosti u oblikupolinomnih krivih Z, S i Pi,


fazilogičkomsistemuXLIV,aizlaznakaoufazilogičkomsistemuXV,korišćenjem

funkcijazmf,smfipimf.




205

Tabela10.5.ZbirapsolutnihgrešakafazilogičkihsistemaodXXXIdoXLV

Fazilogičkisistem

(ulaznafunkcija

pripadnosti–izlazna

funkcijapripadnosti)


XXXI(trimf–trimf) 550,257

XXXII(trapmf–trimf) 554,721

XXXIII(trapmf–trapmf) 555,047

XXXIV(gaussmf–trimf) 550,800

XXXV(gaussmf–gaussmf) 552,229


206

XXXVI(gauss2mf–trimf) 553,533

XXXVII(gauss2mf–

gauss2mf)554,375

XXXVIII(gbellmf–trimf) 557,935

XXXIX(gbellmf–gbellmf) 559,604

XL((zmf,dsigmf,sigmf)–

trimf) 551,977

XLI((zmf,dsigmf,sigmf)–



207

XLII((zmf,psigmf,sigmf)

–trimf)551,920

XLIII((zmf,psigmf,sigmf)

–(zmf,psigmf,sigmf)) 553,253

XLIV((zmf,pimf,smf)–

trimf) 557,514

XLV((zmf,pimf,smf)–

(zmf,pimf,smf)) 557,974

ModeliodXXXIdoXLVimajuzajedničkukarakteristikudajeulaznavarijablaskor

naManchesterDAQupitnikuzaprocenurizikauvožnji,aizlaznabrojnezgoda.U

tabeli10.5prikazanisurezultatitestiranjafazilogičkihsistemaodXXXIdoXLVu

smisluukupnegreškekojuposmatranisistemičinekrozizlaznirezultatuodnosu

narealnepodatkeizistraživanja.

Naslici10.13.prikazanjegrafikonnakojemsevideodnosiizmeđupojedinihfazi

logičkihsistemausmisluukupnegreškey.


208

Slika10.13.Ukupnegreškefazilogičkihsistemakod kojih jeulaznavarijablaskorna

ManchesterDAQupitnikuzaprocenurizikauvožnji(odXXXIdoXLV)

Kada je reč o fazi logičkim sistemima od XXXI do XLV, poređenjem dobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemXXXIkoji

koristi trouglaste oblike funkcija pripadnosti, kako za ulaznu varijablu, tako i za

izlaznu.


ulaznompromenljivomkojaseodnosinaskornaUpitnikuzasamoprocenu

sopstvenihvozačkihsposobnosti



Upitniku za samoprocenu sopstvenih vozačkih sposobnosti i jednu izlaznu

promenljivukojaseodnosinabrojnezgoda.Konceptovakvogfazilogičkogsistema

ilustrovanuzpomoćkorišćenogprogramajeprikazannaslici10.14.

Domen ulazne promenljive „Samoprocena“ je određen mogućim vrednostima

skorova koji su dobijeni u istraživanju primenom odgovarajućeg psihološkog

544

546

548

550

552

554

556

558

560

UkupnegreškesistemaodXXXIdoXLV


209

instrumenta.Domen izlaznepromenljive određen je kao i uprethodnoopisanim

fazilogičkimsistemima.Brojfaziskupovapopromenljivamaodređenjenaosnovu

procene autora. Koristeći metod koji su predložili Wang i Mendel (1992),

definisanasufazipravilanaosnovunumeričkihilingvističkihinformacija.

Slika10.14.KonceptfazilogičkihsistemaodXLVIdoLX

Ulazna promenljiva „Samoprocena“ se odnosi na skor koji ispitanik postigne na

upitniku za samoprocenu sopstvenih vozačkih sposobnosti. Može se prikazati

pomoću 5 fazi skupova i njihovih funkcija pripadnosti: VNS – veoma niska

samoprocena,NS – niska samoprocena, SS – srednja samoprocena,VS – visoka

samoprocena, VVS – veoma visoka samoprocena. Primer za slučaj trouglastih

funkcijapripadnostiprikazan jenaslici10.15. Iuovomslučaju, faziskupovikoji

opisuju ulaznu promenljivu „Samoprocena“ ne pokrivaju jednake intervale.

Mogućeteorijskevrednostiskorakojiseodnosinasamoprocenukrećuseod22do

88.Međutim,empirijskipodacipokazalisudaseskorkrećeugranicamaod34do

88.Srednjavrednostskorarizikasvihispitanikakojisuučestvovaliuistraživanju

je66,58;naosnovučega jevrednostod66,5uzetakaovrednost faziskupaSSsa

najvećim stepenom pripadnosti 1. U skladu sa navedenim, ulazna varijabla

„Samoprocena“jedefinisanakaoštojeprikazanonaslici10.15.


210

Slika10.15.Podeladomenaulaznepromenljive„Samoprocena“i

odgovarajućefunkcijepripadnostiufazilogičkomsistemuXLVI


baza fazi pravila. Za fazi logičke sisteme od XLVI do LX potrebno je definisati 5


1.If(SamoprocenaisVNS)then(NezgodeisVVBN)

2.If(SamoprocenaisNS)then(NezgodeisVBN)

3.If(SamoprocenaisSS)then(NezgodeisSBN)

4.If(SamoprocenaisVS)then(NezgodeisMBN)

5.If(SamoprocenaisVVS)then(NezgodeisVMBN).

Dabise ispitaloukojojmeri fazi logičkisistemXLVIopisujeempirijskepodatke,

kao u prethodnim fazi logičkim sistemima, biće izračunata suma apsolutnih

grešaka(y)izmeđudobijenogrešenjaprimenomfazilogičkogsistemaistvarnog

brojanezgodakojijedoziveoispitanik.

Fazi logičkisistemXLVIkarakterišu funkcijepripadnostiuobliku trougla(trimf).

Fazi logički sistem XLVII karakterišu funkcije pripadnosti u obliku trapeza


211

(trapmf), ali samo za ulaznu promenljivu. Izlazna promenljiva „Nezgode“ je

definisana kao u fazi logičkom sistemu I. Fazi logički sistem XLVIII karakterišu

funkcijepripadnostiuoblikutrapeza,kakozaulaznupromenljivu,takoizaizlaznu.

Ulazna jedefinisana identičnokaou fazi logičkomsistemuXLVII,a izlaznakaou

fazilogičkomsistemuIII.

Fazi logički sistemXLIXkarakterišu funkcijepripadnostiuoblikuGausovekrive,

ali samo za ulaznu promenljivu (gaussmf). Fazi logički sistem L karakterišu

funkcijepripadnostiuoblikuGausovekrive(gaussmf),kakozaulaznupromenljivu,

takoizaizlaznu. UlaznajedefinisanaidentičnokaoufazilogičkomsistemuXLIX,a

izlaznakaoufazilogičkomsistemuV.

FazilogičkisistemLIkarakterišufunkcijepripadnostiuoblikudvostraneGausove

krive,tj.upitanjujekrivakojasesastojioddverazličiteGausovekrive,alisamoza

ulaznu promenljivu (gauss2mf). Funkcije pripadnosti za izlaznu varijablu su iste

kao u fazi logičkom sistemu I. Fazi logički sistem LII karakterišu funkcije

pripadnosti u obliku dvostrane Gausove krive (gauss2mf), kako za ulaznu


sistemuLI,aizlaznakaoufazilogičkomsistemuVII.

Fazi logički sistem LIII karakterišu funkcije pripadnosti u obliku generalizovane

Belove krive, ali samo za ulaznu promenljivu (gbellmf). Funkcije pripadnosti za

izlaznu varijablu su iste kao u fazi logičkom sistemu I. Fazi logički sistem LIV

karakterišu funkcije pripadnosti u obliku generalizovane Belove krive (gbellmf),


fazilogičkomsistemuLIII,aizlaznakaoufazilogičkomsistemuIX.

FazilogičkisistemLVkarakterišufunkcijepripadnostiuoblikusigmoidalnekrive

(sigmf, dsigmf i zmf), ali samo za ulaznu promenljivu. Fazi logički sistem LVI

karakterišu funkcijepripadnostiuobliku sigmoidalnekrive (sigmf,dsigmf izmf),



212

fazi logičkom sistemu LV, a izlazna kao u fazi logičkom sistemu XI korišćenjem

funkcijasigmf,dsigmfizmf.

FazilogičkisistemLVIIkarakterišufunkcijepripadnostiuoblikusigmoidalnekrive

(sigmf, psigmf i zmf), ali samo za ulaznu promenljivu. Fazi logički sistem LVIII



fazilogičkomsistemuLVII,aizlaznakaoufazilogičkomsistemuXIII,korišćenjem


FazilogičkisistemLIXkarakterišufunkcijepripadnostiuoblikupolinomnihkrivih

(polynomialbasedcurves),ali samozaulaznupromenljivu.Fazi logički sistemLX

karakterišufunkcijepripadnostiuoblikupolinomnihkrivihZ,SiPi,kakozaulaznu


sistemuLIX, a izlazna kao u fazi logičkom sistemuXV, korišćenjem funkcijazmf,

smfipimf.



Tabela10.6.ZbirapsolutnihgrešakafazilogičkihsistemaodXLVIdoLX

Fazilogičkisistem

(ulaznafunkcija




XLVI(trimf–trimf) 471,343


213

XLVII(trapmf–trimf) 474,362

XLVIII(trapmf–trapmf) 475,009

XLIX(gaussmf–trimf) 495,196

L(gaussmf–gaussmf) 495,579

LI(gauss2mf–trimf) 475,468

LII(gauss2mf–gauss2mf) 476,286


214

LIII(gbellmf–trimf) 477,712

LIV(gbellmf–gbellmf) 479,093

LV((zmf,dsigmf,sigmf)–

trimf) 474,820

LVI((zmf,dsigmf,sigmf)–


LVII((zmf,psigmf,sigmf)

–trimf) 474,835

LVIII((zmf,psigmf,sigmf)

–(zmf,psigmf,sigmf))475,689


215

LIX((zmf,pimf,smf)–

trimf) 479,763

LX((zmf,pimf,smf)–


ModeliodXLVIdoLX imajuzajedničkukarakteristikuda jeulaznavarijablaskor

na Upitniku za samoprocenu sopstvenih vozačkih sposobnosti, a izlazna broj

nezgoda.Utabeli10.6prikazanisurezultatitestiranjafazilogičkihsistemaodXLVI

doLXusmisluukupnegreškekojuposmatranisistemičinekrozizlaznirezultatu

odnosunarealnepodatkeizistraživanja.



Slika10.16.Ukupnegreškefazilogičkihsistema kod kojih jeulaznavarijablaskorna

Upitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odXLVIdoLX)

455

460

465

470

475

480

485

490

495

500

UkupnegreškesistemaodXLIdoLX


216

Kada je reč o fazi logičkim sistemima od XLVI do LX, poređenjem dobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemXLVIkoji

koristi trouglaste oblike funkcija pripadnosti, kako za ulaznu varijablu, tako i za

izlaznu.

10.3.1.5Modeli za procenu sklonosti ka saobraćajnim nezgodama sa dve

ulazne promenljive koje se odnose na skor naADBQ upitniku za procenu

agresivnog ponašanja u vožnji i skor na BIS‐11 upitniku za procenu

impulsivnosti


testiraju u ovoj sekciji imaju dve ulazne promenljive koje se odnose na skor na

ADBQupitnikuzaprocenuagresivnogponašanjauvožnjiiskornaBIS‐11upitniku

za procenu impulsivnosti i jednu izlaznu promenljivu koja se odnosi na broj

nezgoda. Koncept ovakvog fazi logičkog sistema ilustrovan uz pomoć korišćenog

programajeprikazannaslici10.17.

Ulaznepromenljive,kaoiizlazna,kojesekoristeuovojsekcijisuvećdefinisaneu

prethodnomtekstuovedoktorskedisertacije.

Slika10.17.KonceptfazilogičkihsistemaodLXIdoLXXVII


217

Za fazi logičke sistemeodLXI do LXXVII potrebno je definisati 25pravila, što je

urađenonanačinkakojeprikazanoupriloguB.1.ovedisertacije.

Varijable koje figurišu u fazi logičkim sistemima od LXI do LXXVII, kod kojih

postoje dve ulazne promenljive koje se odnose na skor na ADBQ upitniku za

procenu agresivnog ponašanja u vožnji i skor na BIS‐11 upitniku za procenu

impulsivnosti,prikazanesuupriloguC.1.ovedisertacije.

BudućidajekodfazilogičkihsistemakojirazmatrajusamoAgresivnostkaoulaznu

varijablunajbolje rešenjedao sistem sagausmf‐trimf,akod fazi logičkih sistema

koji razmatraju samo Impulsivnost kao ulaznu varijablu najbolje rešenje dao

sistem sa trapmf‐trapmf,značajno je testirati fazi logičke sistemekoji upravo taj

rezultatuzimajuuobzir.UpitanjusufazilogičkisistemiLXXVIiLXXVII.


i rešenja u smislu vrednosti za y, kada je svaki od razmatranih fazi logičkih

sistematestirannauzorkuodsvih305ispitanika,suprikazanautabeli10.7.

Modeli od LXI do LXXVII imaju zajedničku karakteristiku da postoje dve ulazne

promenljive koje se odnose na skor na ADBQ upitniku za procenu agresivnog

ponašanja u vožnji i skor na BIS‐11 upitniku za procenu impulsivnosti i jedna

izlazna promenljiva koja se odnosi na broj nezgoda. U tabeli 10.7 prikazani su

rezultatitestiranjafazilogičkihsistemaodLXIdoLXXVIIusmisluukupnegreške

kojuposmatrani sistemi činekroz izlazni rezultatuodnosuna realnepodatke iz

istraživanja.




218

Tabela10.7.ZbirapsolutnihgrešakafazilogičkihsistemaodLXIdoLXXVII

Fazilogičkisistem

(ulaznefunkcijepripadnosti–

izlaznafunkcijapripadnosti)

yi

Fazilogičkisistem

(ulaznefunkcije



yi

LXI(trimf;trimf–trimf) 345,829

LXX ((zmf,dsigmf,sigmf);

(zmf,dsigmf,sigmf)–

trimf)352,902

LXII(trapmf;trapmf–trimf) 340,125

LXXI((zmf,dsigmf,

sigmf);(zmf,dsigmf,

sigmf)–(zmf,dsigmf,

sigmf))

356,248

LXIII(trapmf;trapmf–trapmf) 338,779

LXXII((zmf,psigmf,

sigmf);(zmf,psigmf,

sigmf)–trimf)

353,903

LXIV(gaussmf;gaussmf–trimf) 347,889

LXXIII((zmf,psigmf,

sigmf);(zmf,psigmf,

sigmf)–(zmf,psigmf,

sigmf))

357,254

LXV(gaussmf;gaussmf–

gaussmf)351,112

LXXIV ((zmf,pimf,smf);

(zmf,pimf,smf)–trimf)331,654

LXVI(gauss2mf;gauss2mf–

trimf)341,415

LXXV ((zmf,pimf,smf);

(zmf,pimf,smf)–(zmf,

pimf,smf))

329,347

LXVII(gauss2mf;gauss2mf–

gauss2mf)341,398

LXXVI(gaussmf; trapmf –

trimf)341,302

LXVIII(gbellmf;gbellmf–trimf) 348,477LXXVII(gaussmf;trapmf

–trapmf)339,759

LXIX(gbellmf;gbellmf –gbellmf) 349,324

Kada je reč o fazi logičkim sistemima od LXI do LXXVII, poređenjem dobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemLXXVkoji

koristi funkcijepripadnostiuoblikupolinomnihkrivih (zmf,pimf i smf), kako za

obeulaznevarijable,takoizaizlaznuvarijablu.


219

Slika10.18.Ukupnegreškefazilogičkihsistemasadveulaznepromenljivekojese

odnosenaskornaADBQupitnikuiskornaBIS‐11upitniku(odLXIdoLXXVII)



agresivnogponašanjauvožnjiiskornaManchesterDAQupitnikuzaprocenu

rizikauvožnji



ADBQ upitniku za procenu agresivnog ponašanja u vožnji i skor na Manchester

DAQupitnikuzaprocenurizikauvožnjiijednuizlaznupromenljivukojaseodnosi

na broj nezgoda. Koncept ovakvog fazi logičkog sistema ilustrovan uz pomoć

korišćenogprogramajeprikazannaslici10.19.Ulaznepromenljive,kaoiizlazna,

kojesekoristeuovojsekcijisuvećdefinisaneuprethodnomtekstuovedoktorske

disertacije.

ZafazilogičkesistemeodLXXVIIIdoXCIIIpotrebnojedefinisati25pravila,štoje


315

320

325

330

335

340

345

350

355

360

UkupnegreškesistemaodLXIdoLXXVII


220

Slika10.19.KonceptfazilogičkihsistemaodLXXVIIIdoXCIII

Varijable koje figurišu u fazi logičkim sistemima od LXXVIII do XCIII, kod kojih

postoje dve ulazne promenljive koje se odnose na skor na ADBQ upitniku za

procenu agresivnog ponašanja u vožnji i skor na Manchester DAQ upitniku za

procenurizikauvožnji,prikazanesuupriloguC.2.ovedisertacije.



koji razmatraju samo Rizik kao ulaznu varijablu najbolje rešenje dao sistem sa

trimf‐trimf,značajnojetestiratifazilogičkisistemkojiupravotajrezultatuzimau

obzir.UpitanjujefazilogičkisistemXCIII.

ModeliodLXXVIIIdoXCIIIimajuzajedničkukarakteristikudapostojedveulazne


ponašanjauvožnjiiskornaManchesterDAQupitnikuzaprocenurizikauvožnjii

jednaizlaznapromenljivakojaseodnosinabrojnezgoda.Utabeli10.8prikazani

su rezultati testiranja fazi logičkih sistema od LXXVIII do XCIII u smislu ukupne

greške koju posmatrani sistemi čine kroz izlazni rezultat u odnosu na realne

podatkeizistraživanja.


221

Tabela10.8.ZbirapsolutnihgrešakafazilogičkihsistemaodLXXVIIIdoXCIII

Fazilogičkisistem



yi

Fazilogičkisistem

(ulaznefunkcije



yi

LXXVIII(trimf;trimf–trimf) 379,326LXXXVI(gbellmf;gbellmf

–gbellmf) 384,736

LXXIX(trapmf;trapmf–trimf) 377,818

LXXXVII((zmf,dsigmf,

sigmf);(zmf,dsigmf,

sigmf)–trimf)384,278

LXXX(trapmf;trapmf–trapmf) 376,871

LXXXVIII((zmf,dsigmf,

sigmf);(zmf,dsigmf,


sigmf))

387,531

LXXXI(gaussmf;gaussmf–

trimf)381,456

LXXXIX((zmf,psigmf,

sigmf);(zmf,psigmf,


LXXXII(gaussmf;gaussmf–

gaussmf)384,009

XC((zmf,psigmf,sigmf);

(zmf,psigmf,sigmf)–

(zmf,psigmf,sigmf))387,515

LXXXIII(gauss2mf;gauss2mf–

trimf)378,612

XCI((zmf,pimf,smf);

(zmf,pimf,smf)–trimf) 373,648

LXXXIV(gauss2mf;gauss2mf–

gauss2mf)378,875

XCII((zmf,pimf,smf);


pimf,smf))372,015

LXXXV(gbellmf;gbellmf–trimf) 382,707XCIII(gaussmf;trimf–

trimf) 379,014



Kada je rečo fazi logičkimsistemimaodLXXVIIIdoXCIII, poređenjemdobijenih

rezultatamožesezaključitidanajboljerezultatedaje fazi logičkisistemXCIIkoji

koristi funkcijepripadnostiuoblikupolinomnihkrivih (zmf,pimf i smf), kako za

obeulaznevarijable,takoizaizlaznuvarijablu.


222


odnosenaskornaADBQupitnikuiskornaManchesterDAQupitniku(odLXXVIIIdo

XCIII)



agresivnogponašanjauvožnjiiskornaUpitnikuzasamoprocenusopstvenih

vozačkihsposobnosti



ADBQ upitniku za procenu agresivnog ponašanja u vožnji i skor na Upitniku za

samoprocenusopstvenihvozačkihsposobnostiijednuizlaznupromenljivukojase



Ulaznepromenljive,kaoiizlazna,kojesekoristeuovojsekcijisuvećdefinisaneu

prethodnomtekstuovedoktorskedisertacije.

Za fazi logičke sisteme od XCIV do CIX potrebno je definisati 25 pravila, što je


360

365

370

375

380

385

390

UkupnegreškesistemaodLXXVIIIdoXCIII


223

Slika10.21.KonceptfazilogičkihsistemaodXCIVdoCIX

VarijablekojefigurišuufazilogičkimsistemimaodXCIVdoCIX,kodkojihpostoje

dve ulazne promenljive koje se odnose na skor na ADBQ upitniku za procenu

agresivnog ponašanja u vožnji i skor na Upitniku za samoprocenu sopstvenih

vozačkihsposobnosti,prikazanesuupriloguC.3.ovedisertacije.



koji razmatraju samo Samoprocenu kao ulaznu varijablu najbolje rešenje dao

sistemsatrimf‐trimf,značajnojetestiratifazilogičkisistemkojiupravotajrezultat

uzimauobzir.UpitanjujefazilogičkisistemCIX.

Modeli od XCIV do CIX imaju zajedničku karakteristiku da postoje dve ulazne


ponašanja u vožnji i skor na Upitniku za samoprocenu sopstvenih vozačkih

sposobnosti i jedna izlaznapromenljiva koja se odnosi nabrojnezgoda.U tabeli

10.9 prikazani su rezultati testiranja fazi logičkih sistema od LXXVIII do XCIII u

smisluukupnegreškekojuposmatranisistemičinekrozizlaznirezultatuodnosu

narealnepodatkeizistraživanja.


224

Tabela10.9.ZbirapsolutnihgrešakafazilogičkihsistemaodXCIVdoCIX

Fazilogičkisistem



yi

Fazilogičkisistem

(ulaznefunkcije



yi

XCIV(trimf;trimf–trimf) 358,186CII(gbellmf;gbellmf–

gbellmf) 366,181

XCV(trapmf;trapmf–trimf) 360,610

CIII((zmf,dsigmf,sigmf);


trimf)360,967

XCVI(trapmf;trapmf–trapmf) 360,566

CIV ((zmf,dsigmf,sigmf);


(zmf,dsigmf,sigmf))

362,960

XCVII(gaussmf;gaussmf–trimf) 365,674

CV ((zmf,psigmf,sigmf);


trimf)360,967

XCVIII(gaussmf;gaussmf–

gaussmf)366,922

CVI ((zmf,psigmf,sigmf);


(zmf,psigmf,sigmf))362,969

XCIX(gauss2mf;gauss2mf–

trimf)359,617

CVII((zmf,pimf,smf);


C(gauss2mf;gauss2mf–

gauss2mf)359,780

CVIII((zmf,pimf,smf);


pimf,smf))362,171

CI(gbellmf;gbellmf–trimf) 365,143CIX (gaussmf;trimf–

trimf) 357,994



Kada je reč o fazi logičkim sistemima od XCIV do CIX, poređenjem dobijenih

rezultatamože se zaključiti danajbolje rezultatedaje fazi logički sistemCIXkoji

koristi funkcije pripadnosti u obliku gausove krive za ulaznu promenljivu

Agresivnost, i funkcije pripadnosti u trouglastom obliku za ulaznu promenljivu

SamoprocenaizaizlaznupromenljivuNezgode.


225


odnosenaskornaADBQupitnikuiskornaUpitnikuzasamoprocenusopstvenih

vozačkihsposobnosti(odXCIVdoCIX)


ulaznepromenljivekoje seodnosena skornaBIS‐11upitniku zaprocenu

impulsivnostiiskornaManchesterDAQupitnikuzaprocenurizikauvožnji


testirajuuovojsekcijiimajudveulaznepromenljivekojeseodnosenaskornaBIS‐

11 upitniku za procenu impulsivnosti i skor na Manchester DAQ upitniku za

procenurizikauvožnjiijednuizlaznupromenljivukojaseodnosinabrojnezgoda.

Konceptovakvogfazi logičkogsistemailustrovanuzpomoćkorišćenogprograma

jeprikazannaslici10.23.

Za fazi logičke sisteme od CX do CXXVI potrebno je definisati 25 pravila, što je


VarijablekojefigurišuufazilogičkimsistemimaodCXdoCXXVI,kodkojihpostoje

dve ulazne promenljive koje se odnose na skor na BIS‐11 upitniku za procenu

352

354

356

358

360

362

364

366

368

UkupnegreškesistemaodXCIVdoCIX


226

impulsivnosti i skor na Manchester DAQ upitniku za procenu rizika u vožnji,

prikazanesuupriloguC.4.ovedisertacije.

Slika10.23.KonceptfazilogičkihsistemaodCXdoCXXVI

Budući da je kod fazi logičkih sistema koji razmatraju samo Impulsivnost kao

ulaznuvarijablunajbolje rešenjedaosistemsa trapmf‐trapmf,akod fazi logičkih

sistema koji razmatraju samo Rizik kao ulaznu varijablu najbolje rešenje dao

sistem sa trimf‐trimf, značajno je testirati fazi logičke sisteme koji upravo taj

rezultatuzimajuuobzir.UpitanjusufazilogičkisistemiCXXViCXXVI.

Modeli od CX do CXXVI imaju zajedničku karakteristiku da postoje dve ulazne

promenljivekojeseodnosenaskornaBIS‐11upitnikuzaprocenuimpulsivnostii

skor na Manchester DAQ upitniku za procenu rizika u vožnji i jedna izlazna

promenljivakojaseodnosinabrojnezgoda.U tabeli10.10prikazanisurezultati

testiranja fazi logičkih sistema od CX do CXXVI u smislu ukupne greške koju

posmatrani sistemi čine kroz izlazni rezultat u odnosu na realne podatke iz

istraživanja.


227

Tabela10.10.ZbirapsolutnihgrešakafazilogičkihsistemaodXCIVdoCIX

Fazilogičkisistem



yi

Fazilogičkisistem

(ulaznefunkcije



yi

CX(trimf;trimf–trimf) 376,189

CXIX((zmf,dsigmf,

sigmf);(zmf,dsigmf,


CXI(trapmf;trapmf–trimf) 368,614

CXX((zmf,dsigmf,sigmf);


(zmf,dsigmf,sigmf))391,048

CXII(trapmf;trapmf–trapmf) 367,416

CXXI((zmf,psigmf,

sigmf);(zmf,psigmf,

sigmf)–trimf)

388,329

CXIII(gaussmf;gaussmf–trimf) 384,211

CXXII((zmf,psigmf,

sigmf);(zmf,psigmf,


sigmf))

390,993

CXIV(gaussmf;gaussmf–

gaussmf)386,347

CXXIII((zmf,pimf,smf);


CXV(gauss2mf;gauss2mf–

trimf)372,917

CXXIV((zmf,pimf,smf);


pimf,smf))357,586

CXVI(gauss2mf;gauss2mf–

gauss2mf)372,850

CXXV(trapmf;trimf–

trimf)370,875

CXVII(gbellmf;gbellmf–trimf) 379,840CXXVI(trapmf;trimf‐

trapmf) 369,591

CXVIII(gbellmf;gbellmf–

gbellmf)380,658



Kada je reč o fazi logičkim sistemima od CX do CXXVI, poređenjem dobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemCXXIVkoji


228

koristi funkcije pripadnosti u obliku polinomnih krivih (zmf, pimf, smf) za obe

ulaznepromenljive,kaoizaizlaznupromenljivu.


odnosenaskornaBIS‐11upitnikuiskornaManchesterDAQupitniku(odCXdo

CXXVI)



impulsivnosti i skor na Upitniku za samoprocenu sopstvenih vozačkih

sposobnosti


testirajuuovojsekcijiimajudveulaznepromenljivekojeseodnosenaskornaBIS‐

11 upitniku za procenu impulsivnosti i skor na Upitniku za samoprocenu

sopstvenih vozačkih sposobnosti i jednu izlaznu promenljivu koja se odnosi na

broj nezgoda. Koncept ovakvog fazi logičkog sistema ilustrovan uz pomoć

korišćenogprogramajeprikazannaslici10.25.

ZafazilogičkesistemeodCXXVIIdoCXLIIIpotrebnojedefinisati25pravila,štoje


340

350

360

370

380

390

400

UkupnegreškesistemaodCXdoCXXVI


229

Slika10.25.KonceptfazilogičkihsistemaodCXXVIIdoCXLIII

Varijable koje figurišu u fazi logičkim sistemima od CXXVII do CXLIII, kod kojih

postoje dve ulazne promenljive koje se odnose na skor na BIS‐11 upitniku za

procenu impulsivnosti i skor na Upitniku za samoprocenu sopstvenih vozačkih

sposobnosti,prikazanesuupriloguC.5.ovedisertacije.


ulaznuvarijablunajbolje rešenjedaosistemsa trapmf‐trapmf,akod fazi logičkih

sistemakojirazmatrajusamoSamoprocenukaoulaznuvarijablunajboljerešenje

dao sistem sa trimf‐trimf, značajno je testirati fazi logički sistem koji upravo taj

rezultatuzimauobzir.UpitanjusufazilogičkisistemiCXLIIiCXLIII.

ModeliodCXXVIIdoCXLIIIimajuzajedničkukarakteristikudapostojedveulazne

promenljivekojeseodnosenaskornaBIS‐11upitnikuzaprocenuimpulsivnostii

skornaupitnikuzasamoprocenusopstvenihvozačkihsposobnostiijednaizlazna


testiranja fazi logičkih sistemaodCXXVIIdoCXLIIIu smisluukupnegreškekoju


istraživanja.


230

Tabela10.11.ZbirapsolutnihgrešakafazilogičkihsistemaodCXXVIIdoCXLIII

Fazilogičkisistem



yi

Fazilogičkisistem

(ulaznefunkcije



yi

CXXVII(trimf;trimf–trimf) 353,427

CXXXVI((zmf,dsigmf,

sigmf);(zmf,dsigmf,


CXXVIII(trapmf;trapmf–trimf) 352,793

CXXXVII ((zmf,dsigmf,

sigmf);(zmf,dsigmf,


sigmf))

360,778

CXXIX(trapmf;trapmf–trapmf) 352,411

CXXXVIII ((zmf,psigmf,

sigmf);(zmf,psigmf,

sigmf)–trimf)

357,959

CXXX(gaussmf;gaussmf–trimf) 365,765

CXXXIX ((zmf,psigmf,

sigmf);(zmf,psigmf,


sigmf))

360,792

CXXXI(gaussmf;gaussmf–

gaussmf)367,701

CXL ((zmf,pimf,smf);


CXXXII(gauss2mf;gauss2mf–

trimf)352,791

CXLI ((zmf,pimf,smf);


pimf,smf))

348,961

CXXXIII(gauss2mf;gauss2mf–

gauss2mf)353,100

CXLII (trapmf;trimf–

trimf)350,742

CXXXIV(gbellmf;gbellmf–

trimf)358,981

CXLIII (trapmf;trimf–

trapmf)350,315

CXXXV(gbellmf;gbellmf–

gbellmf)360,253




231


odnosenaskornaBIS‐11upitnikuiskornaUpitnikuzasamoprocenusopstvenih

vozačkihsposobnosti(odCXXVIIdoCXLIII)

Kada jerečo fazi logičkimsistemimaodCXXVIIdoCXLIII,poređenjemdobijenih

rezultatamožesezaključitidanajboljerezultatedajefazi logičkisistemCXLIkoji

koristifunkcijepripadnostiuoblikupolinomnihkrivih(zmf,pimf,smf)kakozaobe

ulaznepromenljive,takoizaizlaznupromenljivu.


ulaznepromenljivekojeseodnosenaskornaManchesterDAQupitnikuza

procenu rizika u vožnji i skor na Upitniku za samoprocenu sopstvenih

vozačkihsposobnosti



Manchester DAQ upitniku za procenu rizika u vožnji i skor na upitniku za

samoprocenusopstvenihvozačkihsposobnostiijednuizlaznupromenljivukojase



335

340

345

350

355

360

365

370

UkupnegreškesistemaodCXXVIIdoCXLIII


232

Slika10.27.KonceptfazilogičkihsistemaodCXLIVdoCLVIII

ZafazilogičkesistemeodCXLIVdoCLVIIIpotrebnojedefinisati25pravila,štoje


Varijable koje figurišu u fazi logičkim sistemima od CXLIV do CLVIII, kod kojih

postoje dve ulazne promenljive koje se odnose na skor na Manchester DAQ

upitnikuzaprocenurizikauvožnjiiskornaUpitnikuzasamoprocenusopstvenih

vozačkihsposobnosti,prikazanesuupriloguC.6.ovedisertacije.

Budući da je kod fazi logičkih sistema koji razmatraju samo Rizik kao ulaznu

varijablunajboljerešenjedaosistemsatrimf‐trimf,akodfazilogičkihsistemakoji

razmatraju samo Samoprocenu kao ulaznu varijablu najbolje rešenje takođe dao

sistem sa trimf‐trimf, proizilazi da je fazi logički sistem koji upravo taj rezultat

uzimauobzirvećtestiran,tj.upitanjujefazilogičkisistemCXLIV.

ModeliodCXLIVdoCLVIII imajuzajedničkukarakteristikudapostojedveulazne

promenljivekojeseodnosenaskornaManchesterDAQupitnikuzaprocenurizika

u vožnji i skor na upitniku za samoprocenu sopstvenih vozačkih sposobnosti i

jednaizlaznapromenljivakojaseodnosinabrojnezgoda.Utabeli10.12prikazani


233

su rezultati testiranja fazi logičkih sistema od CXLIV do CLVIII u smislu ukupne

greške koju posmatrani sistemi čine kroz izlazni rezultat u odnosu na realne

podatkeizistraživanja.

Tabela10.12.ZbirapsolutnihgrešakafazilogičkihsistemaodCXLIVdoCLVIII

Fazilogičkisistem



yi

Fazilogičkisistem

(ulaznefunkcije



yi

CXLIV(trimf;trimf–trimf) 376,847CLII(gbellmf;gbellmf–

gbellmf)385,434

CXLV(trapmf;trapmf–trimf) 377,333

CLIII((zmf,dsigmf,

sigmf);(zmf,dsigmf,


CXLVI(trapmf;trapmf–trapmf) 377,144

CLIV((zmf,dsigmf,

sigmf);(zmf,dsigmf,


sigmf))

383,173

CXLVII(gaussmf;gaussmf–

trimf)386,101

CLV((zmf,psigmf,sigmf);


trimf)380,892

CXLVIII(gaussmf;gaussmf–

gaussmf)387,873

CLVI((zmf,psigmf,

sigmf);(zmf,psigmf,


sigmf))

383,192

CXLIX(gauss2mf;gauss2mf–

trimf)378,185

CLVII((zmf,pimf,smf);


CL(gauss2mf;gauss2mf–

gauss2mf)378,588

CLVIII((zmf,pimf,smf);


pimf,smf))377,823

CLI(gbellmf;gbellmf–trimf) 384,062




234


odnosenaskornaManchesterDAQupitnikuiskornaUpitnikuzasamoprocenu

sopstvenihvozačkihsposobnosti(odCXLIVdoCLVIII)

Kada je reč o fazi logičkim sistemimaodCXLIVdoCLVIII, poređenjemdobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemCXLIVkoji

koristitrouglastefunkcijepripadnosti(trimf)kakozaobeulaznepromenljive,tako

izaizlaznupromenljivu.

10.3.1.11Modeli za procenu sklonosti ka saobraćajnim nezgodama sa tri


agresivnog ponašanja u vožnji, skor na BIS‐11 upitniku za procenu

impulsivnostiiskornaManchesterDAQupitnikuzaprocenurizikauvožnji


testiraju u ovoj sekciji imaju tri ulazne promenljive koje se odnose na skor na

ADBQupitnikuzaprocenuagresivnogponašanjauvožnji,skornaBIS‐11upitniku

zaprocenu impulsivnosti iskornaManchesterDAQupitnikuzaprocenurizikau

vožnji i jednu izlaznu promenljivu koja se odnosi na broj nezgoda. Koncept

ovakvog fazi logičkog sistema ilustrovan uz pomoć korišćenog programa je

prikazannaslici10.29.

370

372

374

376

378

380

382

384

386

388

UkupnegreškesistemaodCXLIVdoCLVIII


235

Slika10.29.KonceptfazilogičkihsistemaodCLIXdoCLXXV

ZafazilogičkesistemeodCLIXdoCLXXVpotrebnojedefinisati125pravila,štoje


Varijable koje figurišu u fazi logičkim sistemima od CLIX do CLXXV, kod kojih

postoje tri ulazne promenljive koje se odnose na skor na ADBQ upitniku za

procenu agresivnog ponašanja u vožnji, skor na BIS‐11 upitniku za procenu

impulsivnosti i skor na Manchester DAQ upitniku za procenu rizika u vožnji,



varijablunajboljerešenjedaosistemsagaussmf‐trimf,samoImpulsivnosttrapmf‐

trapmf, i samo Rizik trimf‐trimf, značajno je testirati fazi logičke sisteme koji

upravo taj rezultat uzimaju u obzir. U pitanju su fazi logički sistemi CLXXIV i

CLXXV.

Modeli od CLIX do CLXXV imaju zajedničku karakteristiku da postoje tri ulazne


ponašanja u vožnji, skor na BIS‐11 upitniku za procenu impulsivnosti i skor na


236

ManchesterDAQupitniku za procenu rizika u vožnji i jedna izlazna promenljiva

kojaseodnosinabrojnezgoda.Utabeli10.13prikazanisurezultatitestiranjafazi

logičkih sistema od CLIX do CLXXV u smislu ukupne greške koju posmatrani

sistemičinekrozizlaznirezultatuodnosunarealnepodatkeizistraživanja.

Tabela10.13.ZbirapsolutnihgrešakafazilogičkihsistemaodCLIXdoCLXXV

Fazilogičkisistem



yi

Fazilogičkisistem



yi

CLIX(trimf;trimf;trimf–trimf) 348,042

CLXVIII((zmf,dsigmf,sigmf);

(zmf,dsigmf,sigmf);(zmf,

dsigmf,sigmf)–trimf)353,086

CLX(trapmf;trapmf;trapmf–

trimf)342,306

CLXIX((zmf,dsigmf,sigmf);


dsigmf,sigmf)–(zmf,dsigmf,

sigmf))

357,394

CLXI(trapmf;trapmf;trapmf–

trapmf)340,995

CLXX((zmf,psigmf,sigmf);

(zmf,psigmf,sigmf);(zmf,

psigmf,sigmf)–trimf)353,074

CLXII(gaussmf;gaussmf;

gaussmf–trimf)350,761

CLXXI((zmf,psigmf,sigmf);

(zmf,psigmf,sigmf);(zmf,pimf,

smf)–(zmf,psigmf,sigmf))357,369

CLXIII(gaussmf;gaussmf;

gaussmf–gaussmf)354,114

CLXXII((zmf,pimf,smf);(zmf,

pimf,smf);(zmf,pimf,smf)–

trimf)335,292

CLXIV(gauss2mf;gauss2mf;

gaus2mf–trimf)344,587

CLXXIII((zmf,pimf,smf);(zmf,


(zmf,pimf,smf))332,761

CLXV(gauss2mf;gauss2mf;

gaus2mf–gauss2mf)344,922

CLXXIV(gaussmf;trapmf;

trimf–trimf)345,319

CLXVI(gbellmf;gbellmf;gbellmf

–trimf)351,020

CLXXV (gaussmf;trapmf;trimf

–trapmf)343,797

CLXVII(gbellmf;gbellmf;

gbellmf–gbellmf)353,372


237



Slika10.30.Ukupnegreškefazilogičkihsistemasatriulaznepromenljivekojese

odnosenaskornaADBQupitniku,skornaBIS‐11upitnikuiskornaManchesterDAQ

upitniku(odCLIXdoCLXXV)

Kada je reč o fazi logičkim sistemima od CLIX do CLXXV, poređenjem dobijenih

rezultatamože se zaključiti da najbolje rezultate daje fazi logički sistem CLXXIII

kojikoristifunkcijepripadnostiuoblikupolinomnihkrivih(zmf,pimf,smf)kakoza

svetriulaznepromenljive,takoizaizlaznupromenljivu.




impulsivnosti i skor na Upitniku za samoprocenu sopstvenih vozačkih

sposobnosti




320

325

330

335

340

345

350

355

360

UkupnegreškesistemaodCLIXdoCLXXV


238

zaprocenuimpulsivnostiiskornaUpitnikuzasamoprocenusopstvenihvozačkih

sposobnosti i jednu izlaznupromenljivukojaseodnosinabrojnezgoda.Koncept



Slika10.31.KonceptfazilogičkihsistemaodCLXXVIdoCXCII

ZafazilogičkesistemeodCLXXVIdoCXCIIpotrebnojedefinisati125pravila,štoje


Varijable koje figurišu u fazi logičkim sistemima od CLXXVI do CXCII, kod kojih



impulsivnostiiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti,




trapmf, i samoSamoprocenu trimf‐trimf,značajno je testirati fazi logičke sisteme

koji upravo taj rezultat uzimaju u obzir. U pitanju su fazi logički sistemi CXCI i

CXCII.


239

Tabela10.14.ZbirapsolutnihgrešakafazilogičkihsistemaodCLXXVIdoCXCII

Fazilogičkisistem



yiFazilogičkisistem



yi

CLXXVI(trimf;trimf;trimf–

trimf)385,141

CLXXXV((zmf,dsigmf,sigmf);


dsigmf,sigmf)–trimf)397,866

CLXXVII(trapmf;trapmf;trapmf

–trimf)387,666

CLXXXVI ((zmf,dsigmf,sigmf);



sigmf))

401,016

CLXXVIII(trapmf;trapmf;

trapmf–trapmf)387,214

CLXXXVII ((zmf,psigmf,sigmf);


psigmf,sigmf)–trimf)

390,763

CLXXIX(gaussmf;gaussmf;


CLXXXVIII((zmf,psigmf,sigmf);


psigmf,sigmf)–(zmf,psigmf,

sigmf))

393,739

CLXXX(gaussmf;gaussmf;


CLXXXIX ((zmf,pimf,smf);(zmf,


trimf)387,289

CLXXXI(gauss2mf;gauss2mf;

gauss2mf–trimf)386,847

CXC ((zmf,pimf,smf);(zmf,pimf,

smf);(zmf,pimf,smf)–(zmf,

pimf,smf))

386,957

CLXXXII(gauss2mf;gauss2mf;

gauss2mf–gauss2mf)387,408

CXCI (gaussmf;trapmf;trimf–

trimf)383,834

CLXXXIII(gbellmf;gbellmf;

gbellmf–trimf)402,109

CXCII (gaussmf;trapmf;trimf–

trapmf)383,122

CLXXXIV(gbellmf;gbellmf;


ModeliodCLXXVIdoCXCII imajuzajedničkukarakteristikudapostoje triulazne


ponašanja u vožnji, skor na BIS‐11 upitniku za procenu impulsivnosti i skor na

Upitniku za samoprocenu sopstvenih vozačkih sposobnosti i jedna izlazna



240

testiranja fazi logičkih sistemaodCLXXVIdoCXCII u smisluukupne greškekoju


istraživanja.




odnosenaskornaADBQupitniku,skornaBIS‐11upitnikuiskornaUpitnikuza

samoprocenusopstvenihvozačkihsposobnosti(odCLXXVIdoCXCII)

Kada je rečo fazi logičkimsistemimaodCLXXVIdoCXCII,poređenjemdobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemCXCIIkoji

koristi sledeće funkcije pripadnosti: za Agresivnost gaussmf, za Impulsivnost

trapmf,zaSamoprocenutrimfizaNezgodetrapmf.

370

375

380

385

390

395

400

405

UkupnegreškesistemaodCLXXVIdoCXCII


241



agresivnogponašanjauvožnji,skornaManchesterDAQupitnikuzaprocenu

rizika u vožnji i skor na Upitniku za samoprocenu sopstvenih vozačkih

sposobnosti



ADBQupitnikuzaprocenuagresivnogponašanjauvožnji,skornaManchesterDAQ

upitnikuzaprocenurizikauvožnjiiskornaUpitnikuzasamoprocenusopstvenih

vozačkihsposobnostii jednuizlaznupromenljivukojaseodnosinabrojnezgoda.

Konceptovakvogfazi logičkogsistemailustrovanuzpomoćkorišćenogprograma

jeprikazannaslici10.33.

Slika10.33.KonceptfazilogičkihsistemaodCXCIIIdoCCVIII

ZafazilogičkesistemeodCXCIII doCCVIIIpotrebnojedefinisati125pravila,štoje


Varijable koje figurišu u fazi logičkim sistemima od CXCIII do CCVIII, kod kojih



242

procenu agresivnog ponašanja u vožnji, skor na Manchester DAQ upitniku za

procenu rizika u vožnji i skor na Upitniku za samoprocenu sopstvenih vozačkih

sposobnosti,prikazanesuupriloguC.9.ovedisertacije.


varijablu najbolje rešenje dao sistem sa gaussmf‐trimf, samo Rizik trimf‐trimf, i

samoSamoprocenutrimf‐trimf,značajnojetestiratifazilogičkisistemkojiupravo

tajrezultatuzimauobzir.UpitanjujefazilogičkisistemCCVIII.

Tabela10.15.ZbirapsolutnihgrešakafazilogičkihsistemaodCXCIIIdoCCVIII

Fazilogičkisistem






yi

CXCIII(trimf;trimf;trimf–

trimf)399,166

CCI(gbellmf;gbellmf;gbellmf–

gbellmf)413,553

CXCIX(trapmf;trapmf;trapmf–

trimf)400,549

CCII((zmf,dsigmf,sigmf);(zmf,

dsigmf,sigmf);(zmf,dsigmf,


CXCV(trapmf;trapmf;trapmf–

trapmf)400,080

CCIII((zmf,dsigmf,sigmf);(zmf,


sigmf)–(zmf,dsigmf,sigmf))410,800

CXCVI(gaussmf;gaussmf;


CCIV((zmf,psigmf,sigmf); (zmf,

psigmf,sigmf);(zmf,psigmf,


CXCVII(gaussmf;gaussmf;


CCV((zmf,psigmf,sigmf);(zmf,


sigmf)–(zmf,psigmf,sigmf))410,878

CXCVIII(gauss2mf;gauss2mf;


CCVI((zmf,pimf,smf);(zmf,


trimf)

399,530

CXCIX(gauss2mf;gauss2mf;


CCVII((zmf,pimf,smf);(zmf,



CC(gbellmf;gbellmf;gbellmf–

trimf)411,984

CCVIII(gaussmf;trimf;trimf–

trimf)398,817


243

Modeli odCXCIII doCCVIII imaju zajedničkukarakteristikudapostoje tri ulazne


ponašanjauvožnji,skornaManchesterDAQupitnikuzaprocenurizikauvožnjii

skornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnostiijednaizlazna

promenljivakojaseodnosinabrojnezgoda.

U tabeli 10.15prikazani su rezultati testiranja fazi logičkih sistemaodCXCIIIdo

CCVIIIusmisluukupnegreškekojuposmatranisistemičinekrozizlaznirezultatu

odnosunarealnepodatkeizistraživanja.




odnosenaskornaADBQupitniku,skornaManchesterDAQupitnikuiskorna

Upitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odCXCIIIdoCCVIII)

Kada je rečo fazi logičkimsistemimaodCXCIIIdoCCVIII,poređenjemdobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemCCVIIIkoji

koristi sledeće funkcije pripadnosti: za Agresivnost gaussmf, za Rizik trimf, za

SamoprocenutrimfizaNezgodetrimf.

390

395

400

405

410

415

UkupnegreškesistemaodCXCIIIdoCCVIII


244



impulsivnosti,skornaManchesterDAQupitnikuzaprocenurizikauvožnjii

skornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti


testirajuuovojsekcijiimajutriulaznepromenljivekojeseodnosenaskornaBIS‐

11 upitniku za procenu impulsivnosti, skor na Manchester DAQ upitniku za

procenu rizika u vožnji i skor na Upitniku za samoprocenu sopstvenih vozačkih

sposobnosti i jednu izlaznupromenljivukojaseodnosinabrojnezgoda.Koncept



Slika10.35.KonceptfazilogičkihsistemaodCCIXdoCCXXV

ZafazilogičkesistemeodCCIXdoCCXXVpotrebnojedefinisati125pravila,štoje


Varijable koje figurišu u fazi logičkim sistemima od CCIX do CCXXV, kod kojih

postoje tri ulazne promenljive koje se odnose na skor na BIS‐11 upitniku za


245

procenu impulsivnosti, skor na Manchester DAQ upitniku za procenu rizika u

vožnji i skor na Upitniku za samoprocenu sopstvenih vozačkih sposobnosti,


Tabela10.16.ZbirapsolutnihgrešakafazilogičkihsistemaodCCIXdoCCXXV

Fazilogičkisistem






yi

CCIX(trimf;trimf;trimf–trimf) 427,188

CCXVIII((zmf,dsigmf,sigmf);


dsigmf,sigmf)–trimf)

436,955

CCX(trapmf;trapmf;trapmf–

trimf)422,579

CCXIX((zmf,dsigmf,sigmf);



sigmf))

440,129

CCXI(trapmf;trapmf;trapmf–

trapmf)422,146

CCXX((zmf,psigmf,sigmf); (zmf,



CCXII(gaussmf;gaussmf;


CCXXI((zmf,psigmf,sigmf);


psigmf,sigmf)–(zmf,psigmf,

sigmf))

440,217

CCXIII(gaussmf;gaussmf;


CCXXII((zmf,pimf,smf);(zmf,


trimf)417,657

CCXIV(gauss2mf;gauss2mf;


CCXXIII((zmf,pimf,smf);(zmf,



CCXV(gauss2mf;gauss2mf;


CCXXIV(trapmf;trimf;trimf–

trimf)424,252

CCXVI(gbellmf;gbellmf;gbellmf

–trimf)438,661

CCXXV(trapmf;trimf;trimf–

trapmf) 423,663

CCXVII(gbellmf;gbellmf;



246


ulaznu varijablu najbolje rešenje dao sistem sa trapmf‐trapmf, samo Rizik trimf‐

trimf,isamoSamoprocenutrimf‐trimf,značajnojetestiratifazilogičkesistemekoji

upravo taj rezultat uzimaju u obzir. U pitanju su fazi logički sistemi CCXXIV i

CCXXV.

Modeli od CCIX do CCXXV imaju zajedničku karakteristiku da postoje tri ulazne

promenljivekojeseodnosenaskornaBIS‐11upitnikuzaprocenuimpulsivnosti,

skornaManchesterDAQupitnikuzaprocenurizikauvožnjiiskornaUpitnikuza

samoprocenusopstvenihvozačkihsposobnostiijednaizlaznapromenljivakojase

odnosinabrojnezgoda.Utabeli10.16prikazanisurezultatitestiranjafazilogičkih

sistemaodCCIXdoCCXXVusmisluukupnegreškekojuposmatrani sistemičine

krozizlaznirezultatuodnosunarealnepodatkeizistraživanja.




odnosenaskornaBIS‐11upitniku,skornaManchesterDAQupitnikuiskorna

Upitnikuzasamoprocenusopstvenihvozačkihsposobnosti(odCCIXdoCCXXV)

400

405

410

415

420

425

430

435

440

445

450

UkupnegreškesistemaodCCIXdoCCXXV


247

Kada je reč o fazi logičkim sistemima od CCIX do CCXXV, poređenjem dobijenih

rezultatamože se zaključiti da najbolje rezultate daje fazi logički sistemCCXXIII

kojikoristifunkcijepripadnostiuoblikupolinomnihkrivih(zmf,pimf,smf)zasve

triulaznepromenljive,atakođeizaizlaznupromenljivu.

10.3.1.15Modelizaprocenusklonostikasaobraćajnimnezgodamasačetiri



impulsivnosti,skornaManchesterDAQupitnikuzaprocenurizikauvožnjii

skornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti


testirajuuovoj sekciji imajučetiriulaznepromenljivekojeseodnosenaskorna


za procenu impulsivnosti, skor naManchesterDAQupitniku za procenu rizika u

vožnjiiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnostiijednu

izlaznupromenljivukojaseodnosinabrojnezgoda.Konceptovakvogfazilogičkog

sistemailustrovanuzpomoćkorišćenogprogramajeprikazannaslici10.37.

Slika10.37.KonceptfazilogičkihsistemaodCCXXVIdoCCXLII


248

ZafazilogičkesistemeodCCXXVIdoCCXLIIpotrebnojedefinisati625pravila,što

jeurađenonanačinkakojeprikazanoupriloguB.11.ovedisertacije.

Varijablekoje figurišuu fazi logičkimsistemimaodCCXXVIdoCCXLII, kodkojih

postoje četiri ulazne promenljive koje se odnose na skor na ADBQ upitniku za


impulsivnosti,skornaManchesterDAQUpitnikuzaprocenurizikauvožnjiiskor

na upitniku za samoprocenu sopstvenih vozačkih sposobnosti, prikazane su u

priloguC.11.ovedisertacije.



trapmf, samo Rizik trimf‐trimf, i samo Samoprocenu trimf‐trimf, značajno je

testirati fazi logičkesistemekojiupravotajrezultatuzimajuuobzir.Upitanjusu

fazilogičkisistemiCCXLIiCCXLII.

Modeli od CCXXVI do CCXLII imaju zajedničku karakteristiku da postoje četiri

ulazne promenljive koje se odnose na skor na ADBQ upitniku za procenu

agresivnogponašanjauvožnji,skornaBIS‐11upitnikuzaprocenuimpulsivnosti,

skornaManchesterDAQupitnikuzaprocenurizikauvožnjiiskornaUpitnikuza


odnosinabrojnezgoda.Utabeli10.17prikazanisurezultatitestiranjafazilogičkih

sistemaodCCXXVIdoCCXLIIusmisluukupnegreškekojuposmatranisistemičine

krozizlaznirezultatuodnosunarealnepodatkeizistraživanja.




249

Tabela10.17.ZbirapsolutnihgrešakafazilogičkihsistemaodCCXXVIdoCCXLII

Fazilogičkisistem






yi

CCXXVI(trimf;trimf;trimf;trimf

–trimf)292,880

CCXXXV((zmf,dsigmf,sigmf);



sigmf)–trimf)

293,480

CCXXVII(trapmf;trapmf;

trapmf;trapmf–trimf)294,965

CCXXXVI((zmf,dsigmf,sigmf);



sigmf)–(zmf,dsigmf,sigmf))

295,535

CCXXVIII(trapmf;trapmf;

trapmf;trapmf–trapmf)293,523

CCXXXVII((zmf,psigmf,sigmf);



sigmf)–trimf)

293,432

CCXXIX(gaussmf;gaussmf;

gaussmf;gaussmf–trimf)294,598

CCXXXVIII((zmf,psigmf,sigmf);



sigmf)–(zmf,psigmf,sigmf))

295,516

CCXXX(gaussmf;gaussmf;

gaussmf;gaussmf–gaussmf)297,066

CCXXXIX((zmf,pimf,smf); (zmf,

pimf,smf);(zmf,pimf,smf);(zmf,

pimf,smf)–trimf)296,611

CCXXXI(gauss2mf;gauss2mf;

gauss2mf;gauss2mf–trimf)290,645

CCXL((zmf,pimf,smf); (zmf,

pimf,smf);(zmf,pimf,smf);(zmf,

pimf,smf)–(zmf,pimf,smf))293,819

CCXXXII(gauss2mf;gauss2mf;

gauss2mf;gauss2mf–gauss2mf)289,961

CCXLI(gaussmf;trapmf;trimf;

trimf–trimf)289,466

CCXXXIII(gbellmf;gbellmf;

gbellmf;gbellmf–trimf)297,789

CCXLII(gaussmf;trapmf;trimf;

trimf–trapmf)287,956

CCXXXIV(gbellmf;gbellmf;

gbellmf;gbellmf–gbellmf)297,875

KadajerečofazilogičkimsistemimaodCCXXVIdoCCXLII,poređenjemdobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemCCXLIIkoji

koristi sledeće funkcije pripadnosti: za Agresivnost gaussmf, za Impulsivnost

trapmf,zaRiziktrimf,zaSamoprocenutrimfizaNezgodetrapmf.


250

Slika10.38.Ukupnegreškefazilogičkihsistemasa četiriulaznepromenljivekojese

odnosenaskornaADBQupitniku,skornaBIS‐11upitniku,skornaManchesterDAQ

upitnikuiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti(od

CCXXVIdoCCXLII)

10.3.2 Diskusija – Izbor optimalnog modela za procenu sklonosti ka

saobraćajnimnezgodamaukojimasudomenifunkcijapripadnostidefinisani

naosnovupodatakaizempirijskogistraživanja

Najznačajnija informacija do koje se dolazi analizom prethodnih fazi logičkih

sistema jeste koji od posmatranih 242 sistema najbolje opisuje podatke iz

empirijskog istraživanja, tj. koji sistemčininajmanjugreškukroz izlazni rezultat

koji se odnosi na broj nezgoda. U tom smislu, na slici 10.39 i u tabeli 10.18.

prikazanisuzbiroviapsolutnihgrešakanajboljihfazilogičkihsistemausvakomod

koncepata koji se posmatra. Pod jednim konceptom se smatra situacija u kojoj

je(su) ulazna(e) promenljiva(e) ista(e), a razlikuju se samo oblici funkcija

pripadnosti.

Rezultati istraživanja ukazuju na to da je koncept u kojem postoje četiri ulazne

varijabledaonajboljirezultat.Prethodnojenavedenodajeutomkonceptunajbolji

fazi logički sistemCCXLII. To znači da fazi logički sistemkoji ima sledećeulazne

282

284

286

288

290

292

294

296

298

UkupnegreškesistemaodCCXXVIdoCCXLII


251

promenljive: Agresivnost, Impulsivnost, Rizik i Samoprocenu, a koje su opisane

sledećimoblicimafunkcijapripadnosti:gaussmf,trapmf,trimfitrimf,respektivno;i

jednuizlaznupromenljivuNezgodekojajeopisanafunkcijompripadnostitrapmf,

daje najbolju procenu sklonosti ka saobraćajnim nezgodama za vozača čiji su

skorovinapomenutimpsihološkiminstrumentimapoznati.

Tabela10.18.OdnosrazličitihkoncepatafazilogičkihsistemaodIdoCCXLII

Konceptfazi

logičkogsistema

(ulaznevarijabla(e)–

izlaznavarijabla)

yi

Konceptfazi

logičkogsistema


izlaznavarijabla)

yi

1. Agresivnost‐Nezgode 518,0629.Impulsivnost;Samoprocena‐

Nezgode348,961

2. Impulsivnost–Nezgode 512,171 10.Rizik;Samoprocena‐ Nezgode 376,847

3. Rizik‐Nezgode 550,25711.Agresivnost;Impulsivnost;

Rizik‐Nezgode332,761

4. Samoprocena–Nezgode 471,34312.Agresivnost;Impulsivnost;

Samoprocena‐Nezgode383,122

5. Agresivnost;Impulsivnost‐

Nezgode329,347

13.Agresivnost;Rizik;


6. Agresivnost;Rizik–Nezgode 372,01514.Impulsivnost;Rizik;


7. Agresivnost;Samoprocena–

Nezgode357,994

15.Agresivnost;Impulsivnost;

Rizik;Samoprocena‐

Nezgode

287,956

8. Impulsivnost;Rizik‐

Nezgode357,586

Drugi značajan zaključak, pored toga što je pronađen fazi logički sistem koji

najboljeopisujeempirijskepodatkeobrojunezgoda,jestečinjenicadajeutvđeno

daupotrebomsva četiri razmatranapsihološka instrumentamoženajboljeda se

proceni sklonost pojedinca ka saobraćajnim nezgodama, a tako dobar stepen

procene nije moguće dobiti primenom samo jednog od tih instrumenata,

kombinacijomnekadvailitriodnjih.


252

Slika10.39.Odnosnajboljihfazilogičkihsistemausvakomodkoncepata‐rangirano

Dalje,interesantnojeposmatratikojioblicifunkcijapripadnostisuzastupljenikod

najboljih fazi logičkihsistemausvakomodkoncepata.Ove informacijeprikazane

suutabeli10.19.

Nageneralnomnivou,posmatrajućisveulaznevarijable i izlaznuvarijablu,može

se zaključiti da u najboljim fazi logičkim sistemima figurišu sledeće funkcije

pripadnosti: trimf; trapmf;gaussmf; zmf,pimf, smf. Iako su testirane i preostale

funkcijepripadnostikojekorišćenisoftverpredlaže:gauss2mf;bellmf;zmf,dsigmf,

sigmf izmf,psigmf, sigmf, ispostavilodaonene figurišuni u jednoj situaciji koja

opisujenajboljefazilogičkesistemeusvakomkonceptu.

Kada je reč o varijabli Agresivnost, dolazi se do zaključka da su oblici funkcija

pripadnostikojisuprisutniunajboljimfazilogičkimsistemimagaussmfizmf,pimf,

smf. Pri tome, u 62,5% slučajeva promenljiva Agresivnost je opisana funkcijom

pripadnosti gaussmf, a u 37,5% slučajeva funkcijama pripadnosti u obliku

polinomnihkrivih(zmf,pimf,smf),štojeprikazanonaslici10.40.

0 100 200 300 400 500 600

3.Rizik1.Agresivnost2.Impulsivnost4.Samoprocena

14.Impulsivnost;Rizik;Samoprocena13.Agresivnost;Rizik;Samoprocena

12.Agresivnost;Impulsivnost;Samoprocena10.Rizik;Samoprocena

6.Agresivnost;Rizik7.Agresivnost;Samoprocena

8.Impulsivnost;Rizik9.Impulsivnost;Samoprocena

11.Agresivnost;Impulsivnost;Rizik5.Agresivnost;Impulsivnost

15.Agresivnost;Impulsivnost;Rizik;Samoprocena

Odnosrazličitihkoncepata


253

Tabela10.19.Oblicifunkcijapripadnostikojisuzastupljeniunajboljimfazilogičkim

sistemimausvakomodkoncepata

Konceptfazilogičkog

sistema


izlaznavarijabla)

Funkcije

pripadnosti

Konceptfazi

logičkogsistema


izlaznavarijabla)

Funkcije

pripadnosti

1. Agresivnost‐Nezgode gaussmf–trimf

9.Impulsivnost;

Samoprocena‐

Nezgode

zmf,pimf,smf;zmf,

pimf,smf–zmf,

pimf,smf

2. Impulsivnost–

Nezgodetrapmf–trapmf

10.Rizik;Samoprocena‐

Nezgodetrimf;trimf–trimf

3. Rizik‐Nezgode trimf–trimf

11.Agresivnost;

Impulsivnost;Rizik‐

Nezgode

zmf,pimf,smf;zmf,

pimf,smf;zmf,pimf,

smf–zmf,pimf,smf

4. Samoprocena–

Nezgodetrimf–trimf

12.Agresivnost;

Impulsivnost;

Samoprocena‐

Nezgode

gaussmf;trapmf;

trimf–trapmf

5. Agresivnost;

Impulsivnost‐Nezgode

zmf,pimf,smf;zmf,

pimf,smf–zmf,

pimf,smf


Samoprocena‐

Nezgode

gaussmf;trimf;trimf

–trimf

6. Agresivnost;Rizik–

Nezgode

zmf,pimf,smf;zmf,

pimf,smf–zmf,

pimf,smf

14.Impulsivnost;Rizik;

Samoprocena‐

Nezgode

zmf,pimf,smf;zmf,

pimf,smf;zmf,pimf,

smf–zmf,pimf,smf

7. Agresivnost;

Samoprocena–

Nezgode

gaussmf;trimf–

trimf

15.Agresivnost;

Impulsivnost;Rizik;

Samoprocena‐

Nezgode

gaussmf;trapmf;

trimf;trimf–trapmf


Nezgode

zmf,pimf,smf;zmf,

pimf,smf–zmf,

pimf,smf

KadajerečovarijabliImpulsivnost,proizilazidasuoblicifunkcijapripadnostikoji

suprisutniunajboljimfazilogičkimsistemimatrapsmfizmf,pimf,smf.Pritome,u

37,5% slučajeva promenljiva Impulsivnost je opisana funkcijom pripadnosti

trapmf, a u 62,5% slučajeva funkcijama pripadnosti u obliku polinomnih krivih

(zmf,pimf,smf),štojeprikazanonaslici10.41.


254

Slika10.40.Zastupljenostpojedinihfunkcijapripadnostiu

najboljimfazilogičkimsistemimakodpromenljiveAgresivnost


najboljimfazilogičkimsistemimakodpromenljiveImpulsivnost

Kada je reč o promenljivoj Rizik, dolazi se do zaključka da su oblici funkcija

pripadnostikojisuprisutniunajboljimfazi logičkimsistemimatrimf i zmf,pimf,

smf.Pritome,u50%slučajevapromenljivaRizikjeopisanafunkcijompripadnosti

trimf i u 50% slučajeva funkcijamapripadnosti u obliku polinomnih krivih (zmf,

pimf,smf),štojeprikazanonaslici10.42.

62,50%

37,50%

gaussmf zmf, pimf, smf

37,50%

62,50%

trapmf zmf,pimf,smf


255


najboljimfazilogičkimsistemimakodpromenljiveRizik

KadajerečovarijabliSamoprocena,proizilazidasuoblicifunkcijapripadnostikoji

suprisutniunajboljim fazi logičkimsistemima trimf izmf,pimf, smf. Pri tome,u

75%slučajevapromenljivaSamoprocenajeopisanafunkcijompripadnostitrimf,a

u 25% slučajeva funkcijama pripadnosti u obliku polinomnih krivih (zmf, pimf,

smf),štojeilustrovanonaslici10.43.


najboljimfazilogičkimsistemimakodpromenljiveSamoprocena

50%50%

trimf zmf, pimf, smf

75%

25%

trimf zmf,pimf,smf


256

KadajerečoizlaznojpromenljivojNezgode,možesezaključitidasuoblicifunkcija

pripadnostikojisuprisutniunajboljimfazilogičkimsistemimatrimf,trapmfizmf,

pimf, smf. Pri tome, u 40% slučajeva promenljiva Nezgode je opisana funkcijom

pripadnostitrimf,u20%slučajevafunkcijompripadnostitrapmfiu40%slučajeva

funkcijama pripadnosti u obliku polinomnih krivih (zmf, pimf, smf), što je

ilustrovanonaslici10.44.


najboljimfazilogičkimsistemimaodIdoCCXLIIkodpromenljiveNezgode

Naosnovuanalizerezultata242fazilogičkasistema,možesedoćidozaključakao

tomeštauvećojmeriutičenarezultatusmisluračunategreškeyi,dali jerečo

konceptu fazi logičkog sistema ili o izboru funkcija pripadnosti. U tu svrhu su

izračunatestandardnedevijacije računatihgrešakausvakomkonceptu, sa ciljem

da se dobije prosečna vrednost standardne devijacije za različit izbor funkcija

pripadnosti, a dobijena vrednost je upoređena sa standardnom devijacijom

srednjihvrednostisvakogodkoncepata.Rezultatinavedenogproračunaprikazani

suutabeli10.20.

Može se zaključiti da na rezultat fazi logičkog sistema znatno više utiče izbor

koncepta (standardna devijacija = 73,594), nego izbor funkcija pripadnosti

(standardnadevijacija=5,706).Ovajrezultatbićepolaznaosnovapriizradiostalih

40%

20%

40%

trimf trapmf zmf,pimf,smf


257

fazi logičkih sistema u ovom poglavlju doktorske disertacije, kao i fazi logičkih

sistemaunarednompoglavlju.

Tabela 10.20. Odnos standardnih devijacija rezultata fazi logičkih sistema prema

izborufunkcijapripadnostiipremaizborukoncepta

KonceptfazilogičkogsistemaSrednjavrednost

greške

Standardna

devijacija

1. Agresivnost‐Nezgode 526,332 4,344

2. Impulsivnost–Nezgode 518,502 5,259

3. Rizik‐Nezgode 554,295 2,739

4. Samoprocena–Nezgode 478,788 6,907


Nezgode345,101 7,851

6. Agresivnost;Rizik–Nezgode 380,792 4,408


Nezgode362,054 2,672

8. Impulsivnost;Rizik‐Nezgode 376,801 10,209

9. Impulsivnost;Samoprocena‐

Nezgode356,147 5,472

10. Rizik;Samoprocena‐Nezgode 381,044 3,553

11. Agresivnost;Impulsivnost;

Rizik‐Nezgode347,542 6,980


Samoprocena‐Nezgode392,409 7,425

13. Agresivnost;Rizik;


14. Impulsivnost;Rizik;



Rizik;Samoprocena‐Nezgode293,830 2,847

Srednjavrednost 5,706

Standardnadevijacija 73,594


258

10.3.3Modelizaprocenusklonostikasaobraćajnimnezgodamaukojimasu

domenifunkcijapripadnostidefinisaninaosnovupodatakaizliterature

Budući da je pokazano da na rezultat u većoj meri utiče koncept fazi logičkog

sistema,aumanjojmeriizboroblikafunkcijapripadnosti,udaljemtekstućebiti

ispitani samo različiti koncepti, svaki sa trouglastim funkcijama pripadnosti, a

najboljikonceptćesetestiratiporazličitimoblicimafunkcijapripadnosti.

FazilogičkisistemCCXLIII

Kako bi se testirali fazi logički sistemi čiji su domeni definisani na osnovu

vrednostiizliterature,utabeli10.21prikazanisudostupnipodacizapromenljivu

Agresivnost. Budući da su dostupne samo srednje vrednosti i vrednosti za

standardnu devijaciju, na osnovu tih parametara biće formirani domeni funkcija

pripadnosti.Uprethodnomslučaju,kadasudomeniodređeninaosnovupodataka

izistraživanja,srednjavrednostjebila49,47,astandardnadevijacija9,42.

Tabela10.21.VrednostinaADBQupitnikudostupneuliteraturi

Tipuzorka Brojispit.

Min Max Sr.vred. SD Izvor

Studenti 495 ‐ ‐ 51,37 ‐ BrillandMouloua,2011.

Studentiposledipl.studija

285 ‐ ‐ ‐ 55,21(ukupanuzorak,UniversityofCentralFloridasample)‐M:52,83‐Ž:56,82‐56,08(OldDominionUniversitysample)‐54,93(MichiganTechnologicalUniversitysample)

‐ 12,43

‐7,23‐7,98‐9,44

Gurda,2012.

Sr.vred. 54,40 9,27


259

Na osnovu Tabele 10.21 vidi se da je srednja vrednost 54,40, a standardna

devijacija9,27.Toćebitiulaznipodacinaosnovukojihseformirajudomeniulazne

promenljiveAgresivnost,kaoštojeprikazanonaslici10.45.

Slika10.45.Podeladomenaulaznepromenljive„Agresivnost“i

odgovarajućefunkcijepripadnostiufazilogičkomsistemuCCXLIII

Fazi logički sistem CCXLIII za procenu sklonosti ka saobraćajnim nezgodama

predstavljasituacijukadapostojijednaulaznapromenljivakojaseodnosinaskor

na ADBQ upitniku za procenu agresivnog ponašanja u vožnji i jedna izlazna

promenljiva koja se odnosi na broj nezgoda. Ulazna promenljiva Agresivnost je

definisana kao što je prikazano na slici 10.45, a izlazna promenljiva kao u fazi

logičkomsistemuI.

FazipravilaufazilogičkomsistemuCCXLIIIsuistakaoufazilogičkomsistemuI.

Nakon implementacije fazi logičkog sistema CCXLIII na uzorku od svih 305

ispitanika, iodgovarajućihproračuna,dolazisedozaključkadajeuovomslučaju

y=437,802.


260

FazilogičkisistemCCXLIV



Impulsivnost. U prethodnom slučaju, kada su domeni određeni na osnovu

podataka iz istraživanja, srednja vrednost je bila 68,44, a standardna devijacija

6,51.

Tabela10.22.VrednostinaBIS‐11upitnikudostupneuliteraturi


Min Max Sr.vred SD Izvor

Studenti,psih.Pacijenti(ukljčujućiizavisnike),zatvorenici

412,248,73

‐ ‐ 64,9469

69,7476,30

10,1710,2812,61

Patton, et.al1995

Adolescenti 682 72,5 8,7 Li,etal.2007.Adolescenti 659 64,13 8,87 Učenici 1.183 ‐ ‐ 60,69 11,40 V.Martinez‐

Loredo,etal.Pacijenti,studenti

83,237

‐ ‐ ‐ ‐ Güleç, et al.2008.

Pacijenati 103 63,7 9,5 Antonnini etal.2011.

Neurološkihpacijenata

110

‐ ‐ 59,37 7,89 Lindstrøm, etal.2017.

Suicidnipacijenti

200 62,45 16,87 Lu,etal.2012.

Adolescenti 691 ‐ ‐ 59,18 9,54 Reise et al.2013

Pacijentioboleli odParkin.bolesti

315 ‐ ‐ 59,5 ‐ Smudlers, etal.2014.

Studentipostiplomci

1178 ‐ ‐ ‐ ‐ Steinberg, etal.2013.

Adolescenti 464 ‐ ‐ 62,2 11,6 vonDiemenetal.2007.

Studenti 532 ‐ ‐ ‐ ‐ Harms et al.2017.

Suicidalnipacijenti

57 ‐ ‐ 74,12 12,40 Reistetal.2017.

Studenti 1149 ‐ ‐ ‐ ‐ Fox et al.2017.

Pacijentioboleli od

87 ‐ ‐ ‐ ‐ Evans et al.2017.


261

Parkin.bolestiStudenti 227 ‐ ‐ ‐ ‐ Tamam et al.

2017.Pacijenti 21 ‐ ‐ ‐ ‐ Jakuszkowiak‐

Wojtenet.Al.Ispitanicivolonteri

141 59,63 19,27 Moustafaetal.2017.

Studenti 125 ‐ ‐ 69,7667,5763,56

8,006,847,70

Tang et al.2017

Studenti 652 ‐ ‐ 58,159,3

13,0011,8

Canan et al.2017.

Studenti ‐ ‐ ‐ ‐ ‐ Rico et al.2017

Ekstremnisportisti

715(480ekstr.Sportisti235kontrolnagrupa)

‐ ‐ 61,459,0

10,09,4

Dudek et al.2016

Prigodniuzorak

117

Zavisniciodalkohola

336 ‐ ‐ 69,79 10,48 Jakubczyk etal.2016

ZavisniciodalkoholaKontorlnagrupa

2526

‐ ‐ 67,052,1

14,88,2

Zhu et al.2017.

ZavisniciodigaranasrećuZavisniciodalkohola

2317

‐ ‐ ‐ ‐ Florez et al.2016.

Prigodniuzorak

21 ‐ ‐ ‐ ‐ Wolffetal.2016.

Studenti 146 ‐ ‐ 55,0553,64

7,408,62

Marczinski etal.2016.

Prigodniuzorak

117 ‐ ‐ ‐ ‐ Weiner et al.2016.

Ženezavisniceodalkohola

25 ‐ ‐ 59,19 8,3 Herrera‐Dı´azetal.2016.

Prekršiocipravilausaobraćaju

668 ‐ ‐ ‐ ‐ Slavinskienėetal.2016.

Ženskihstudenata

147 ‐ ‐ ‐ ‐ Xiaxia,2015.

Studenti 662 ‐ ‐ ‐ ‐ Cuttler,2016.Studenti 298 ‐ ‐ ‐ ‐ Maleszaetal.


262

Postiplomci 232 ‐ ‐ ‐ ‐ Lozano2015.Studenata 36 ‐ ‐ ‐ ‐ Shalmanietal.

2015.Studenata 70 ‐ ‐ ‐ ‐ Lyvers et al.

2015.Zaposleniispitanici

48 ‐ ‐ 62,68 7,33 Het Rot et al.2014.

PacijentizavisniciKontrolnagrupa

1515

‐ ‐ 72,9355,13

9,6114,5

Choi et al.2014.

Studenti 153 ‐ ‐ 66,4361,00

9,799,21

Lyvers et al.2013.

Studenti 656 ‐ ‐ ‐ ‐ Wilbertz,2014

Zavisnici 665 ‐ ‐ ‐ ‐ Morean,2014.IspitanicikojisuprošlitreningživotnihveštinaKontrolnagrupa

3333

‐ ‐ 68,63

67,03

7,927,89

Chen et al.2014.

Prigodniuzorak

154 ‐ ‐ 61,63 ‐ Ludwig et al.2013.

Volonteri 82(različitihgenotipa)

68,3867,6367,57

4,034,224,81

Soeiro‐De‐Souza,2013.

Prigodniuzorak

95 ‐ ‐ ‐ ‐ Tzagarakis etal.2013.

Studenti 1866

56,956,857,7

8,99,19,7

Paaver et al.2013.

Pušači 107 ‐ ‐ ‐ ‐ Ryan et al.2013.

Volonteri 92 41 82 60 9 Farr et al.2013.

Postiplomci 85 ‐ ‐ 63,04

9,29 Kam et al.2012.

Studenti 124 ‐ ‐ 60,05

63,4572,46

10,7710,78

Lyvers et al.2012.

Preglednirad Izmedju52‐71normalnaimpulsPreko72izraženaimpuls,Ispod52ilineiskrenodavanjeodgovoranaupitn.Ilipreteranoover‐controled

‐ Stanford et al.2009

Sr.vred. 63,45 9,78


263



promenljiveImpulsivnost,kaoštojeprikazanonaslici10.46.

Slika10.46.Podeladomenaulaznepromenljive„Impulsivnost“i

odgovarajućefunkcijepripadnostiufazilogičkomsistemuCCXLIV

Fazi logički sistem CCXLIV za procenu sklonosti ka saobraćajnim nezgodama


na BIS‐11 upitniku za procenu impulsivnosti i jedna izlazna promenljiva koja se

odnosinabrojnezgoda.Ulaznapromenljiva Impulsivnost jedefinisanakaošto je

prikazanonaslici10.46,aizlaznapromenljivakaoufazilogičkomsistemuI.

FazipravilaufazilogičkomsistemuCCXLIVsuistakaoufazilogičkomsistemuXVI.

Nakon implementacije fazi logičkog sistema CCXLIV na uzorku od svih 305


y=655,484.

FazilogičkisistemCCXLV




264

Rizik. U prethodnom slučaju, kada su domeni određeni na osnovu podataka iz

istraživanja,srednjavrednostjebila62,52,astandardnadevijacija9,14.

Tabela10.23.VrednostinaDAQupitnikudostupneuliteraturi


Min Max Sr.vred SD Izvor

Vozačipočetnici

50 ‐ ‐ 62,6759,0064,24

7,23 Gordon,2007.

vozači 443 ‐ ‐ ‐ ‐ Wishartet al.2006.

vozača 238 ‐ ‐ ‐ ‐ Parkeretal.,1996.

Vozačitaksija 184 ‐ ‐ ‐ ‐ Rowlandet al.2007.

vozači 443 ‐ ‐ ‐ ‐ Davey etal.,2007.

Vozačipočetnici

81 48,9553,95

7,7569,758

VanVuuren,2012.

Sr.vred. 57,76 8,25

Slika10.47.Podeladomenaulaznepromenljive„Rizik“i

odgovarajućefunkcijepripadnostiufazilogičkomsistemuCCXLV


265



promenljiveRizik,kaoštojeprikazanonaslici10.47.

Fazi logički sistem CCXLV za procenu sklonosti ka saobraćajnim nezgodama


naDAQupitnikuzaprocenu rizika i jedna izlaznapromenljivakoja seodnosina

brojnezgoda.UlaznapromenljivaRizik jedefinisanakaošto jeprikazanonaslici

10.47,aizlaznapromenljivakaoufazilogičkomsistemuI.

Fazi pravila u fazi logičkom sistemu CCXLV su ista kao u fazi logičkom sistemu

XXXI. Nakon implementacije fazi logičkog sistema CCXLV na uzorku od svih 305


y=648,443.

FazilogičkisistemCCXLVI



Samoprocena. U prethodnom slučaju, kada su domeni određeni na osnovu

podataka iz istraživanja, srednja vrednost je bila 66,58, a standardna devijacija

11,59.

Tabela10.24.Vrednostinaupitnikuzasamoprocenuvozačkihsposobnostidostupneuliteraturi

Tipuzorka Brojispit. Min Max Sr.vred SD Izvormladivozači

1419 ‐ ‐ ‐ ‐ Tronsmoen,2010

vozači 225 ‐ ‐ ‐ ‐ Jovanovic etal.2014.

Vozačipočetnici

50 ‐ ‐ 73,1875,93

11,23010,090

VanVuuren,2012.

Sr.vred. 74,55 10,66


266


devijacija 10,66. To će biti ulazni podaci na osnovu kojih se formiraju domeni

ulaznepromenljiveSamoprocena,kaoštojeprikazanonaslici10.48.

Slika10.48.Podeladomenaulaznepromenljive„Samoprocena“i

odgovarajućefunkcijepripadnostiufazilogičkomsistemuCCXLVI

Fazi logički sistem CCXLVI za procenu sklonosti ka saobraćajnim nezgodama


naupitnikuzasamoprocenuvozačkihsposobnostiijednaizlaznapromenljivakoja

seodnosinabrojnezgoda.UlaznapromenljivaSamoprocenajedefinisanakaošto

jeprikazanonaslici10.48,aizlaznapromenljivakaoufazilogičkomsistemuI.

Fazi pravila u fazi logičkom sistemu CCXLVI su ista kao u fazi logičkom sistemu

XLVI.Nakon implementacije fazi logičkogsistemaCCXLVInauzorkuodsvih305


y=592,192.

FazilogičkisistemCCXLVII

Fazi logički sistem CCXLVII za procenu sklonosti ka saobraćajnim nezgodama

predstavljasituacijukadapostojedveulaznepromenljivekojeseodnosenaskor


267

na ADBQ upitniku za procenu agresivnog ponašanja u vožnji i skor na BIS‐11

upitniku za procenu impulsivnosti i jedna izlazna promenljiva koja se odnosi na

broj nezgoda. Ulazna promenljiva Agresivnost je definisana kao u fazi logičkom

sistemuCCXLIII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkom

sistemuCCXLIV,aizlaznapromenljivakaoufazilogičkomsistemuI.

Fazipravilau fazi logičkomsistemuCCXLVII su istakaou fazi logičkomsistemu

LXI.Nakon implementacije fazi logičkog sistemaCCXLVII na uzorku od svih 305


y=366,001.

FazilogičkisistemCCXLVIII

Fazi logički sistem CCXLVIII za procenu sklonosti ka saobraćajnim nezgodama


naADBQupitnikuzaprocenuagresivnogponašanjauvožnjiiskornaManchester

DAQupitnikuzaprocenurizikauvožnjiijednaizlaznapromenljivakojaseodnosi

nabrojnezgoda.UlaznapromenljivaAgresivnostjedefinisanakaoufazilogičkom

sistemuCCXLIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemu

CCXLV,aizlaznapromenljivakaoufazilogičkomsistemuI.

Fazipravilau fazi logičkomsistemuCCXLVIIIsu istakaou fazi logičkomsistemu

LXXVIII.Nakon implementacije fazi logičkog sistemaCCXLVIII nauzorkuod svih

305 ispitanika, i odgovarajućih proračuna, dolazi se do zaključka da je u ovom

slučajuy=383,413.

FazilogičkisistemCCXLIX

Fazi logički sistem CCXLIX za procenu sklonosti ka saobraćajnim nezgodama


naADBQupitnikuzaprocenuagresivnogponašanjauvožnjiiskornaupitnikuza



268

odnosi na broj nezgoda. Ulazna promenljiva Agresivnost je definisana kao u fazi

logičkom sistemu CCXLIII, ulazna promenljiva Samoprocena je definisana kao u

fazilogičkomsistemuCCXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.

Fazi pravila u fazi logičkom sistemu CCXLIX su ista kao u fazi logičkom sistemu

XCIV.Nakon implementacije fazi logičkogsistemaCCXLIXnauzorkuodsvih305


y=369,779.

FazilogičkisistemCCL

Fazi logički sistem CCL za procenu sklonosti ka saobraćajnim nezgodama


naBIS‐11upitnikuzaprocenuimpulsivnostiiskornaManchesterDAQupitnikuza

procenurizikauvožnjiijednaizlaznapromenljivakojaseodnosinabrojnezgoda.

UlaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuCCXLIV,

ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuCCXLV,aizlazna

promenljivakaoufazilogičkomsistemuI.

Fazi pravila u fazi logičkom sistemuCCL su ista kaou fazi logičkom sistemuCX.

NakonimplementacijefazilogičkogsistemaCCLnauzorkuodsvih305ispitanika,i

odgovarajućih proračuna, dolazi se do zaključka da je u ovom slučaju y =

516,463.

FazilogičkisistemCCLI

Fazi logički sistem CCLI za procenu sklonosti ka saobraćajnim nezgodama


naBIS‐11upitniku za procenu impulsivnosti i skor na upitniku za samoprocenu

sopstvenihvozačkihsposobnostiijednaizlaznapromenljivakojaseodnosinabroj

nezgoda. Ulazna promenljiva Impulsivnost je definisana kao u fazi logičkom


269

sistemu CCXLIV, ulazna promenljiva Samoprocena je definisana kao u fazi

logičkomsistemuCCXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.

Fazi pravila u fazi logičkom sistemu CCLI su ista kao u fazi logičkom sistemu

CXXVII.Nakon implementacije fazi logičkog sistemaCCLI na uzorku od svih 305


y=474,608.

FazilogičkisistemCCLII

Fazi logički sistem CCLII za procenu sklonosti ka saobraćajnim nezgodama


na Manchester DAQ upitniku za procenu rizika u vožnji i skor na upitniku za


odnosinabrojnezgoda.UlaznapromenljivaRizikjedefinisanakaoufazilogičkom

sistemuCCXLV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkom

sistemuCCXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.

Fazi pravila u fazi logičkom sistemu CCLII su ista kao u fazi logičkom sistemu

CXLIV.Nakon implementacije fazi logičkog sistemaCCLII na uzorku od svih 305


y=475,470.

FazilogičkisistemCCLIII

Fazi logički sistem CCLIII za procenu sklonosti ka saobraćajnim nezgodama

predstavljasituacijukadapostojetriulaznepromenljivekojeseodnosenaskorna


zaprocenu impulsivnosti iskornaManchesterDAQupitnikuzaprocenurizikau

vožnji i jedna izlazna promenljiva koja se odnosi na broj nezgoda. Ulazna

promenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuCCXLIII,ulazna

promenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuCCXLIV,ulazna


270

promenljiva Rizik je definisana kao u fazi logičkom sistemu CCXLV, a izlazna

promenljiva kao u fazi logičkom sistemu I. Fazi pravila u fazi logičkom sistemu

CCLIIIsuistakaoufazilogičkomsistemuCLIX.Nakonimplementacijefazilogičkog

sistemaCCLIIInauzorkuodsvih305ispitanika,iodgovarajućihproračuna,dolazi

sedozaključkadajeuovomslučajuy=393,529.

FazilogičkisistemCCLIV

Fazi logički sistem CCLIV za procenu sklonosti ka saobraćajnim nezgodama



zaprocenuimpulsivnosti iskornaupitnikuzasamoprocenusopstvenihvozačkih

sposobnosti i jedna izlazna promenljiva koja se odnosi na broj nezgoda. Ulazna

promenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuCCXLIII,ulazna


promenljiva Samoprocena je definisana kao u fazi logičkom sistemu CCXLVI, a

izlaznapromenljivakaoufazilogičkomsistemuI.

Fazi pravila u fazi logičkom sistemu CCLIV su ista kao u fazi logičkom sistemu

CLXXVI.NakonimplementacijefazilogičkogsistemaCCLIVnauzorkuodsvih305


y=486,182.

FazilogičkisistemCCLV

Fazi logički sistem CCLV za procenu sklonosti ka saobraćajnim nezgodama


ADBQupitnikuzaprocenuagresivnogponašanjauvožnji,skornaManchesterDAQ

upitnikuzaprocenurizikauvožnjiiskornaupitnikuzasamoprocenusopstvenih

vozačkihsposobnosti i jedna izlaznapromenljivakojaseodnosinabrojnezgoda.

UlaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuCCXLIII,

ulaznapromenljivaRizikjedefinisanakaoufazi logičkomsistemuCCXLV,ulazna


271


izlazna promenljiva kao u fazi logičkom sistemu I. Fazi pravila u fazi logičkom

sistemuCCLVsuistakaoufazilogičkomsistemuCXCIII.Nakonimplementacijefazi

logičkog sistema CCLV na uzorku od svih 305 ispitanika, i odgovarajućih

proračuna,dolazisedozaključkadajeuovomslučajuy=485,585.

FazilogičkisistemCCLVI

Fazi logički sistem CCLVI za procenu sklonosti ka saobraćajnim nezgodama


BIS‐11 upitniku za procenu impulsivnosti, skor na Manchester DAQ upitniku za

procenu rizika u vožnji i skor na upitniku za samoprocenu sopstvenih vozačkih

sposobnosti i jedna izlazna promenljiva koja se odnosi na broj nezgoda. Ulazna


promenljiva Rizik je definisana kao u fazi logičkom sistemu CCXLV, ulazna


izlaznapromenljivakaoufazilogičkomsistemuI.

FazipravilaufazilogičkomsistemuCCLVIsuistakaoufazilogičkomsistemuCCIX.

Nakon implementacije fazi logičkog sistema CCLVI na uzorku od svih 305


y=646,043.

FazilogičkisistemCCLVII

Fazi logički sistem CCLVII za procenu sklonosti ka saobraćajnim nezgodama

predstavljasituacijukadapostoječetiriulaznepromenljivekojeseodnosenaskor

na ADBQ upitniku za procenu agresivnog ponašanja u vožnji, skor na BIS‐11

upitnikuzaprocenu impulsivnosti, skornaManchesterDAQupitnikuzaprocenu

rizikauvožnjiiskornaupitnikuzasamoprocenusopstvenihvozačkihsposobnosti

i jedna izlazna promenljiva koja se odnosi na broj nezgoda. Ulazna promenljiva

AgresivnostjedefinisanakaoufazilogičkomsistemuCCXLIII,ulaznapromenljiva


272

ImpulsivnostjedefinisanakaoufazilogičkomsistemuCCXLIV,ulaznapromenljiva

Rizik je definisana kao u fazi logičkom sistemu CCXLV, ulazna promenljiva

Samoprocena je definisana kao u fazi logičkom sistemu CCXLVI, a izlazna

promenljiva kao u fazi logičkom sistemu I. Fazi pravila u fazi logičkom sistemu

CCLVII su ista kao u fazi logičkom sistemu CCXXVI. Nakon implementacije fazi

logičkog sistema CCLVII na uzorku od svih 305 ispitanika, i odgovarajućih

proračuna,dolazisedozaključkadajeuovomslučajuy=346,198.

10.3.4 Diskusija – Izbor optimalnog modela za procenu sklonosti ka

saobraćajnimnezgodamaukojimasudomenifunkcijapripadnostidefinisani

naosnovupodatakaizliterature

Informacijadokojesedolazianalizomfazi logičkihsistemaodCCXLIIIdoCCLVII

jeste koji od posmatranih sistema najbolje opisuje podatke iz empirijskog

istraživanja,tj.kojisistemčininajmanjugreškukrozizlaznirezultatkojiseodnosi

nabrojnezgoda.Utomsmislu,naslici10.49iutabeli10.25.prikazanisuzbirovi

apsolutnihgrešakanajboljih fazi logičkih sistemau svakomodkoncepatakoji se

posmatra, gde su domeni funkcija pripadnosti definisani na osnovu podataka iz

literature.

Iztabele10.25.možesevidetidajekonceptukojempostoječetiriulaznevarijable

dao najbolji rezultat.Međutim, poređenjemovog rezultata (fazi logičkog sistema

CCLVII)sarezultatomfazilogičkogsistemaCCXLIIkojijedaonajboljirezultatpri

ispitivanju fazi logičkih sistema čiji su domeni formirani na osnovu podataka iz

istraživanja, zaključuje se da je razlika u načinjenoj greški 58,242 (346,198 ‐

287,956).TopraktičnoznačidajefazilogičkisistemCCXLIIznačajnoboljiodfazi

logičkogsistemaCCLVII.


273

Slika10.49.Odnosnajboljihfazilogičkihsistemausvakomodkoncepatagdesu

domenidefinisaninaosnovupodatakaizliterature‐rangirano

Tabela10.25.OdnosrazličitihkoncepatafazilogičkihsistemaodCCXLIIIdoCCLVII

Konceptfazi

logičkogsistema


izlaznavarijabla)

yi

Konceptfazi

logičkogsistema


izlaznavarijabla)

yi

1. Agresivnost‐Nezgode 437,8029.Impulsivnost;Samoprocena‐

Nezgode474,608

2. Impulsivnost–Nezgode 655,484 10.Rizik;Samoprocena‐ Nezgode 475,470

3. Rizik‐Nezgode 648,44311.Agresivnost;Impulsivnost;

Rizik‐Nezgode393,529

4. Samoprocena–Nezgode 592,19212.Agresivnost;Impulsivnost;

Samoprocena‐Nezgode 486,182


Nezgode366,001



6. Agresivnost;Rizik–Nezgode 383,41314.Impulsivnost;Rizik;

Samoprocena‐Nezgode 646,043


Nezgode369,779

15.Agresivnost;Impulsivnost;

Rizik;Samoprocena‐

Nezgode346,198


Nezgode516,463

0 100 200 300 400 500 600 700

2.Impulsivnost3.Rizik

14.Impulsivnost;Rizik;Samoprocena4.Samoprocena

8.Impulsivnost;Rizik12.Agresivnost;Impulsivnost;Samoprocena

13.Agresivnost;Rizik;Samoprocena10.Rizik;Samoprocena

9.Impulsivnost;Samoprocena1.Agresivnost

11.Agresivnost;Impulsivnost;Rizik6.Agresivnost;Rizik

7.Agresivnost;Samoprocena5.Agresivnost;Impulsivnost




274

Komparativnomanalizomrezultatatestiranjafazilogičkihsistemagdesudomeni

formirani na osnovu podataka iz literature i onih gde su domeni formirani na

osnovupodatakaizistraživanja(slika10.50.),dolazisedovažnogzaključkadasu

rezultatikojeseodnosenasistemAgresivnost–Nezgodeboljiutabeli10.25,nego

u tabeli 10.18 i to za 80,26 (518,062 ‐ 437,802). Na osnovu toga, može se

pretpostaviti da bi najbolji fazi sistem CCXLII sa četiri ulazne promenljive dao

eventualno još bolji rezultat ako bi se domeni ulazne promenljive Agresivnost

definisali na osnovu podataka iz literature. U tom smislu, najpre je potrebno

testirati koncept Agresivnost – Nezgode, gde su domeni definisani na osnovu

podatakaizliterature,zarazličiteoblikefunkcijapripadnosti.Tojeučinjenoufazi

logičkimsistemimaodCCLVIIIdoCCLXXI,arezultatisuprikazaniutabeli10.26.

Slika10.50.Odnosnajboljihfazilogičkihsistemausvakomodkoncepatagdesu

domenidefinisaninaosnovupodatakaizistraživanja,odnosnoizliterature

Sa slike 10.51. i iz tabele 10.26 može se videti da najbolje rešenje za koncept

Agresivnost – Nezgode daje fazi logički sistem koji koristi trouglaste funkcije

pripadnosti. Dalje, testiran je sistem koji sadrži četiri ulazne varijable, gde je

Agresivnostdefinisananaosnovupodataka iz literature, a preostale varijablena

osnovupodatakaizistraživanja.

0 100 200 300 400 500 600 700

1.Agresivnost2.Impulsivnost

3.Rizik4.Samoprocena

5.Agresivnost;Impulsivnost6.Agresivnost;Rizik

7.Agresivnost;Samoprocena8.Impulsivnost;Rizik

9.Impulsivnost;Samoprocena10.Rizik;Samoprocena

11.Agresivnost;Impulsivnost;Rizik12.Agresivnost;Impulsivnost;Samoprocena

13.Agresivnost;Rizik;Samoprocena14.Impulsivnost;Rizik;Samoprocena


Odnossistemaizistraživanjailiterature

Literatura Istraživanje


275

Slika10.51.UkupnegreškefazilogičkogsistemaCCXLIIIifazilogičkihsistemaod

CCLVIIIdoCCLXXI

Tabela10.26.ZbirapsolutnihgrešakafazilogičkihsistemaodCCLVIIIdoCCLXXI

Fazilogičkisistem

(ulaznafunkcijapripadnosti–


yi

Fazilogičkisistem

(ulaznafunkcija



yi

CCXLIII(trimf–trimf) 437,802CCLXV (gbellmf–

gbellmf)448,409

CCLVIII(trapmf–trimf) 439,087CCLXVI ((zmf,dsigmf,


CCLIX(trapmf–trapmf) 438,694

CCLXVII((zmf,dsigmf,


sigmf))

448,916

CCLX(gaussmf–trimf) 438,192CCLXVIII ((zmf,psigmf,


CCLXI(gaussmf–gaussmf) 439,582

CCLXIX((zmf,psigmf,


sigmf))448,887

CCLXII(gauss2mf–trimf) 441,726CCLXX ((zmf,pimf,smf)–

trimf) 443,835

CCLXIII(gauss2mf–gauss2mf) 441,480CCLXXI((zmf,pimf,smf)–


CCLXIV(gbellmf– trimf) 448,770

432

434

436

438

440

442

444

446

448

450

Ukupnegreškeposmatranihsistema


276

FazilogičkisistemCCLXXII

Fazi logički sistem CCLXXII za procenu sklonosti ka saobraćajnim nezgodama

predstavljasituacijukadapostoječetiriulaznepromenljivekojeseodnosenaskor

na ADBQ upitniku za procenu agresivnog ponašanja u vožnji, skor na BIS‐11

upitnikuzaprocenu impulsivnosti, skornaManchesterDAQupitnikuzaprocenu

rizikauvožnjiiskornaUpitnikuzasamoprocenusopstvenihvozačkihsposobnosti

i jedna izlazna promenljiva koja se odnosi na broj nezgoda. Ulazna promenljiva

AgresivnostjedefinisanakaoufazilogičkomsistemuCCXLIII,ulaznapromenljiva

Impulsivnost jedefinisanakaou fazi logičkomsistemuXVIII, ulaznapromenljiva

Rizik je definisana kao u fazi logičkom sistemu XXXI, ulazna promenljiva

SamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljiva

kaoufazilogičkomsistemuIII.

Fazipravilau fazi logičkomsistemuCCLXXII su istakaou fazi logičkomsistemu

CCXLII.NakonimplementacijefazilogičkogsistemaCCLXXIInauzorkuodsvih305


y=302,614.

Konačno,naosnovuanalizesvih272posmatranihfazilogičkasistema,dolazisedo

zaključka da najbolji sistem za procenu sklonosti ka saobraćajnim nezgodama

predstavlja fazi logički sistem CCXLII gde je ulazna promenljiva Agresivnost

definisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostkaou

fazilogičkomsistemuXVIII,ulaznapromenljivaRizikkaoufazilogičkomsistemu

XXXI,ulaznapromenljivaSamoprocenakaoufazilogičkomsistemuXLVI,aizlazna

promenljivaNezgode kao u fazi logičkom sistemu III. Nakon implementacije fazi

logičkogsistemaCCXLIInauzorkuodsvih305 ispitanikadošlosedominimalne

greškeizmeđurešenjakojedajefazilogičkisistemipodatakaizistraživanjaody

=287,956.


277

10.4Finopodešavanjenajboljegfazilogičkogsistema

Testiranjem272fazi logičkasistema,svakinauzorkuod305 ispitanika,došlose

dozaključkada jenajboljisistem,tj.sistemkojipravinajmanjugreškuuproceni

sklonostipojedincakasaobraćajnimnezgodama,fazilogičkisistemCCXLII.Uovom

sistemuulaznapromenljivaAgresivnostdefinisanakaoufazilogičkomsistemuIV,

tj. korišćenjem funkcija pripadnosti u obliku Gausove krive (gaussmf). Ulazna

promenljivaImpulsivnostjeistakaoufazilogičkomsistemuXVIII,tj.korišćenesu

funkcijepripadnostiutrapezoidnomobliku(trapmf).UlaznapromenljivaRizikje

definisana kao u fazi logičkom sistemuXXXI, a ulaznapromenljiva Samoprocena

kaoufazilogičkomsistemuXLVI,gdesukodobenavedenepromenljivekorišćene

funkcije pripadnosti u obliku trougla (trimf). Kod izlazne promenljive Nezgode

korišćenesufunkcijepripadnostiuoblikutrapeza(trapmf)ionajedefinisanakao

ufazilogičkomsistemuIII.

Strukturanavedenogfazilogičkogsistemamožesesagledatikrozkomandu„Rule

Viewer“ u korišćenom programu (slika 10.52). Na slici 10.52 može se videti da

postoji pet kolona, četiri za svaku ulaznu promenljivu i peta za izlaznu. Ako

posmatramo redove, može se primetiti da ih ima 626, gde je svaki od redova

predviđen za ilustraciju jednog od 625 fazi pravila, a poslednji red predstavlja

rešenjefazi logičkogsistemazazadatekonkretnevrednostiulaznihpromenljivih.

Plavom bojom u poslednjem redu obojen je konačan oblik koji se formira kao

rešenje,acrvenalinijauokvirutogoblikapredstavljadefazifikovanuvrednost.Za

svako fazi pravilo prikazana je funkcija pripadnosti u svakoj od promenljivih u

odnosunakonkretnevrednostiulaznihpromenljivih,gdeukolikozadatavrednost

spadaudomenkonkretnefunkcijepripadnosti,tadajeonaobojena,usuprotnom

nije.

Rešenje fazi logičkog sistema zavisi, naravno, od vrednosti ulaznih promenljivih.

Onesemoguunetiprekografičkog interfejsa, tj.pomeranjemvertikalnihcrvenih

linijakojesenalazeusvakojodčetirikolonekojefigurišukaoulaznepromenljive.

Pored toga, vrednosti ulaznih promenljivih se mogu zadati i direktnim upisom

vrednostiukomandnulinijupodnazivom„Input“.


278

Slika10.52.„RuleViewer“zasistemCCXLIIzakonkretnevrednostiulaznih

promenljivih


279

Komanda „Rule Viewer“ prikazuje rešenje fazi logičkog sistema samo za

pojedinačanunossvakeodulaznihpromenljivih.Ukolikoseželisagledatikakofazi

logičkisistemreagujenaukupanskupmogućihulaznihvrednosti, tadasekoristi

komanda„SurfaceViewer“kojaprikazujeukupanopusmogućihrešenja.

„SurfaceViewer“adekvatnoradikadaseanalizirajudveulaznepromenljiveijedna

izlazna jer se tada sistemprikazujeu trodimenzionalnomprostoru.Kada sebroj

ulaznihpromenljivihpovećava,tadasejavljaproblemprikazarezultatauprostoru.

ZatoseusistemimakaoštojefazilogičkisistemCCXLIIkoristiprikazdvepodve

ulaznepromenljijve, kao što jeprikazanona slikamaod10.53. do10.58.Uovim

slučajevima se u rubrici Ref.Input javljaju oznake NaN. To znači da vrednosti

promenljivih na čijim mestima se nalazi ova oznaka variraju, a preostale dve

ulaznepromenljivezadržavajukonstantnuvrednost.NaNpredstavljaIEEEsimbol

štoznači„notanumber“.

Slika10.53.„SurfaceViewer“zasistemCCXLIIzapredikcijusaobraćajnihnezgodana

osnovuvrednostipromenljivihAgresivnostiImpulsivnost


280


osnovuvrednostipromenljivihAgresivnostiRizik


osnovuvrednostipromenljivihAgresivnostiSamoprocena


281


osnovuvrednostipromenljivihImpulsivnostiRizik


osnovuvrednostipromenljivihImpulsivnostiSamoprocena


282


osnovuvrednostipromenljivihImpulsivnostiSamoprocena

10.4.1 Fino podešavanje optimalnog fazi logičkog sistema menjanjem

metodedefazifikacije

Uokvirukorišćenogprogramapostojipetmogućnostizadefazifikacijurešenjafazi

logičkog rešenja.U fazi logičkom sistemuCCXLII korišćen je centroid kaometod

defazicikacije.Uovojsekcijitestiraćesepreostalečetirimogućnosti.

Fazi logički sistem CCLXXIII je u potpunosti isti sistem kao CCXLII, samo što je

metoddefazifikacijebisektor.Poovommetodu,formiranapovršinakojasedobija

kaorešenjedelisenapolovinuitatačkakojajenapolovinipredstavljanumeričko

rešenje.

FazilogičkisistemCCLXXIVjetakođeupotpunostiistisistemkaoCCXLII,samošto

je metod defazifikacije mom. Mom je skraćenica od engleskih reči middle of

maximum,štoznačidaseuzimaprosekmaksimalnihvrednostiizlaznihskupova.


283

Fazi logičkisistemCCLXXVjetakođeuistisistemkaoCCXLII,semštoje izabrani

metoddefazifikacijelom.Lomjeskraćenicaodengleskihrečilargestofmaximum,

štoznačidaseuzimanajvećavrednostodmaksimalnihvrednostiizlaznihskupova.

FazilogičkisistemCCLXXVIjetakođeuistisistemkaoCCXLII,semštojeizabrani

metoddefazifikacijesom.Somjeskraćenicaodengleskihrečismallestofmaximum,

što znači da se uzima najmanja vrednost od maksimalnih vrednosti izlaznih

skupova.

NakonimplementacijefazilogičkihsistemaodCCLXXIIIdoCCLXXVInauzorkuod

svih 305 ispitanika, i odgovarajućih proračuna, dolazi se do zaključka ukupnoj

greškiykojučineposmatranisistemi.Rezultatisuprikazaniutabeli10.27. ina

slici10.59.

Tabela10.27.Uporednaanalizarazličitihmetodadefazifikacije

Fazilogičkisistem Metoddefazifikacije y

CCXLII Centroid 287,956

CCLXXIII Bisector 291,960

CCLXXIV Mom 297,398

CCLXXV Lom 332,600

CCLXXVI Som 298,840

Testiranjem različitih metoda defazifikacije dolazi se do zaključka da je nabolji

rezultat dao fazi logički sistem CCXLII gde je korišćen centroid kao metod

defazifikacije.


284

Slika10.59.Uporednaanalizagrešakakoječinefazilogičkisistemiuzavisnostiod

različitihmetodadefazifikacije

10.4.2 Fino podešavanje optimalnog fazi logičkog sistema menjanjem

domenafunkcijapripadnosti

Fazi logički sistem CCXLII, koji se pokazao kao najbolji, biće dalje unapređen

menjanjemdomenafunkcijapripadnosti.Toćebitiučinjenotestiranjemsvakeod

pet promenljivih koje figurišu u sistemu smanjenjem ili uvećanjem domena

funkcijapripadnosti.Podešenfazilogičkisistemzajednupromenljivubićepolazna

osnovazatestiranjesledećepromenljiveitakoredom.

10.4.2.1PodeševanjedomenafunkcijapripadnostipromenljiveAgresivnost

Podešavanje domena funkcija pripadnosti za ulaznu promenljivu je vršeno na

načinštojekodfazilogičkogsistemaCCXLIIvršenonajpresmanjenjedomenazaθ

=‐1.Sobziromdasepokazalodatakavsistemdajelošijerezultate,tj.većugrešku

y,pristupilosetestiranjusistemasapovećanimdomenimafunkcijapripadnosti.

DošlosedozaključkadafazilogičkisistemCCLXXXdajenajboljirezultat.Ovajfazi

logičkisistembićepolaznaosnovazapodeševanjepromenljiveImpulsivnost.

260

270

280

290

300

310

320

330

340

CCXLII CCLXXIII CCLXXIV CCLXXV CCLXXVI



285

Tabela 10.28. Testiranje promene domena funkcija pripadnosti za ulaznu

promenljivuAgresivnost

Fazilogičkisistem Promenadomenaθ y

CCXLII 0 287,956

CCLXXVII ‐1 290,870

CCLXXVIII 1 285,434

CCLXXIX 1,1 285,289

CCLXXX 1,2 285,246

CCLXXXI 1,3 285,255

CCLXXXII 1,4 285,420

CCLXXXIII 1,5 285,591

CCLXXXIV 2 286,592

Slika10.60.Testiranjepromenedomenafunkcijapripadnostizaulaznupromenljivu

Agresivnost

10.4.2.2PodeševanjedomenafunkcijapripadnostipromenljiveImpulsivnost

Na fazi logičkom sistemuCCLXXX vršeno je testiranje promenedomena funkcija

pripadnostipromenljiveImpulsivnost.Zarazlikuodpostupkauprethodnojsekciji,

u ovom delu postoje dve razlike. Prva se odnosi na rezultat poboljšanja, tj. u

prethodnomslučajudoboljegfazilogičkogsistemasedošlopovećanjemdomena,a

uovomslučajusedolazismanjenjemdomena.Ovačinjenica jedovela idodruge

282

283

284

285

286

287

288

289

290

291

292

‐1 0 1 1,1 1,2 1,3 1,4 1,5 2

TestiranjepromenedomenazaAgresivnost


286

specifničnosti, a to jeda funkcijapripadnostikojapokrivanajmanjevrednosti za

skor impulsivnosti nije mogla biti u značajnoj meri smanjena jer bi ostale neke

vrednostiskorovanepokrivenefaziskupovima.Uskladusatim,vrednostuzagradi

kod smanjenja θ predstavlja smanjenje prvog domena, a prva vrednost kod θ

predstavljasmanjenjeostalihdomena.


promenljivuImpulsivnost


CCLXXXV 1 286,531

CCLXXX 0 285,246

CCLXXXVI ‐1 284,746

CCLXXXVII ‐2(‐1,3) 276,994

CCLXXXVIII ‐2,3(‐1) 276,731

CCLXXXIX ‐2,7(‐0,6) 275,851

CCXC ‐2,9(‐0,4) 275,410

CCXCI ‐3(‐0,3) 275,229

CCXCII ‐3,1(‐0,2) 275,269

CCXCIII ‐3,3(0) 275,298


Impulsivnost

268270272274276278280282284286288

TestiranjepromenedomenazaImpulsivnost


287

Kaoštosemoževidetiiztabele10.29islike10.61,fazilogičkisistemkojićeslužiti

kaoosnovazadaljetestiranjeostalihpromenljivihjesistemCCXCI.

10.4.2.3PodeševanjedomenafunkcijapripadnostipromenljiveRizik

Rezultati testiranja promene domena funkcija pripadnosti promenljive Rizik

pokazuju da smanjenje domena od 0,5 dovodi do fazi logičkog sistema koji čini

najmanjugrešku.FazilogičkisistemCCXCVIćeslužitizadaljetestiranjepromena

domenafunkcijapripadnostipromenljiveSamoprocena.


promenljivuRizik


CCXCIV 0,5 276,154

CCXCI 0 275,229

CCXCV ‐0,4 274,801

CCXCVI ‐0,5 274,759

CCXCVII ‐0,6 274,826

CCXCVIII ‐1 275,123


Rizik

274

274,5

275

275,5

276

276,5

0,5 0 ‐0,4 ‐0,5 ‐0,6 ‐1

TestiranjepromenedomenazaRizik


288

10.4.2.4 Podeševanje domena funkcija pripadnosti promenljive

Samoprocena

Testiranje promene domena funkcija pripadnosti za ulaznu promenljivu

Samoprocenapokazalojedavećidomenidajuboljirezultat.Iztabele10.31vidise

da je fazi logičkisistemCCCII,gde jeθ=2,1,daonajboljirezultat.Ovajsistemće

služiti za dalje testiranje promena domena funkcija pripadnosti izlazne

promenljiveNezgode.


promenljivuSamoprocena


CCXCIX ‐1 275,618

CCXCVI 0 274,759

CCC 1 273,947

CCCI 2 273,777

CCCII 2,1 273,762

CCCIII 2,2 273,803


Samoprocena

272,5

273

273,5

274

274,5

275

275,5

276

‐1 0 1 2 2,1 2,2 2,5

TestiranjepromenedomenazaSamoprocenu


289

10.4.2.5PodeševanjedomenafunkcijapripadnostipromenljiveNezgode

Konačno, proces podešavanja fazi logičkog sistema se završava testiranjem

promena domena i izlazne promenljive Nezgode. Analizom rešenja koja su

predstavljena u tabeli 10.32. i na slici 10.64. dolazi se do zaključka da se

smanjenjemdomenadolazi do boljih sistema.U skladu sa tim, vrednosti θ su se

smanjivalekolikogodjebilorazumnodabisezadržalapokrivenostpotencijalnih

izlaznih vrednosti fazi logičkog sistema. Zaključuje se da je finalni fazi logički

sistem koji najbolje opisuje podatke iz empirijskog istraživanja sistem CCCVIII.

Ovajsistemćedetaljnijebitiopisanunarednojsekciji.

Tabela 10.32. Testiranje promene domena funkcija pripadnosti za izlaznu

promenljivuNezgode


CCCV 0,1 276,116

CCCII 0 273,762

CCCVI ‐0,1 271,532

CCCVII ‐0,3 267,558

CCCVIII ‐0,35 266,389

Slika10.64.Testiranjepromenedomenafunkcijapripadnostizaizlaznupromenljivu

Nezgode

260

262

264

266

268

270

272

274

276

278

0,1 0 ‐0,1 ‐0,3 ‐0,35

TestiranjepromenedomenazaNezgode


290

10.5.Opisfinalnogfazilogičkogsistema

Finalni fazi logički sistem za procenu sklonosti pojedinca ka saobraćajnim

nezgodamakojičininajmanjugreškupriproceni,posmatrajućiempirijskepodatke

koji suprikupljeni u istraživanjuuokviruovedoktorskedisertacije, jeste sistem

CCCVIII.Funkcijepripadnostikojefigurišuuokviruovogsistemasuprikazanena

slikama10.65. i10.66.Fazipravilasuistakaoikodfazi logičkogsistemaCCXLII i

onasuprikazanaupriloguB.11.ovedisertacije.

Slika10.65.Funkcijepripadnostizaulaznepromenljiveufazilogičkomsistemu

CCCVIII


291

Slika10.66.Funkcijepripadnostizaizlaznupromenljivuufazilogičkomsistemu

CCCVIII

Dalje na slici 10.67 mogu se videti sve mogućnosti izlaza u trodimenzionalnom

prostoru za svaku kombinaciju dve ulazne promenljive, gde su druge dve

konstantne,uzpomoćaplikacije„SurfaceViewer“.

InteresantnojesagledatiodnosizmeđurešenjakojedajefazilogičkisistemCCCVIII

ibrojanezgodakojisuprijavili ispitaniciuokviru istraživanja.Grafičkiprikazna

slici 10.68. ukazuje na to da fazi logički sistem daje rešenja koja ublažavaju

ekstremne vrednosti o broju nezgoda, tj. kada je reč o ispitanicima koji nisu

doživelinezgode,rešenjefazi logičkogsistemajebliskonuli,alinije jednakonuli.

Sadrugestrane,kadasuupitanjuispitanicikojisudoživelivećibrojnezgoda,fazi

logički sistem daje vrednosti koje su nešto manje od te vrednosti. Koeficijent

korelacijeizmeđudvepomenuteserijepodatakaiznosir=0,70.

Takođe, zanimljivo je posmatrati prosečne vrednosti koji ispitanici u određenoj

kategorijipostižu,tj.ispitanicisaodređenimbrojemnezgoda,adaseuočenitrend

uporedi sa odgovarajućom promenljivom koja figuriše u okviru fazi logičkog

sistemaCCCVIII.Utabeli10.33.prikazanesuprosečnevrednostiskorovakojesu

postigli ispitanici na četiri korišćena psihološka instrumenta, posmatrano po

kategorijamaufunkcijibrojanezgodakojisudoživeliispitanici.


292

Slika10.67.„SurfaceViewer“zasistemCCCVIIIzasvepotencijalnevrednostiulaznih

promenljivih


293

Slika10.68.Odnosempirijskihpodatakaobrojunezgodairešenjafazilogičkog

sistemaCCCVIII

Tabela 10.33. Prosečne vrednosti skorova posmatrano po kategorijama u funkciji

brojanezgoda

Broj

nezgoda

Prosečan

skorna

ADBQ

upitniku

(agresivnost)

Prosečanskor

naBIS‐11

upitniku

(impulsivnost)

Prosečanskor

naManchester

DAQupitniku

(rizik)

Prosečanskor

upitnikuza

samoprocenu

sopstvenihvozačkih

sposobnosti

(samoprocena)

0 44,36 64,67 59,14 67,50

1 46,80 70,05 65,10 71,10

2 53,32 69,84 64,98 69,64

3 52,42 74,47 61,32 61,68

4 60,43 74,43 68,21 56,00

5 58,00 75,27 67,91 52,00

6 65,50 75,00 71,50 50,00

8 54,50 77,50 67,67 53,33

0

1

2

3

4

5

6

7

8

91

10

19

28

37

46

55

64

73

82

91

100

109

118

127

136

145

154

163

172

181

190

199

208

217

226

235

244

253

262

271

280

289

298

Empirijski podaci Fazi logički sistem


294

Slika10.69.OdnosizmeđupromenljiveAgresivnostuempirijskomistraživanjuifazi

logičkomsistemuCCCVIII

Slika10.70.OdnosizmeđupromenljiveImpulsivnostuempirijskomistraživanjuifazi




20,00

30,00

40,00

50,00

60,00

70,00

0 1 2 3 4 5 6 8

Prosečni skorovi za Agresivnost

55,00

60,00

65,00

70,00

75,00

80,00

0 1 2 3 4 5 6 8

Prosečni skorovi za Impulsivnost

20,00

30,00

40,00

50,00

60,00

70,00

80,00

0 1 2 3 4 5 6 8

Prosečni skorovi za Rizik


295



Na osnovu analize prosečnih vrednosti skorova postignutih na psihološkim

instrumentima u svakoj od kategorija u smislu broja doživljenih saobraćajnih

nezgoda mogu se sagledati trendovi, tj. odnosi između pojednih promenljivih i

broja nezgoda. Na slikama od 10.69. do 10.72. uočavaju se pomenuti trendovi i

uočavasaglasnosttihtrendovaiudefinisanomfazilogičkomsistemu.

10.6 Poređenje rezultata hijerarhijske regresione analize i primene fazi

logičkihsistema

Pored fazi logike, u ovoj doktorskoj disertaciji je korišćena i hijerarhijska

regresionaanalizaufunkcijiprocenesklonostivozačakasaobraćajnimnezgodama

naosnovupostignutihskorovanapsihološkiminstrumentima.Korisnojeuporediti

rezultatedobijenepomoćuovadvametoda.

Jednačinahijerarhijske regresioneanalizenaosnovukoje seprocenjuju sklonost

kasaobraćajnimnezgodamaimaopštioblik:

⋯

Akoukonkretnomslučajuuvedemosledećeoznake:

20,00

30,00

40,00

50,00

60,00

70,00

80,00

0 1 2 3 4 5 6 8

Prosečni skorovi za Samoprocenu


296

y–brojnezgoda,

bo–konstantahijerarhijskeregresioneanalize,

b1–regresionikoeficijentBkojiseodnosinaagresivnost,

x1–skornaADBQupitnikuzaprocenuagresivnogponašanjauvožnji,

b2–regresionikoeficijentBkojiseodnosinaimpulsivnost,

x2–skornaBIS‐11upitnikuzaprocenuimpulsivnosti,

b3–regresionikoeficijentBkojiseodnosinarizik,

x3–skornaManchesterDAQupitnikuzaprocenurizikauvožnji,

b4–regresionikoeficijentBkojiseodnosinasamoprocenui

x4–skornaupitnikuzasamoprocenusopstvenihvozačkihsposobnosti,

tadaregresionajednačinazaprocenusklonostikasaobraćajnimnezgodamaglasi:

Uokviruhijerarhijskeregresioneanalizedobijenesusledećevrednosti:

b0=‐2,770,

b1=0,023,

b2=0,039,

b3=0,013,

b4=‐0,011.

Kada se regresiona jednačina primeni na svih 305 ispitanika i kada se izvrše

odgovarajućiproračuniusmislupronalaženjagreške,tj.odstupanjaodrezultataiz

istraživanja,dobijasedajey=326,715.

Budućidajefinalnifazilogičkisistemdaoodstupanjeody=266,389,zaključuje

se da se veća preciznost u proceni sklonosti ka saobraćajnim nezgodama može

postićiprimenomfazilogike.

11.Modelizaprocenusklonostikasaobraćajnimnezgodamabaziraninaanalizikarakteristikaizabranedeoniceputaiprimenifazilogike

297

11.MODELIZAPROCENUSKLONOSTIKASAOBRAĆAJNIMNEZGODAMABAZIRANINAANALIZIKARAKTERISTIKAIZABRANEDEONICEPUTAIPRIMENIFAZILOGIKE

Uovompoglavljupredloženisumodeličijomprimenomsedolazidoinformacijeo

sklonosti pojedinca ka saobraćajnim nezgodama na određenoj deonici puta. Za

razlikuodpredloženogmodelaizprethodnogpoglavljaovedoktorskedisertacije,

gde su ulazne varijable fazi logičkog sistema bili skorovi na instrumentima za

procenu ličnosti, ovde su ulazne varijable zasnovane na rezultatima procene

opasnih mesta na posmatranoj deonici puta i karakteristika puta, kao i na

učestalosti korišćenja posmatrane deonice. Izlazna varijabla jeste broj nezgoda

kojejedoživeoispitanik,štojebioslučajiumodelimaizprethodnogpoglavlja.

Dakle, predloženimodeli bimogli biti od koristi kada se želi ispitati sklonost ka

nezgodama, ali na nekoj određenoj deonici puta. Potencijalna primena ovog

modela mogla bi biti višestruka, npr. kao deo testiranja profesionalnih vozača

prilikomselekcijezazaposlenje,adasepritomeplaniradazaposlenivozačivoze

natačnoodređenimdeonicama.

Budućidasuulaznevarijablezasnovanenaproceniispitanika,iakojerezultatovog

procesa izražen u vidu konkretnog broja, one ipak sadrže u sebi određenudozu

rasplinutosti i neodređenosti. Takođe, kao što je prethodno objašnjeno,

predviđanje broja saobraćajnih nezgoda u kojima je ispitanik učestvovao

predstavljasloženzadatakkojimožezavisitiodnizanezavisnihokolnosti,teseiu

smisluizlaznepromenljivemožegovoritiovarijablikojasadržineodređenost.Na

osnovutoga,predloženimodelzasnovanjenafazilogici.

11.1Promenljiveurazmatranimfazilogičkimmodelima

U predloženim fazi logičkim sistemima figurišu tri ulazne promenljive: procena

opasnihmestanaposmatranojdeonici(udaljemtekstunazivpromenljivećebiti:

Opasna mesta), procena karakteristika puta na posmatranoj deonici (u daljem


298

tekstu naziv promenljive će biti: Karakteristike puta) i učestalost vožnje na

posmatranojdeonici(udaljemtekstunazivpromenljivećebiti:Učestalost).

Slika11.1.Konceptulaznevarijable1fazilogičkogsistema

Opasnomesto1(Žarkovo)

Opasnomesto2(Orlovača)

Opasnomesto3(Ripanj)

Opasnomesto4(Šiljakovac)

Opasnomesto5(SkretanjezaBarajevo)

Opasnomesto6(Stepojevac)

Opasnomesto7(Šopić)

Opasnomesto8(Lazarevackružnitok)

Opasnomesto9(Ćelije)

Ulaznavarijabla1fazilogičkogsistema


299

UlaznapromenljivaOpasnamestapredstavljasublimacijuvišeprocena.Onasadrži

procenudevetopasnihmestanaposmatranojdeoniciputa IBredabroj22(slika

11.1).

Slika11.2.Konceptulaznevarijable2fazilogičkogsistema

Karakteristikaputa1(Izgledtraseilipružanjetrase)

Karakteristikaputa2(Stanjekolovoza)

Karakteristikaputa3(Stanjehorizontalne

signalizacije)

Karakteristikaputa4(Stanjevertikalnesignalizacije)

Karakteristikaputa5(Stanjezaštitneograde)

Karakteristikaputa6(Putnipojas:bankine,kanalizaodvodvode,...)

Karakteristikaputa7(Bezbednostsaobraćajanapriključnimputevima)

Ulaznavarijabla2fazilogičkogsistema


300

Ulazna varijabla Karakteristike puta sadrži u sebi procenu sedam karakteristika

posmatrane deonice (slika 11.2). Ulazna varijabla Učestalost zasniva se na

kriterijumukolikoputanedeljnoilimesečnoispitanikvozinaposmatranojdeonici

puta.Izlaznavarijablajestebrojnezgodakojijedoživeoispitanik.

Pri definisanju fazi skupova i odgovarajućih fazi pravila korišćena je baza

podataka, koja je nastala kao rezultat istraživanja u okviru ove doktorske

disertacije, o procenama devet opasnihmesta, sedam karakteristika posmatrane

deonice,učestalostivožnjenaposmatranojdeoniciibrojunezgodakojijedoživeo

svaki od 305 ispitanika iz uzorka koji je prethodno već opisan. Dakle, korišćeni

podacisemogutabelarnopredstavitikaoštojeprikazanoutabeli11.1.

Tabela11.1.Bazaulaznihiizlaznihpodataka

Ispitanik

Zbirocena

devetopasnih

mesta

(Opasna

mesta)

Zbirocena

sedam

karakteristika

puta

(Karakteristike

puta)

Učestalost

vožnjena

posmatranoj

deonici

(Učestalost)

Brojnezgoda

(Nezgode)

1. 82 39 1 8

2. 55 44 1 0

3. 52 46 1 0

4. 59 47 1 0

5. 67 40 1 0

.... .... .... ....

.... .... .... ....

.... .... .... ....

305. 64 49 3 3


301

Računarski program koji je korišćen u svrhu definisanja fazi logičkih sistema i

odgovarajućih proračuna jeste, kao i u prethodnom poglavlju, Matlab verzija

R2013a.

11.2Modelizaprocenusklonostikasaobraćajnimnezgodamabaziranina

analiziizabranedeoniceputa

Usekciji11.2analizirajusefazilogičkisistemikojikoristejednu,dveilitriulazne

promenljive,akojeseodnosenaOpasnamesta,KarakteristikeputaiUčestalost.

11.2.1Modelizaprocenusklonostikasaobraćajnimnezgodamasa jednom

ulaznompromenljivomkojaseodnosinaOpasnamesta

FazilogičkisistemiodIadoXVazaprocenusklonostikasaobraćajnimnezgodama

predstavljaju situaciju kada postoji jedna ulazna promenljiva koja se odnosi na

procenuopasnihmestanadeonici i jedna izlaznapromenljiva.Konceptovih fazi

logičkih sistemakoji je ilustrovanuzpomoćnavedenogprograma jeprikazanna

slici11.3.Ovefazilogičkesistemekarakterišurazličitefunkcijepripadnostikojesu

predstavljeneutabeli11.2.

Slika11.3.KonceptfazilogičkihsistemaodIadoXVa


302

UlaznapromenljivaOpasnamestaseodnosinazbirprocenedevetopasnihmesta

koje su mogle biti ocenjene ocenom od 1 do 10, što znači da je domen ove

promenljive od 9 do 90. Može se prikazati pomoću 5 fazi skupova i njihovih

funkcijapripadnosti(slika11.4):VNPR–veomaniskaprocenarizika,NPR–niska

procenarizika,SPR–srednjaprocenarizika,VPR–visokaprocenarizika,VVPR–

veomavisokaprocenarizika.Kaoštosemoževidetisaslike11.4,faziskupovikoji

opisuju ulaznu promenljivu Opasnamesta ne pokrivaju jednake intervale, što je

rezultatčinjenicedasuovifaziskupovidefinisaninaosnovuempirijskihpodataka

o 305 ispitanika. Iako je minimalna vrednost za procenu devet tačaka 9, u

posmatranomuzorku sepokazaloda jeminimalnavrednost35.Naosnovu toga,

moglobi sezaključitidaseuprosečnojpopulacijivozačavrloretkosrećumanje

vrednosti ida jedaklerelativnoveliki intervalzapotencijalnevrednostiprocene

rizikaostaonepokriven.ZatofaziskupVNPRimanajveći intervalupoređenjusa

preostala4 fazi skupa. Sadruge strane, srednjavrednostprocenaopasnihmesta

svih ispitanika koji su učestvovali u istraživanju je 60,91; na osnovu čega je

vrednost od 61 uzeta kao vrednost fazi skupa SPR sa najvećim stepenom

pripadnosti1.

Slika11.4.PodeladomenaulaznepromenljiveOpasnamestai

odgovarajućefunkcijepripadnosti


303

IzlaznapromenljivaNezgodeseodnosinabrojnezgodakoji jedoživeo ispitanik.

Definisanajeistokaoiuprethodnompoglavljudisertacije,pomoću7faziskupova

injihovihfunkcijapripadnosti,kakojeprikazanonaslici11.5:VMBN–veomamali

brojnezgoda,MBN–malibrojnezgoda,SMBN–srednjemalibrojnezgoda,SBN–

srednji broj nezgoda, SVBN – srednje veliki broj nezgoda, VBN – veliki broj

nezgoda, VVBN – veoma veliki broj nezgoda. Fazi skupovi koji opisuju izlaznu

promenljivu uglavnom pokrivaju jednake intervale, sem VVBN skupa koji u

empirijskom uzorku predstavlja vrlo retku pojavu.Moguće empirijske vrednosti

brojanezgodakrećuseod0do8.


baza fazi pravila. Za fazi logičke sisteme od Ia do XVa potrebno je definisati 5


1.If(Opasna__mestaisVNPR)then(NezgodeisVMBN)

2.If(Opasna__mestaisVNPR)then(NezgodeisMBN)

3.If(Opasna__mestaisNPR)then(NezgodeisSBN)

4.If(Opasna__mestaisVPR)then(NezgodeisVBN)

5.If(Opasna__mestaisVVPR)then(NezgodeisVVBN).

Naosnovukreiranihpravila,stvorenajemogućnostdasezaodgovarajućeprocene

opasnihmestadobijeočekivanibrojsaobraćajnihnezgodaukojimajeučestvovao

ispitanik. Na osnovu toga može se proceniti njegova sklonost ka saobraćajnim

nezgodama.

Da bi se ispitalo u kojoj meri određeni fazi logički sistem opisuje empirijske

podatke,unetesuvrednostizaposmatranuulaznuvarijabluzasvakogispitanika,a

dobijeni rezultat o očekivanombroju saobraćajnihnezgoda (yoi) seupoređuje sa

stvarnim brojem koji je određeni vozač doživeo (ysi). Razlike u stvarnom i

očekivanom broju saobraćajnih nezgoda, u apsolutno iznosu (yi), se sumiraju

(y). Što je vrednost y manja, to posmatrani sistem bolje opisuje podatke iz

empirijskog istraživanja i smatra se prikladnijim sistemom za izračunavanje


304

sklonosti ka saobraćajnim nezgodama. Zbir apsolutnih grešaka fazi logičkih

sistema od Ia do XVa u kojima se posmatraju različite funkcije pripadnosti

prikazanjeutabeli11.2.

Tabela11.2.ZbirapsolutnihgrešakafazilogičkihsistemaodIadoXVa

Fazilogičkisistem



yi

Fazilogičkisistem

(ulaznafunkcija



yi

Ia(trimf–trimf) 809,230 IXa(gbellmf– gbellmf) 818,519

IIa(trapmf–trimf) 810,002Xa((zmf,dsigmf,sigmf)–

trimf)814,119

IIIa(trapmf–trapmf) 811,195XIa((zmf,dsigmf,sigmf)–

(zmf,dsigmf,sigmf))812,869

IVa(gaussmf–trimf) 815,645XIIa((zmf,psigmf,sigmf)

–trimf)814,025

Va(gaussmf–gaussmf) 815,743XIIIa((zmf,psigmf,sigmf)

–(zmf,psigmf,sigmf))812,780

VIa(gauss2mf–trimf) 809,890XIVa((zmf,pimf,smf)–

trimf)815,775

VIIa(gauss2mf–gauss2mf) 811,139XVa((zmf,pimf,smf)–


VIIIa(gbellmf– trimf) 817,751

Naslici11.5.prikazan jegrafikonnakojemsevideodnosi izmeđupojedinih fazi


KadajerečofazilogičkimsistemimaodIadoXVa,poređenjemdobijenihrezultata

može se zaključiti da najbolje rezultate daje fazi logički sistem Ia koji koristi

trouglasteoblikefunkcijapripadnosti,kakozaulaznuvarijablu,takoizaizlaznu.


305

Slika11.5.Ukupnegreškefazilogičkihsistemasajednomulaznompromenljivom

Opasnamesta(odIadoXVa)


ulaznompromenljivomkojaseodnosinaKarakteristikeputa

Fazi logički sistemi od XVIa do XXXa za procenu sklonosti ka saobraćajnim

nezgodamapredstavljaju situaciju kada postoji jedna ulazna promenljiva koja se

odnosi na procenu karakteristika puta na ispitivanoj deonici i jedna izlazna

promenljiva. Koncept ovih fazi logičkih sistema koji je ilustrovan uz pomoć

navedenogprogramajeprikazannaslici11.6.Ovefazilogičkesistemekarakterišu

različitefunkcijepripadnostikojesupredstavljeneutabeli11.3.

Ulazna promenljiva Karakteristike puta se odnosi na zbir procena sedam

karakteristikaputakojesumoglebitiocenjeneocenomod1do10,štoznačidaje

domen ove promenljive od 7 do 70.Može se prikazati pomoću 5 fazi skupova i

njihovih funkcija pripadnosti (slika 11.7): VNPK – veoma niska procena

karakteristika puta, NPK – niska procena karakteristika puta, SPK – srednja

procena karakteristika puta,VPK – visoka procena karakteristika puta,VVPK –

veomavisokaprocenakarakteristikaputa.Kaoštosemožeprimetiti,faziskupovi

koji opisuju ulaznu promenljivu Karakteristike puta ne pokrivaju jednake

intervale.Empirijskipodacipokazalisudasezbirocenakrećeugranicamaod32

804

806

808

810

812

814

816

818

820

UkupnegreškesistemaodIadoXVa


306

do 65. Srednja vrednost zbira ocena svih ispitanika koji su učestvovali u

istraživanju je 43,83; na osnovu čega je vrednost od 44 uzeta kao vrednost fazi

skupa SPK sa najvećim stepenom pripadnosti 1. U skladu sa navedenim, ulazna

varijablaKarakteristikeputajedefinisanakaoštojeprikazanonaslici11.7.Izlazna

varijablajedefinisanakaoiuprethodnimfazilogičkimsistemima.

Slika11.6.KonceptfazilogičkihsistemaodXVIadoXXXa

Slika11.7.PodeladomenaulaznepromenljiveKarakteristikeputai



307


bazafazipravila.Zafazi logičkesistemeodXVIadoXXXapotrebnojedefinisati5


1.If(Karakteristike__putaisVNPK)then(NezgodeisVVBN)

2.If(Karakteristike__putaisVNPK)then(NezgodeisVBN)

3.If(Karakteristike__putaisNPK)then(NezgodeisSBN)

4.If(Karakteristike__putaisVPK)then(NezgodeisMBN)

5.If(Karakteristike__putaisVVPK)then(NezgodeisVMBN).


karakteristika puta dobije očekivani broj saobraćajnih nezgoda u kojima je

učestvovao ispitanik. Na osnovu toga može se proceniti njegova sklonost ka

saobraćajnimnezgodama.ZbirapsolutnihgrešakafazilogičkihsistemaodXVIado

XXXa u kojima se posmatraju različite funkcije pripadnosti prikazan je u tabeli

11.3.Naslici11.8.prikazanjegrafikonnakomesevideodnosi izmeđupojedinih

fazilogičkihsistemausmisluukupnegreškey.


Karakteristikeputa(odXVIadoXXXa)

440

450460

470

480

490500

510

520

530540

UkupnegreškesistemaodXVIadoXXXa


308

Tabela11.3.ZbirapsolutnihgrešakafazilogičkihsistemaodXVIadoXXXa

Fazilogičkisistem



yi

Fazilogičkisistem

(ulaznafunkcija



yi

XVIa(trimf–trimf) 477,233 XXIVa(gbellmf– gbellmf) 531,635

XVIIa(trapmf–trimf) 472,184XXVa((zmf,dsigmf,sigmf)

–trimf)471,575

XVIIIa(trapmf–trapmf) 472,564XXVIa((zmf,dsigmf,sigmf)

–(zmf,dsigmf,sigmf)) 472,993

XIXa(gaussmf–trimf) 494,950XXVIIa((zmf,psigmf,


XXa(gaussmf–gaussmf) 494,378

XXVIIIa((zmf,psigmf,


sigmf))472,825

XXIa(gauss2mf–trimf) 488,348XXIXa((zmf,pimf,smf)–

trimf)474,770

XXIIa(gauss2mf–gauss2mf) 488,507XXXa((zmf,pimf,smf)–


XXIIIa(gbellmf–trimf) 530,418

Kada je reč o fazi logičkim sistemima od XVIa do XXXa, poređenjem dobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemXXVIIakoji

koristi sledeće funkcije pripadnosti: zmf, psigmf, sigmf za ulaznu promenljivu, i

funkcijepripadnostiuoblikutrouglazaizlaznupromenljivu.


ulaznompromenljivomkojaseodnosinaUčestalostvožnje

Fazi logički sistemi od XXXIa do XLVa za procenu sklonosti ka saobraćajnim

nezgodamapredstavljaju situaciju kada postoji jedna ulazna promenljiva koja se

odnosinaUčestalostvožnjenadeonici i jedna izlaznapromenljiva.Konceptovih

fazilogičkihsistemakojijeilustrovanuzpomoćnavedenogprogramajeprikazan

naslici11.9.Ovefazilogičkesistemekarakterišurazličitefunkcijepripadnostikoje

supredstavljeneutabeli11.4.


309

Slika11.9.KonceptfazilogičkihsistemaodXXXIadoXLVa

UlaznapromenljivaUčestalostseodnosinakarakteristikukolikočestovozačvozi

posmatranomdeonicom.Uvedenesusledećeoznake1–vozisvakogdana,2–vozi

3‐4putasedmično,3–vozi2putasedmično,4–vozijednomsedmično,5–vozi2,

3 putamesečno, 6 – vozi 1mesečno i 7 – vozi jednom u parmeseci. Navedene

vrednostipratii7faziskupovanasledećinačin(slika11.10):VVU–veomavisoka

učestalost,VU–visokaučestalost,SVU–srednjevisokaučestalost, SU–srednja

učestalost,SNU – srednjeniskaučestalost,NU –niskaučestalost iVNU – veoma

niska učestalost. Izlazna varijabla je definisana kao i u prethodnim fazi logičkim

sistemima.


bazafazipravila.Zafazi logičkesistemeodXVIadoXXXapotrebnojedefinisati7


1.If(UčestalostisVVU)then(NezgodeisVVBN)

2.If(UčestalostisVU)then(NezgodeisVBN)

3.If(UčestalostisSVU)then(NezgodeisSVBN)

4.If(UčestalostisSU)then(NezgodeisSBN)


310

5.If(UčestalostisSNU)then(NezgodeisSMBN)

6.If(UčestalostisNU)then(NezgodeisMBN)

7.If(UčestalostisVNU)then(NezgodeisVMBN).

Slika11.10.PodeladomenaulaznepromenljiveUčestalosti



učestalosti vožnje dobije očekivani broj saobraćajnih nezgoda u kojima je

učestvovao ispitanik. Zbir apsolutnih grešaka fazi logičkih sistema od XXXIa do

XLVa u kojima se posmatraju različite funkcije pripadnosti prikazan je u tabeli

11.4.



Kada je reč o fazi logičkim sistemima od XXXIa do XLVa, poređenjem dobijenih

rezultatamožesezaključitidanajboljerezultatedajefazilogičkisistemXLIIakoji

koristi sledećeoblike funkcijapripadnosti:zmf,psigmf,sigmf, i tokakozaulaznu



311

Tabela11.4.ZbirapsolutnihgrešakafazilogičkihsistemaodXXXIadoXLVa

Fazilogičkisistem



yi

Fazilogičkisistem

(ulaznafunkcija



yi

XXXIa(trimf–trimf) 1061,823XXXIXa(gbellmf–

gbellmf) 1069,577

XXXIIa(trapmf–trimf) 1061,823XLa((zmf,dsigmf,sigmf)

–trimf)1047,364

XXXIIIa(trapmf–trapmf) 1068,946XLIa((zmf,dsigmf,sigmf)

–(zmf,dsigmf,sigmf)) 1046,020

XXXIVa(gaussmf–trimf) 1064,928XLIIa((zmf,psigmf,


XXXVa(gaussmf–gaussmf) 1064,036

XLIIIa((zmf,psigmf,


sigmf))1045,987

XXXVIa(gauss2mf–trimf) 1063,732XLIVa((zmf,pimf,smf)–

trimf)1061,823

XXXVIIa(gauss2mf–gauss2mf) 1069,175XLVa((zmf,pimf,smf)–


XXXVIIIa(gbellmf–trimf) 1063,528


Učestalost(odXXXIadoXLVa)

10301035104010451050105510601065107010751080

UkupnegreškesistemaodXXXIadoXLVa


312

11.2.4 Modeli za procenu sklonosti ka saobraćajnim nezgodama sa dve

ulaznepromenljivekojeseodnosenaOpasnamestaiKarakteristikeputa

Fazi logički sistemi od XLVIa do LXIa za procenu sklonosti ka saobraćajnim

nezgodama predstavljaju situaciju kada postoje dve ulazne promenljive koje se

odnose na procenu opasnih mesta na posmatranoj deonici i na procenu

karakteristikaputaijednaizlaznapromenljiva.Konceptovihfazilogičkihsistema

kojijeilustrovanuzpomoćnavedenogprogramajeprikazannaslici11.12.Ovefazi

logičke sistemekarakterišu različite funkcijepripadnosti koje supredstavljeneu

tabeli11.5.

Slika11.12.KonceptfazilogičkihsistemaodXLVIadoLXIa

Korišćenepromenljivesuprethodnovećopisane.Nakondefinisanjafaziskupovai

odgovarajućih funkcijapripadnostigenerisana jebaza fazipravila.Za fazi logičke

sistemeodXLVIadoLXIapotrebnojedefinisati25pravila,štojeurađenonanačin

kako je prikazano u prilogu B.12. ove disertacije. Zbir apsolutnih grešaka fazi

logičkih sistema od XLVIa do LXIa u kojima se posmatraju različite funkcije

pripadnostiprikazanjeutabeli11.5.


313

Tabela11.5.ZbirapsolutnihgrešakafazilogičkihsistemaodXLVIadoLXIa

Fazilogičkisistem



yi

Fazilogičkisistem

(ulaznefunkcije



yi

XLVIa(trimf;trimf–trimf) 463,831LIVa(gbellmf;gbellmf–

gbellmf) 490,356

XLVIIa(trapmf;trapmf–trimf) 465,840

LVa((zmf,dsigmf,sigmf);


trimf)466,326

XLVIIIa(trapmf;trapmf–

trapmf)466,251

LVIa((zmf,dsigmf,

sigmf);(zmf,dsigmf,


sigmf))

468,890

XLIXa(gaussmf;gaussmf–

trimf)473,504

LVIIa((zmf,psigmf,

sigmf);(zmf,psigmf,


La(gaussmf;gaussmf–gaussmf) 475,313

LVIIIa((zmf,psigmf,

sigmf);(zmf,psigmf,


sigmf))

468,730

LIa(gauss2mf;gauss2mf–

trimf)472,685

LIXa((zmf,pimf,smf);


LIIa(gauss2mf;gauss2mf–

gauss2mf)473,870

LXa((zmf,pimf,smf);


pimf,smf))475,198

LIIIa(gbellmf;gbellmf–trimf) 486,833LXIa(trimf;(zmf,psigmf,




Kada je reč o fazi logičkim sistemima od XLVIa do LXIa, poređenjem dobijenih

rezultatamožesezaključitidanajboljerezultatedajefazi logičkisistemLXIakoji

koristi sledeće oblike funkcija pripadnosti: za ulaznu promenljivu Opasnamesta

trimf, za ulaznu promenljivu Karakteristike puta zmf, psigmf, sigmf, a za izlaznu

promenljivutrimf.


314

Slika11.13.Ukupnegreškefazilogičkihsistema sa dveulaznepromenljivekojese

odnosenaOpasnamestaiKarakteristikeputa(odXLVIadoLXa)


ulaznepromenljivekojeseodnosenaOpasnamestaiUčestalostvožnje

Fazi logički sistemi od LXIIa do LXXVIIIa za procenu sklonosti ka saobraćajnim


odnosenaprocenuopasnihmestanaposmatranojdeoniciinaučestalostvožnjena

deonici i jedna izlazna promenljiva. Koncept ovih fazi logičkih sistema koji je

ilustrovan uz pomoć navedenog programa je prikazan na slici 11.14. Ove fazi


tabeli11.6.



sistemeodLXIIadoLXXVIIIapotrebno jedefinisati35pravila, što jeurađenona

načinkakojeprikazanoupriloguB.13.ovedisertacije.Zbirapsolutnihgrešakafazi

logičkih sistema od LXIIa do LXXVIIIa u kojima se posmatraju različite funkcije

pripadnostiprikazanjeutabeli11.6.Naslici11.15.prikazanjegrafikonnakojem

sevideodnosiizmeđupojedinihfazilogičkihsistemausmisluukupnegreškey.

445

450

455

460

465

470

475

480

485

490

495

UkupnegreškesistemaodXLVIadoLXIa


315

Slika11.14.KonceptfazilogičkihsistemaodLXIIadoLXXVIIIa

Tabela11.6.ZbirapsolutnihgrešakafazilogičkihsistemaodLXIIadoLXXVIIIa

Fazilogičkisistem



yi

Fazilogičkisistem



yi

LXIIa(trimf;trimf–trimf) 682,907LXXIa((zmf,dsigmf,sigmf);

(zmf,dsigmf,sigmf)–trimf)686,634

LXIIIa(trapmf;trapmf–trimf) 679,876

LXXIIa((zmf,dsigmf,sigmf);

(zmf,dsigmf,sigmf)–(zmf,

dsigmf,sigmf))685,997

LXIVa(trapmf;trapmf–trapmf) 682,763LXXIIIa((zmf,psigmf,sigmf);

(zmf,psigmf,sigmf)–trimf)686,622

LXVa(gaussmf;gaussmf–trimf) 698,933

LXXIVa((zmf,psigmf,sigmf);

(zmf,psigmf,sigmf)–(zmf,

psigmf,sigmf))685,943

LXVIa(gaussmf;gaussmf–

gaussmf)697,584

LXXVa((zmf,pimf,smf);(zmf,


LXVIIa(gauss2mf;gauss2mf–

trimf)688,398

LXXVIa((zmf,pimf,smf);(zmf,

pimf,smf)–(zmf,pimf,smf)) 688,552

LXVIIIa(gauss2mf;gauss2mf–

gauss2mf)690,122

LXXVIIa(trimf;(zmf,psigmf,


LXIXa(gbellmf;gbellmf–trimf) 688,864LXXVIIIa(trimf;(zmf,psigmf,

sigmf)–(zmf,psigmf,sigmf)) 676,787

LXXa(gbellmf;gbellmf–gbellmf) 691,284


316

Slika11.15.Ukupnegreškefazilogičkihsistemasa dveulaznepromenljivekojese

odnosenaOpasnamestaiUčestalost(odLXIIadoLXXVIIIa)

KadajerečofazilogičkimsistemimaodLXIIadoLXXVIIIa,poređenjemdobijenih

rezultatamožesezaključitidanajboljerezultatedaje fazi logičkisistemLXXVIIIa

koji koristi sledeće oblike funkcija pripadnosti: za ulaznu promenljivu Opasna

mesta trimf, za ulaznu promenljivu Učestalost zmf, psigmf, sigmf, a za izlaznu

promenljivuNezgodezmf,psigmf,sigmf.


ulaznepromenljivekojeseodnosenaKarakteristikeputaiUčestalostvožnje

Fazi logički sistemi od LXXIXa do XCIIIa za procenu sklonosti ka saobraćajnim


odnose na procenu karakteristika puta i na učestalost vožnje na deonici i jedna

izlaznapromenljiva.Konceptovihfazilogičkihsistemakojijeilustrovanuzpomoć

navedenog programa je prikazan na slici 11.16. Ove fazi logičke sisteme

karakterišurazličitefunkcijepripadnostikojesupredstavljeneutabeli11.7.



sistemeodLXXIXado XCIIIa potrebno je definisati 35pravila, što je urađenona

665

670

675

680

685

690

695

700

UkupnegreškesistemaodLXIIadoLXXVIIIa


317

načinkakojeprikazanoupriloguB.14.ovedisertacije.Zbirapsolutnihgrešakafazi

logičkih sistema od LXXIXa do XCIIIa u kojima se posmatraju različite funkcije

pripadnostiprikazanjeutabeli11.7.Naslici11.17.prikazanjegrafikonnakojem

sevideodnosiizmeđupojedinihfazilogičkihsistemausmisluukupnegreškey.

Slika11.16.KonceptfazilogičkihsistemaodLXXIXadoXCIIIa

Slika11.17.Ukupnegreškefazilogičkihsistemasa dveulaznepromenljivekojese

odnosenaKarakteristikeputaiUčestalost(odLXXIXadoXCIIIa)

1060

1070

1080

1090

1100

1110

1120

UkupnegreškesistemaodLXXIXadoXCIIIa


318

Kada jerečo fazi logičkimsistemimaodLXXIXadoXCIIIa,poređenjemdobijenih

rezultatamožesezaključitidanajboljerezultatedajefazi logičkisistemXCIakoji

koristioblikefunkcijapripadnostizmf,psigmf,sigmfzaobeulaznepromenljive,a

takođeizaizlaznu.

Tabela11.7.ZbirapsolutnihgrešakafazilogičkihsistemaodLXXIXadoXCIIIa

Fazilogičkisistem



yi

Fazilogičkisistem



yi

LXXIXa(trimf;trimf–trimf) 1093,695LXXXVIIa(gbellmf;gbellmf–

gbellmf)1100,174

LXXXa(trapmf;trapmf–trimf) 1097,673

LXXXVIIIa((zmf,dsigmf,

sigmf);(zmf,dsigmf,sigmf)–

trimf)

1087,634

LXXXIa(trapmf;trapmf–trapmf) 1104,699

LXXXIXa((zmf,dsigmf,sigmf);

(zmf,dsigmf,sigmf)–(zmf,

dsigmf,sigmf))1086,032

LXXXIIa(gaussmf;gaussmf–trimf) 1087,061XCa((zmf,psigmf,sigmf);(zmf,

psigmf,sigmf)–trimf)1087,450

LXXXIIIa(gaussmf;gaussmf–

gaussmf)1085,756

XCIa((zmf,psigmf,sigmf);



LXXXIVa(gauss2mf;gauss2mf–

trimf)1102,361

XCIIa((zmf,pimf,smf);(zmf,


LXXXVa(gauss2mf;gauss2mf–

gauss2mf)1107,853

XCIIIa((zmf,pimf,smf);(zmf,

pimf,smf)–(zmf,pimf,smf)) 1119,514

LXXXVIa(gbellmf;gbellmf–trimf) 1093,356

11.2.7Modelizaprocenusklonostikasaobraćajnimnezgodamasatriulazne

promenljive koje se odnose na Opasna mesta, Karakteristike puta i

Učestalostvožnje

Fazi logički sistemi od XCIVa do CXa za procenu sklonosti ka saobraćajnim

nezgodama predstavljaju situaciju kada postoje tri ulazne promenljive koje se

odnose na procenu opasnihmesta, karakteristika puta i na učestalost vožnje na

deonici i jedna izlazna promenljiva. Koncept ovih fazi logičkih sistema koji je


319

ilustrovan uz pomoć navedenog programa je prikazan na slici 11.18. Ove fazi


tabeli11.8.

Slika11.18.KonceptfazilogičkihsistemaodXCIVadoCXa



sistemeodXCIVadoCXapotrebnojedefinisati175pravila,štojeurađenonanačin

kako je prikazano u prilogu B.15. ove disertacije. Zbir apsolutnih grešaka fazi

logičkih sistema od XCIVa do CXa u kojima se posmatraju različite funkcije

pripadnostiprikazanjeutabeli11.8.




320

Tabela11.8.ZbirapsolutnihgrešakafazilogičkihsistemaodXCIVadoCXa

Fazilogičkisistem






yi

XCIVa(trimf;trimf;trimf–

trimf)844,945

CIIIa((zmf,dsigmf,sigmf);(zmf,



XCVa(trapmf;trapmf;trapmf–

trimf)853,037

CIVa((zmf,dsigmf,sigmf);(zmf,


sigmf)–(zmf,dsigmf,sigmf))828,415

XCVIa(trapmf;trapmf;trapmf–

trapmf)856,085

CVa((zmf,psigmf,sigmf); (zmf,


sigmf)–trimf)

829,293

XCVIIa(gaussmf;gaussmf;


CVIa((zmf,psigmf,sigmf);(zmf,


sigmf)–(zmf,psigmf,sigmf))828,163

XCVIIIa(gaussmf;gaussmf;


CVIIa((zmf,pimf,smf);(zmf,


trimf)865,620

XCIXa(gauss2mf;gauss2mf;


CVIIIa((zmf,pimf,smf);(zmf,



Ca(gauss2mf;gauss2mf;


CIXa(trimf;(zmf,psigmf,sigmf);

(zmf,psigmf,sigmf)–trimf)827,565

CIa(gbellmf;gbellmf;gbellmf–

trimf)848,843

CXa(trimf;(zmf,psigmf,sigmf);



CIIa(gbellmf;gbellmf;gbellmf–

gbellmf)851,726

Kada je reč o fazi logičkim sistemima od XCIVa do CXa, poređenjem dobijenih

rezultatamože se zaključitidanajbolje rezultatedaje fazi logički sistemCXakoji

koristi oblike funkcija pripadnosti za ulaznupromenljivuOpasnamesta trimf, za

ulaznupromenljivuKarakteristikeputazmf,psigmf,sigmf, zaulaznupromenljivu

Učestalostzmf,psigmf,sigmfizaizlaznupromenljivuNezgodezmf,psigmf,sigmf.


321

Slika11.19.Ukupnegreškefazilogičkihsistema sa triulaznepromenljivekojese

odnosenaOpasnamesta,KarakteristikeputaiUčestalost(odXCIVadoCXa)

11.3Diskusija

Poređenjem prethodno opisanih 110 fazi logičkih sistema, može se doći do

zaključkakojiodnjihnajboljeopisujepodatke izempirijskog istraživanja, tj. koji

sistemčininajmanjugreškukrozizlaznirezultatkojiseodnosinabrojnezgoda.U

tomsmislu,u tabeli11.9. inaslici11.20.prikazanisuzbiroviapsolutnihgrešaka

najboljihfazilogičkihsistemausvakomodkoncepatakojiseposmatra.

Na osnovu testiranja fazi logičkih sistema od Ia do CXa,može se zaključiti da je

najboljirezultatdaofazilogičkisistemkojiimadveulaznevarijable(Opasnamesta

i Karakteristike puta) i jednu izlaznu (Nezgode). Prethodno je navedeno da je u

tomkonceptunajbolji fazi logičkisistemLXIa.Toznačida fazi logičkisistemkoji

kao ulazne promenljive koristi Opasna mesta koja su opisana trouglastim

funkcijama pripadnosti (trimf) i Karakteristike puta koje su opisane funkcijama

pripadnostizmf,psigmf,sigmfikaoizlaznupromenljivuNezgodekojesuopisane

takođetrouglastimfunkcijamapripadnosti(trimf),dajenajboljuprocenusklonosti

kasaobraćajnimnezgodama.

800

810

820

830

840

850

860

870

880

UkupnegreškesistemaodXCIVadoCXa


322

Tabela11.9.OdnosrazličitihkoncepatafazilogičkihsistemaodIadoCXa

Konceptfazi

logičkogsistema


izlaznavarijabla)

yi

Konceptfazi

logičkogsistema


izlaznavarijabla)

yi

1. Opasnamesta‐Nezgode 809,2305.Opasnamesta;Učestalost–

Nezgode676,787

2. Karakteristikeputa–

Nezgode471,407

6.Karakteristikeputa;

Učestalost‐Nezgode 1085,756

3. Učestalost–Nezgode 1045,987

7.Opasnamesta,

Karakteristikeputa;

Učestalost‐Nezgode826,807

4. Opasnamesta;

Karakteristikeputa–

Nezgode

462,891

Slika11.20.Odnosnajboljihfazilogičkihsistemausvakomodkoncepata‐rangirano

Dalje,interesantnojeposmatratikojioblicifunkcijapripadnostisuzastupljenikod

najboljih fazi logičkihsistemausvakomodkoncepata.Ove informacijeprikazane

suutabeli11.10.Nageneralnomnivou,posmatrajućisveulaznevarijableiizlaznu

varijablu,možesezaključitidaunajboljimfazilogičkimsistemimafigurišusledeće

0 200 400 600 800 1000 1200

6.Karakteristikeputa;Učestalost‐…

3.Učestalost– Nezgode

7.Opasnamesta,Karakteristikeputa;…

1.Opasnamesta‐Nezgode

5.Opasnamesta;Učestalost– Nezgode

2.Karakteristikeputa– Nezgode

4.Opasnamesta;Karakteristikeputa–…



323

funkcije pripadnosti: trimf; gaussmf i zmf, psigmf, sigmf. Iako su testirane i

preostale funkcije pripadnosti koje korišćeni softver predlaže: trapmf;gauss2mf;

bellmf;zmf,dsigmf,sigmfizmf,pimf,smf,ispostavilodaonenefigurišuniujednoj

situacijikojaopisujenajboljefazilogičkesistemeusvakomkonceptu.

Kada se posmatra varijabla Opasna mesta, dolazi se do zaključka da su oblici

funkcijapripadnostikojisuprisutniunajboljimfazilogičkimsistemimausvačetiri

slučajatrimf,štojeprikazanonaslici11.21.

Kada je reč o varijabli Karakteristike puta, proizilazi da su oblici funkcija

pripadnosti koji su prisutni u najboljim fazi logičkim sistemima gaussmf i zmf,

psigmf,sigmf.Pritome,u25%slučajevapromenljivaKarakteristikeputajeopisana

funkcijompripadnostigaussmf,au75%slučajevafunkcijamapripadnostiuobliku

zmf,psigmf,sigmf,štojeprikazanonaslici11.22.

Tabela11.10.Oblicifunkcijapripadnostikojisuzastupljeniunajboljimfazilogičkim

sistemimausvakomodkoncepata

Konceptfazi

logičkogsistema


izlaznavarijabla)

Funkcije

pripadnosti

Konceptfazi

logičkogsistema


izlaznavarijabla)

Funkcije

pripadnosti

1. Opasnamesta‐

Nezgodetrimf–trimf

5.Opasnamesta;

Učestalost–Nezgode

trimf;(zmf,

psigmf,sigmf)–

(zmf,psigmf,

sigmf)

2. Karakteristike

puta–Nezgode

(zmf,psigmf,

sigmf)–trimf

6.Karakteristikeputa;

Učestalost‐Nezgodegaussmf;gaussmf

–gaussmf

3. Učestalost–

Nezgode

(zmf,psigmf,

sigmf)–(zmf,

psigmf,sigmf)

7.Opasnamesta,

Karakteristikeputa;

Učestalost‐Nezgode

trimf;(zmf,psigmf,sigmf);(zmf,psigmf,sigmf)–(zmf,psigmf,sigmf)

4. Opasnamesta;

Karakteristike

puta–Nezgode

trimf;(zmf,psigmf,

sigmf)–trimf


324


najboljimfazilogičkimsistemimazapromenljivuOpasnamesta


najboljimfazilogičkimsistemimazapromenljivuKarakteristikeputa

Kada se posmatra promenljiva Učestalost, dolazi se do zaključka da su oblici

funkcijapripadnostikojisuprisutniunajboljimfazilogičkimsistemimagaussmfi

zmf, psigmf, sigmf. Pri tome, u 25% slučajeva promenljiva Učestalost je opisana

funkcijompripadnostigaussmf,au75%slučajevafunkcijamapripadnostiuobliku

zmf,psigmf,sigmf,štojeprikazanonaslici11.23.

100%

0%

trimf

25%

75%

gaussmf zmf, psigmf, sigmf


325


najboljimfazilogičkimsistemimazapromenljivuUčestalost


najboljimfazilogičkimsistemimaodIadoCXazapromenljivuNezgode

KadajerečoizlaznojpromenljivojNezgode,možesezaključitidasuoblicifunkcija

pripadnosti koji su prisutni u najboljim fazi logičkim sistemima trimf, gaussmf i

zmf,psigmf, sigmf. Pri tome, u42,86%slučajevapromenljivaNezgode je opisana

funkcijompripadnostitrimf,u14,28%slučajevafunkcijompripadnostigaussmfiu

42,86% slučajeva funkcijama pripadnosti u obliku zmf, psigmf, sigmf, što je

ilustrovanonaslici11.24.

25%

75%

gaussmf zmf, psigmf, sigmf

42,86%

14,28%

42,86%

trimf gaussmf zmf, psigmf, sigmf


326

Budući da promenljiva Nezgode figuriše u svim posmatranim fazi logičkim

sistemima, kako u 10. poglavlju, tako i u 11. poglavlju disertacije, moguće je

prikazatizastupljenostpojedinih funkcijapripadnostiunajboljimkonceptima,na

ukupnom nivou. Dakle, posmatrajući 382 fazi logička sistema kod kojih su

ispitivanevarijacijefunkcijapripadnosti(upitanjususistemiodIdoCCLXXIIiod

Ia do CXa), svaki na uzorku od 305 ispitanika što predstavlja analizu rezultata

116.510 fazi logičkihsistema,možesezaključitida izlaznupromenljivuNezgode

najboljeopisuju sledeće funkcijepripadnosti: trimf; trapmf;gaussmf;zmf,psigmf,

sigmf i zmf, pimf, smf. Procentuani odnos, tj. zastupljenost pojedinih funkcija

pripadnostiunajboljimfazilogičkimsistemimajeprikazananaslici11.25.

Slika11.25.Zastupljenostpojedinihfunkcijapripadnostiunajboljimfazilogičkim

sistemimaodIdoCCLXXIIiodIadoCXazapromenljivuNezgode

Može se zaključiti da u najvećem broju slučajeva, u najboljim fazi logičkim

sistemima,promenljivaNezgodejeopisanafunkcijompripadnostitrimf(43,48%),

zatimsledifunkcijapripadnostizmf,pimf,smf(26,09%),trapmfizmf,psigmf,sigmf

(13,04%) igaussmf (4,35%).Ovaj rezultat jegeneralnouskladusaprimerima iz

literature gde se koriste funkcije pripadnosti trimf i trapmf za opis izlazne

promenljiveNezgode(Gaber,2017;Selvi,2009).

43,48%

13,04%4,35%

13,04%

26,09%

trimf trapmf gaussmf zmf, psigmf, sigmf zmf, pimf, smf


327

11.4Finopodešavanjenajboljegfazilogičkogsistema

Testiranjem110fazilogičkihsistema,svakinauzorkuod305ispitanika,došlose

dozaključkada jenajboljisistem,tj.sistemkojipravinajmanjugreškuuproceni

sklonostipojedincakasaobraćajnimnezgodama, fazi logičkisistemLXIa.Uovom

sistemu ulazna promenljiva Opasna mesta definisana je korišćenjem trouglastih

funkcija pripadnosti (trimf). Ulazna promenljiva Karakteristike puta opisana je

funkcijama pripadnosti zmf, psigmf, sigmf. Kod izlazne promenljive Nezgode

korišćenesu,takođe,trouglastefunkcijepripadnosti(trimf).

Slika11.26.„SurfaceViewer“zasistemLXIazapredikcijusaobraćajnihnezgodana

osnovuvrednostipromenljivihOpasnamestaiKarakteristikeputa

DabisesagledalekarakteristikefazilogičkogsistemaLXIa,korišćenajekomanda

„SurfaceViewer“.Naslici11.26.prikazanojekakofazilogičkisistemLXIareaguje

naukupanskupmogućihulaznihvrednosti.


328

11.4.1Finopodešavanjenajboljeg fazi logičkogsistemamenjanjemmetode

defazifikacije

Uokvirukorišćenogprogramapostojipetmogućnostizadefazifikacijurešenjafazi

logičkog rešenja. U fazi logičkom sistemu LXIa korišćen je centroid kao metod

defazicikacije.Uovojsekcijitestiraćesepreostalečetirimogućnosti.

Fazi logički sistem CXIa je u potpunosti isti kao LXIa, samo što je metod

defazifikacije bisektor. Po ovommetodu, formirana površina koja se dobija kao

rešenje deli se na polovinu i ta tačka koja je na polovini predstavlja numeričko

rešenje.

Fazi logički sistemCXIIa je takođeupotpunosti isti kaoLXIa, samo što jemetod

defazifikacijemom.Mom je skraćenicaodengleskih rečimiddleofmaximum, što

značidaseuzimaprosekmaksimalnihvrednostiizlaznihskupova.

Fazi logički sistem CXIIIa je takođe isti kao LXIa, sem što je izabrani metod

defazifikacije lom. Lom je skraćenica od engleskih reči largest ofmaximum, što

značidaseuzimanajvećavrednostodmaksimalnihvrednostiizlaznihskupova.

FazilogičkisistemCXIVajetakođeistisistemkaoLXIa,semštojeizabranimetod

defazifikacije som. Som je skraćenica od engleskih reči smallestofmaximum, što

značidaseuzimanajmanjavrednostodmaksimalnihvrednostiizlaznihskupova.

Tabela11.11.Uporednaanalizarazličitihmetodadefazifikacije

Fazilogičkisistem Metoddefazifikacije y

LXIa Centroid 462,891

CXIa Bisector 471,840

CXIIa Mom 504,360

CXIIIa Lom 576,720

CXIVa Som 460,960


329

Nakon implementacije fazi logičkih sistemaodCXIa doCXIVanauzorkuod svih

305ispitanika,iodgovarajućihproračuna,dolazisedozaključkaoukupnojgreški

y koju čine posmatrani sistemi. Rezultati su prikazani u tabeli 11.11. i na slici

11.27.

Slika11.27.Uporednaanalizagrešakakoječinefazilogičkisistemiuzavisnostiod

različitihmetodadefazifikacije

Testiranjem različitih metoda defazifikacije dolazi se do zaključka da je nabolji

rezultatdao fazi logičkisistemCXIVagde jekorišćenSom(smallestofmaximum)

metoddefazifikacije.

11.4.2Finopodešavanjenajboljegfazi logičkogsistemamenjanjemdomena

funkcijapripadnosti

Fazi logički sistem CXIVa, koji se pokazao kao najbolji, biće dalje unapređen

menjanjemdomenafunkcijapripadnosti.Toćebitiučinjenotestiranjemsvakeod

tripromenljivekojefigurišuusistemusmanjenjemiliuvećanjemdomenafunkcija

pripadnosti.Podešenfazilogičkisistemzajednupromenljivubićepolaznaosnova

zatestiranjesledećepromenljiveitakoredom.

0

100

200

300

400

500

600

LXIa CXIa CXIIa CXIIIa CXIVa



330

11.4.2.1 Podeševanje domena funkcija pripadnosti promenljive Opasna

mesta

Podešavanjedomenafunkcijapripadnostizaulaznupromenljivu Opasnamestaje

vršeno na način što je kod fazi logičkog sistema CXIVa vršeno najpre smanjenje

domenazaθ=‐1.


promenljivuOpasnamesta


CXIVa 0 460,960

CXVa ‐1 464,320

CXVIa 1 460,880

CXVIIa 1,2 460,800

CXVIIIa 1,3 460,800

CXIXa 1,4 460,800

CXXa 1,5 461,120

CXXIa 2 462,320


Opasnamesta

Sobziromdasepokazalodasistemsasmanjenimdomenimadajelošijerezultate,

tj. veću grešku y, pristupilo se testiranju sistema sa povećanim domenima

459

460

461

462

463

464

465

‐1 0 1 1,2 1,3 1,4 1,5 2

TestiranjepromenedomenazaOpasnamesta


331

funkcijapripadnosti.Rezultatisuprikazaniutabeli11.12inaslici11.28.Došlose

do zaključkada fazi logički sistemCXVIIIadajenajbolji rezultat.Ovaj fazi logički

sistem predstavlja polaznu osnovu za podeševanje promenljive Karakteristike

puta.


Karakteristikeputa

Analizomrešenjakojasupredstavljenautabeli11.13.inaslici11.29,dolazisedo

zaključka da se smanjenjem domena dolazi do boljih sistema. U skladu sa tim,

vrednosti θ su se smanjivale koliko god je bilo razumno da bi se zadržala

pokrivenostpotencijalnihulaznihvrednostifazilogičkogsistema.


promenljivuKarakteristikeputa


CXXIIa 1 464,400

CXVIIIa 0 460,800

CXXIIIa ‐1 446,240

CXVIVa ‐1,5 436,160

CXXVa ‐2 431,120

CXXVIa ‐2,5 423,920

CXXVIIa ‐3 418,480

CXXVIIIa ‐4 409,600

Zaključujeseda jefazi logičkisistemkojinajboljeopisujepodatkeizempirijskog

istraživanjasistemCXXVIIIa.


332


Opasnamesta

11.4.2.3PodeševanjedomenafunkcijapripadnostipromenljiveNezgode

Konačno, proces podešavanja fazi logičkog sistema se završava testiranjem

promena domena i izlazne promenljive Nezgode. Analizom rešenja koja su

predstavljena u tabeli 11.14. i na slici 11.29. dolazi se do zaključka da se

povećanjemdomenadolazidoboljihsistema.Zaključujesedajefinalnifazilogički

sistemkojinajboljeopisujepodatkeizempirijskogistraživanjasistemCXXXIa.Ovaj

sistemćedetaljnijebitiopisanunarednojsekciji.

Tabela 11.14. Testiranje promene domena funkcija pripadnosti za izlaznu

promenljivuNezgode


CXXIXa ‐0,2 416,560

CXXVIIIa 0 409,600

CXXXa 0,1 409,600

CXXXIa 0,2 406,160

CXXXIIa 0,3 407,440

CXXXIIIa 0,4 409,120

CXXXIVa 0,5 410,800

380

390

400

410

420

430

440

450

460

470

1 0 ‐1 ‐1,5 ‐2 ‐2,5 ‐3 ‐4

TestiranjepromenedomenazaKarakteristikeputa


333

Slika11.29.Testiranjepromenedomenafunkcijapripadnostizaizlaznupromenljivu

Nezgode

11.5. Opis finalnog fazi logičkog sistema za procenu skonosti ka

saobraćajnimnezgodamanaosnovuprocenakarakteristikaputa

Finalni fazi logički sistem za procenu sklonosti pojedinca ka saobraćajnim

nezgodamakojičininajmanjugreškupriproceni,posmatrajućiempirijskepodatke

koji suprikupljeni u istraživanjuuokviruovedoktorskedisertacije, jeste sistem

CXXXIa.Funkcijepripadnostikojefigurišuuokviruovogsistemasuprikazanena

slikama11.30.i11.31.

Slika11.30.Funkcijepripadnostizaulaznepromenljiveufazilogičkomsistemu

CXXXIa

400

402

404

406

408

410

412

414

416

418

‐0,2 0 0,1 0,2 0,3 0,4 0,5

TestiranjepromenedomenazaNezgode


334

Slika11.31.Funkcijepripadnostizaizlaznupromenljivuufazilogičkomsistemu

CXXXIa

Dalje, na slici 11.32.mogu se videti svemogućnosti izlaza u trodimenzionalnom

prostoru za svaku kombinaciju dve ulazne promenljive, uz pomoć aplikacije

„SurfaceViewer“.

Slika11.32.„SurfaceViewer“zasistemCXXXIazasvepotencijalnevrednostiulaznih

promenljivih

InteresantnojesagledatiodnosizmeđurešenjakojedajefazilogičkisistemCXXXIa

ibrojanezgodakojisuprijavili ispitaniciuokviru istraživanja.Grafičkiprikazna

slici 11.33. ukazuje na to da fazi logički sistem daje rešenja koja ublažavaju

ekstremnevrednostiobrojunezgoda.Međutim,zarazlikuodfinalnogfazilogičkog


335

sistemakojijepredstavljenupoglavlju10disertacijegdenisupostojalevrednosti

jednakenuli,ovdesemoguprimetitirešenjafazilogičkogsistemakojasujednaka

nuli. Međutim, i pored ove, na prvi pogled prednosti, posmatrajući vrednost

koeficijentakorelacijeizmeđudverazmatraneserijepodataka,aupoređujući10.i

ovo poglavlje disertacije, može se reći da rešenja fazi logičkog sistema CCCVIII

znatnoboljeopisujuempirijskepodatke(r=0,70)uodnosunasistemCXXXIagde

jekoeficijentkorelacijer=0,26.

Slika11.33.Odnosempirijskihpodatakaobrojunezgodairešenjafazilogičkog

sistemaCXXXIa

Takođe, zanimljivo je posmatrati prosečne vrednosti koji ispitanici u određenoj

kategorijipostižu,tj.ispitanicisaodređenimbrojemnezgoda,adaseuočenitrend

uporedi sa odgovarajućom promenljivom koja figuriše u okviru fazi logičkog

sistemaCXXXIa.Utabeli11.15.prikazanesuprosečnevrednostiocenakojesudali

ispitanici u smislu opsanih mesta i karkateristika puta, posmatrano po

kategorijamaufunkcijibrojanezgodakojisudoživeliispitanici.

0

1

2

3

4

5

6

7

8

9

1 10 19 28 37 46 55 64 73 82 91 100

109

118

127

136

145

154

163

172

181

190

199

208

217

226

235

244

253

262

271

280

289

298

Empirijskipodaci Fazilogičkisistem


336

Tabela11.15.Prosečnevrednostiocenaposmatranopokategorijamaufunkcijibroja

nezgoda

Brojnezgoda Opasnamesta Karakteristikeputa

0 60,41 44,61

1 49,40 45,75

2 62,15 44,04

3 62,84 42,21

4 56,93 41,00

5 69,27 39,73

6 66,50 39,50

8 76,17 37,50

Naosnovuanalizeprosećnihvrednostiocenazaopasnamestaikarakteristikeputa

u svakoj od kategorija u smislu broja doživljenih saobraćajnih nezgodamogu se

sagledati trendovi, tj. odnosi između pojednih promenljivih i broja nezgoda. Na

slikamaod11.34.i11.35.uočavajusepomenutitrendoviisaglasnosttihtrendova

udefinisanomfazilogičkomsistemu.

Slika11.34.OdnosizmeđupromenljiveOpasnamestauempirijskomistraživanjui

fazilogičkomsistemuCXXXIa

0,00

10,00

20,00

30,00

40,00

50,00

60,00

70,00

80,00

0 1 2 3 4 5 6 8

Prosečneocenezaopasnamesta


337

Slika11.35.OdnosizmeđupromenljiveKarakteristikeputauempirijskom

istraživanjuifazilogičkomsistemuCXXXIa

Konačno,korisnojeuporeditirezulate10.i11.poglavljaovedoktorskedisertacije

u smislu procene sklonosti vozača ka saobraćajnim nezgodama. Na osnovu

134.810rezultatafazilogičkihsistema,odnosnoporedećifazilogičkesistemeodI

doCCCVIIIifazilogičkesistemeodIadoCXXXIVa,aupoređujućinajboljevrednosti

y iz tabele 10.32 (266,389) i 11.14 (406,160), mogao bi se istaći generalni

zaključakdasesklonostkasaobraćajnimnezgodamamožepreciznijeprocenitina

osnovu poznavanja parametara koji se odnose na karakteristike ličnosti i

specifična ponašanja u vožnji u odnosu na percepciju opasnih mesta na putu,

karakteristikaputaiučestalostivožnje.

Modelkojiuključujefrekvencijukorišćenjaputasepokazaokaonajmanjeprecizan

verovatno zbog toga što odnos između izloženosti učesnika u saobraćaju, što u

nekim slučajevima znači i veću frekvenciju korišćenja puta, i procenta njihovog

učešća u nezgodamamože biti kontroverzan jer je pod uticajemdrugih varijabli

kaoštosupređenakilometraža,tipsaobraćajniceiliiskustvo(Memon2012,Porter

2012).

Abdel‐Aty i Radwan (2000) su pokazali da PGDS, radijus horizontalne krivine,

širinasaobraćajnetrake,bankine,razdelnaostrva,tipputa(ruralni,urbani)kaoi

dužinadeonice imajuuticaj na frekvenciju saobraćajnihnezgoda. Predloženi fazi

0,00

10,00

20,00

30,00

40,00

50,00

0 1 2 3 4 5 6 8

Prosečneocenezakarakteristikeputa


338

modelkojiuključujeprocenuelemenataputajenajboljiuokvirukategorijemodela

kojitežedapredvidepovezanostizmeđuputnihkarakteristikaibrojasaobraćajnih

nezgoda, ali ipak manje pouzdan u odnosu na model koji koristi psihološke

instrumentekaoulaznepromenljive.Najverovatnijirazlogzatobimogaobitišto

suuformiranjumodelaupotrebljeniukupniskorovinaupitnicimakojiseodnose

nakombinacijuefekatarazličitihelemenataputainaopštuocenuopasnosti.Dalji

pravci istraživanja bili bi razmatranje pojedinačnih uticaja, ili određenih

specifičnih kombinacija elemenata puta i opažanja rizika date deonice, ili

poboljšanje, odnosno usavršavanje metodologije za procenu karakteristika puta

konstrukcijomboljihinstrumenatazanjihovuprocenu.

12.Zaključnarazmatranja,diskusijaipravcibudućihistraživanja

339

12.ZAKLJUČNARAZMATRANJA,DISKUSIJAIPRAVCIBUDUĆIHISTRAŽIVANJA

Prenegosepređenadiskusijudobijenihrezultata,korisnojejošjednomnapraviti

osvrt na najznačajnije rezultate istraživanja koji su dobijeni primenom različitih

metoda.

Najpre, kada je rečo terenskojproveribezbednosti saobraćajakoja je vršenana

odabranoj, rizičnoj deonici državnog puta IB reda broj 22, od naselja Žarkovo

(Beograd),doizlaskaiznaseljaĆelije,uočenesunepravilnostinaputuipopitanju

karakteristika saobraćajnog toka, što semože negativno odraziti na percepciju i

ponašanjevozača.

Onoštojezabeleženokaojedanodključnihproblemanaposmatranomdeluputa,

odnosi se pre svega na veliki broj priključaka ili isključenja, koja u velikojmeri

remete saobraćajni tok, dovode do zagušenja i celokupnu saobraćajnu situaciju

čineveomasloženom.Ovo jenaročitovelikiproblemnatačkamadeonicekojase

pruža kroz naseljena mesta, što zahteva posebnu opreznost vozača. Ovakve

okolnosti se nepovoljno odražavaju na percepciju vozača, naročito kada je reč o

ranjivim kategorijama učesnika u saobraćaju kao što su veoma mladi ili stariji

vozači. Kod mladih, rad moždanih struktura koje su zadužene za procesiranje

emocija (subkortikalna limbička regija, tj. amigdala) nadjačava rad kortikalnih

regija mozga koje su važne za kontrolu emocionalnih odgovora (prefrontalni

korteks)štodoprinosinestabilnostiponašanja.

Sadrugestrane,starijivozačiusledsopstvenihpsihomotornihograničenjanisuu

mogućnosti da na adekvatan način odgovore ovakvim složenim zahtevima. Obe

kategorije učesnika u saobraćaju mogu da imaju, često i nerealan odnos prema

sopstvenim vozačkim sposobnostima, što dodatno doprinosi pojavi nebezbednih

oblikaponašanjausaobraćaju.

Zatim, ono što takođe narušava bezbednost odnosi se na odsustvo adekvatnih

uslova za preticanje, kao što su nedostatak traka za preticanje, prevelika


340

frekvencija saobraćaja, naročito u određenim delovima dana, kao i uključenost

vozila poput kamiona sa prikolicom, autobusa, pa i poljoprivrednih vozila. Sve

nabrojano, takođe može da pokrene donošenje rizičnih odluka vozača, što u

krajnjoj liniji, mesta u saobraćajnom toku sa nabrojanim karakteristikama čini

potencijalnimcrnimtačkama.

Sve ovo, sa druge strane, može da uslovi donošenje rizičnih odluka u smislu

preuzimanja nebezbednih manevara u vožnji, potkrepljeno bazičnim

karakteristikama ličnosti kao što su sklonost ka impulsivnom i agresivnom

ponašanju.

Analizom demografskih podataka, kao i na osnovu rezultata neparametrijskih

testova, dobijeni su značajni podaci koji pružaju širu sliku o vozačkoj istoriji

ispitanika,aliipercepcijivozačanaposmatranomdeluputa.Najpre,interesantno

jeuočitidačak13,4%vozačaizukupnoguzorkanavodidajedoživelonezgodena

posmatranom delu puta (u rasponu od 1 do 3 nezode). Nesumnjivo, reč je o

velikom broju nezgoda spram veličine uzorka obuvaćenog istraživanjem. Zatim,

onošto jetakođeupadljivo jedačak66,2%vozača izjavljujeda jeosnovniuzrok

povećanogbrojanezgodanaovojdeoniciupravo ljudski faktor.Ovakvirezulatati

potkrepljuju podatke već pomenutih istraživanja u pregledu literature, ali i

činjenicudajenaovojdeoniciidentifikovanvelikibrojopasnihmestasobziromda

27,2%vozačanavodiputkaoosnovnirazlognastankanezgoda.Kadaseposmatra

prosečan broj konflikata koje su ispitanici prijavljivali u toku jednog putovanja,

dolazisedobrojkekojasekrećeuopseguod4‐8konfliktnihsituacijazakojuse

opredelioubedljivonajvećibrojispitanika.Ovojesvakakopotvrdadajeodabrana

adekvatna deonica puta kao predmet istraživanja, usled rizika kojima su vozači

izloženi. Kada je reč o prosečnoj brzini kretanja koju su vozači prijavljivali u

samoizveštajima, upadljiva je distorzija između samopercepcije vlastite brzine

kretanja i procenebrzinekretanjaostalih vozačau saobraćajnom toku.Naime,u

ovom slučaju je uočeno odsustvo kritičkog osvrta na sopstvene izbore brzina

kretanja, dok su, sa druge strane ispitanici pokazali veoma izražen kritički stav

prema brzini kretanja drugih vozača. Ovo je zanimljiv podatak koji se može


341

tumačitiuskladusarezultatimadobijenimuUpitnikuosamopercepcijivozačkih

sposobnosti,gdejetakođeuočenoneslaganjeurezultatimasamoproceneiprocene

drugihučesnikausaobraćaju.

Ukoliko posmatramo rezultate korelacione analize, moguće je uočiti da su

najznačajnije korelacije zabeležene između skorova BIS‐11 upitnika za procenu

impulsivnostiiADBQupitnikazaprocenuagresivnostiuvožnji.Oviupitnicimere

slične fenomene u ponašanju, otuda pokazuju povezanost, kako za ukupne

skorove, tako i za pojedine dimenzije upitnika. Upitnik DAQ za procenu stavova

prema riziku, kao i Upitnik samopercepcije vozačkih sposobnosti nisu pokazali

značajnije korelacije sa ostalim upitnicima, kao ni međusobno. Ovakav podatak

ukazuje da se u okviru praktične primene ovih instrumenata, najbolji rezultati

mogu postići istovremenom upotrebom upitnika za procenu impulsivnosti sa

upitnikomzaprocenuagresivnosti,kakobisedobili štopreciznijipodacioovim

veomasličnimkategorijamaponašanja.

Srž istraživanja u doktorskoj disertaciji, svakako predstavlja razvoj modela

ponašanja vozača, kao i percepcije opasnih mesta i putnih karakteristika. Cilj

istraživanjajeformiranjeoptimalnogmodelazapredikcijusklonostikanezgodama

vozača, odnosno najbolje kombinacije prediktorskih varijabli iz domena

psihološkihkarakteristikavozačakaoinjihovepercepcijeopasnihmestanaputu.

Upitnik BIS‐11, jedan od najčešće korišćenih instrumenata za procenu

impulsivnostipokazao jeporedvisokepozdanosti skale idobruprediktivnumoć

kadajerečosaobraćajnimnezgodamakojesuvozačiimaliusopstvenojvozačkoj

istoriji. Takođe,ADBQupitnik zaprocenu agresivnogponašanja karakterističnog

zasituacijeuvožnji, jepokazaoveomadobru, tj.približno istuvrednostusmislu

prediktivnog karaktera pri opisivanju nastanka saobraćajnih nezgoda. Iz tih

razloga preporučuje se zajednička upotreba ovih skala u svim situacijama koje

zahtevaju predikciju nezgoda koje vozači mogu iskusiti u budućem vozačkom

iskustvu. Naročito je važno istaći da je ADBQ upitnik, kao do sada nedovoljno

korišćen i relativno nov alat za procenu agresivnosti u vožnji, pokazao dobre


342

karakteristikeufunkcijikreiranjamodelaponašanjavozača,tebise,stoga,trebalo

fokusiratinanjegovuučestalijuupotrebuusvrhenaučnihistraživanja.

Posmatrajući dva osnovnamodela percepcije vozača u odnosu na opasnamesta

deonice, kao i u odnosu na razmatrane elemente puta, sa stanovišta različitih

kategorijavozača,dobijenisuveomakorisnipodacikojisemoguimplementiratiu

naučnoj i stručnoj praksi. Naime, korišćenjem standardne regresione analize

ustanovljeno je da je moguće izvesti zaključak da strožiji kriterijumi procene

opasnih mesta pokazuju povezanost sa većim brojem prijavljenih nezgoda. Na

osnovu ovih podataka se može zaključiti da negativno iskustvo proživljavanja

nezgoda u saobraćaju senzitivira vozače da formiraju strožije stavove prema

opasnimmestimanaputu.Sadrugestrane,važnojeistaćidajeuokvirudetaljnije

analize ustanovljeno da postoji značajno drugačije opažanje, tj. odnos između

percepcijeopasnihmestaidoživljenihnezgoda,izmeđuvozačarazličitihkategorija

(profesionalnihvozačaivozačaputničkihautomobila).

Ukoliko se posmatraju rezultati dobijeni konstrukcijom modela za percepciju

elemenata puta na posmatranoj deonici, moguće je, takođe, izvesti značajne

zaključke.Uovomslučaju, uočava sedaopažanjekarakteristikaputapredstavlja

relativno dobar prediktor saobraćajnih nezgoda, naime, vozači koji put ocenjuju

kao lošiji imajuvećibrojnezgoda. I uovommodelu, kao i uprethodnompostoji

značajna razlika u percepciji različitih kategorija vozača. Zapaža se da, u slučaju

vozačaputničkihvozila,boljeoceneputaodgovarajuneštovećembrojunezgoda

prijavljenihuUpitnikuistorijeučešćausaobraćajnimnezgodama.Sadrugestrane,

zaprofesionalnevozačeutvrđenajerelacijasuprotnogsmera.Naime,profesionalni

vozači koji put opažaju kao opasan ili loš, istovremeno imaju nešto veći broj

saobraćajnihnezgoda.

Sa tim u vezi, dobijene veoma visoke vrednosti koeficijenata determinacije u

modelima ukazuju da je neophodno sprovesti detaljniju analizu elemenata i

karakteristika puta, kao i procena njihove opasnosti od strane vozača. Naime, u

formiranjumodelaupotrebljenisuukupniskorovinaupitnicimakojiseodnosena


343

kombinaciju efekata različitih elemenata puta i na opštu ocenu opasnosti. Dalji

pravci istraživanja bili bi razmatranje pojedinačnih uticaja, ili određenih

specifičnih kombinacija elemenata puta i opažanja rizika date deonice. Ovako

visoki koeficijenti determinacije mogu da ukazuju i na to da je nepotrebno sve

nabrojane elemente uključiti u model, jer cilj regresione analize jeste pronaći

najjednostavnijimodel koji vrši predikciju varijable od interesa, u ovom slučaju,

saobraćajnihnezgoda.

U ovoj doktorskoj disertaciji predlažu se i testiraju različiti fazi logički modeli

čijom primenom se dolazi do informacije o sklonosti pojedinca ka saobraćajnim

nezgodama. Cilj predloženemetodologije je bio da se dođe do zaključka koji od

predloženih modela bi mogao najbolje da proceni sklonost pojedinca ka

saobraćajnim nezgodama. Karakteristika predloženih modela jeste da bi se oni

mogli koristiti kada se želi ispitati sklonost vozačakanezgodama, a dapri tome

nijepoznatovozačkoiskustvo,učestvovanjeusaobraćajnimnezgodama,itd.

Testirani su dvojaki fazi logičkimodeli. Sa jedne strane, kao ulazne promenljive

korišćeni su skorovi postignuti na korišćenim instrumentima zaprocenu ličnosti

(BIS‐11 upitnik za procenu impulsivnosti, ADBQ upitnik za procenu agresivnog

ponašanja u vožnji, Manchester DAQ upitnik za procenu rizika u vožnji, kao i

upitnik za samoprocenu sopstvenih vozačkih sposobnosti). Testirano je 308

modelaovogtipa.Sadrugestrane,kaoulaznepromenljivekorišćenisu rezultati

procene opasnih mesta na posmatranoj deonici puta, karakteristika puta, kao i

učestalostkorišćenjaposmatranedeonice.Testiranoje134modelaovogtipa.

Jedan od osnovnih zaključaka do kojih se došlo analizom svih 442 fazi logičkih

sistema jeste da je najbolju preciznost pri proceni sklonosti vozača ka

saobraćajnim nezgodama pokazao fazi logički sistem koji koristi sva četiri

instrumentazaprocenuličnostikaoulaznepromenljive.

Posmatrajući fazi logičke sisteme koji kao ulazne promenljive koriste skorove

postignutenakorišćeniminstrumentimazaprocenuličnosti,dolazisedozaključka


344

dasenemožekoristitijednafunkcijapripadnostikaonajboljazasvepromenljive.

Tako, promenljivu agresivnost u najvećem broju slučajeva (62,50%) najbolje

opisujufunkcijepripadnostioblikagaussmf;promenljivuimpulsivnostunajvećem

broju slučajeva (62,50%) najbolje opisuju funkcije pripadnosti oblika zmf, pimf,

smf; promenljivu Rizik u najvećem broju slučajeva najbolje opisuju funkcije

pripadnostioblikatrimf(50%)izmf,pimf,smf(50%);promenljivuSamoprocenau

najvećembrojuslučajeva(75%)najboljeopisujufunkcijepripadnostioblikatrimf;

dokpromenljivuNezgode,kada je rečoovom tipu fazi logičkih sistema,najbolje

opisuju funkcije pripadnosti oblika trimf (40%) i zmf, pimf, smf (40%). Takođe,

analizom ova 242 fazi logička sistema došlo se do zaključka da na rezultat fazi

logičkogsistemaznatnovišeutičeizborkoncepta(standardnadevijacija=73,594),

negoizborfunkcijapripadnosti(standardnadevijacija=5,706).Ovajrezultatjebio

odznačajazadaljuanalizuostalihfazilogičkihsistema.

Kadajesutestiranifazilogičkisistemikojikaoulaznepromenljivekoristeskorove

postignutenakorišćeniminstrumentimazaprocenuličnosti,adasudomeniovih

promenljivihdefinisaninaosnovuvrednostiizdostupneliterature,takođesedošlo

dozaključkada jekonceptukojempostoječetiriulaznepromenljivedaonajbolji

rezultat. Međutim, ipak lošiji nego u slučaju definisanja domena na osnovu

podatakaizistraživanja.

Kada je reč o fazi logičkim sistemima gde su kao ulazne promenljive korišćeni

rezultatiproceneopasnihmestanaposmatranojdeoniciputa,karakteristikaputa,

kaoiučestalostkorišćenjaposmatranedeonice,dolazisetakođedozaključkadase

nemožekoristitijednafunkcijapripadnostikaonajboljazasvepromenljive.Tako

promenljivu Opasna mesta najbolje opisuju funkcije pripadnosti oblika trimf u

100% slučajeva; promenljivu Karakteristike puta u najvećem broju slučajeva

(75%) najbolje opisuju funkcije pripadnosti oblika zmf, psigmf, sigmf; a

promenljivuUčestalostunajvećembrojuslučajeva(75%)takođenajboljeopisuju

funkcijepripadnostioblikazmf,psigmf,sigmf.Kodpomenutihfazilogičkihsistema,

promenljivaNezgode jeunajvećembrojuslučajevanajboljeopisanakorišćenjem

funkcijapripadnostioblikatrimf(42,86%)izmf,psigmf,sigmf(42,86%).


345

Posmatrajućinageneralnomnivou, analizomsvih fazi logičkih sistema,dolazi se

do zaključka da se promenljiva Nezgode najbolje opisuje u najvećem broju

slučajeva(43,48%)korišćenjemfunkcijapripadnostioblikatrimf;kaoifunkcijama

pripadnostioblikazmf,pimf,smfu26,09%slučajeva.

Do jednog od najvažnijih zaključaka u ovoj doktorskoj disertaciji se došlo

poređenjem rezultata primene fazi logike i hijerarhijske regresione analize.

Poređenjem najboljeg fazi logičkog sistema i rezultata hijerarhijske regresione

analize, zaključuje se da se veća preciznost u proceni sklonosti vozača ka

saobraćajnimnezgodamamožepostićiprimenomfazilogike.

Od originalnih ostvarenih naučnih doprinosa postignutih disertacijom trebalo bi

izdvojitinajznačajnije:

Definisana je originalnametodologija za procenu ponašanja u vožnji koja

uključujesetod9anketnihobrazaca.Uzorakvozačanakojemjetestiranai

verifikovana predložena metodologija podrazumeva 305 vozača (103

vozačaputničkihvozila,100vozačaautobusai102vozačateretnihvozila);

Definisani su originalni modeli koji doprinose obuhvatnijem objašnjenju

koncepta sklonosti vozača ka učestvovanju u saobraćajnim nezgodama i

kvantifikuju pomenutu sklonost na osnovu poznavanja karakteristika

ličnosti koje se odnose na impulsivnost, agresivnost, sklonost ka

preuzimanjurizikauvožnjiistavovimaoličnimvozačkimkompetencijama

primenomhijerarhijskeregresioneanalizeilogističkebinarneregresije;

Izloženajesveobuhvatnaanalizarelacijaizmeđurazličitihinstrumenataza

procenuponašanja,odkojihsunekiveomačestokorišćeni,doksenekiod

njih, na osnovu detaljne analize rezultata mogu predložiti za upotrebu u

stručnojteorijiipraksi;


346

Definisanisuoriginalnimodelizaprocenusklonostivozačakaučestvovanju

u saobraćajnim nezgodama na osnovu procene rizika opasnih mesta i

elemenata puta posmatrane deonice primenom regresione analize i

logističkebinarneregresije;

Definisanjeoriginalanmodelzaprocenusklonostivozačakasaobraćajnim

nezgodama koji je baziran na korišćenju instrumenata za procenu

karakteristikaličnostiiprimenifazilogike.

Definisanjeoriginalanmodelzaprocenusklonostivozačakasaobraćajnim

nezgodamakojijebazirannaanalizikarakteristikaizabranedeoniceputai

primenifazilogike.

Spovedenojepoređenjerazličitihmetodologijazaprocenusklonostivozača

ka saobraćajnim nezgodama. Kao što je navedeno, u tom smislu se fazi

logikapokazalakaoboljialatuodnosunahijerarhijskuregresionuanalizu.

Konačno, predloženi modeli, daju doprinos dodatnom razjašnjenju uloge

ljudskog faktora u nastanku saobraćajnih nezgoda. Za potpunu analizu

uzrokanekesaobraćajnenezgode,nesumnjivo,najpreciznijepodatkemogu

pružitiobjektivnipokazateljidobijeni,npr. izpolicijskihizveštaja,akojise

odnose na stanje vozila, karakteristike puta ili prisustvo psihoaktivnih

supstanci u krvi vozača. Objektivni podaci neophodni za analizu

saobraćajnih nezgoda zavise od kvaliteta i dostupnosti baza podataka, a

očigledno su i nedovoljni za potpuno objašnjenje frekvencije, a pogotovo

uzrokanezgoda. Istraživanjemkoje je sprovedenouokviruovedoktorske

disertacijepokazanojedasu,poredkarakteristikaličnostivozača,njihova

subjektivnapercepcijakakokarakteristikaodređenihelemenataputa,takoi

procene sopstvenih sposobnosti i rizičnih ponašanja validni prediktori

sklonostikadoživljavanjusaobraćajnihnezgoda.Ovasaznanjaimajuveliku

praktičnu primenu za unapređenje programa obuke vozača početnika,

procedure selekcijeprofesionalnihvozača,planiranje specifičnih sadržaja


347

namenjenihodređenimgrupacijamavozača, poput onihkoji se odnosena

rehabilitacijuvozačakojimajeoduzetadozvola,itd.

Poredpraktičneprimenedobijenirezultatiomogućavajudefinisanjenovihpravaca

istraživanjauoblastisaobraćajnepsihologijeibezbednostisaobraćaja.Predloženi

modeli ponašanja mogu se dalje testirati i unapređivati uvođenjem dodatnih

prediktorskih varijabli, daljim istraživanjima koja bi obuhvatila veći broj

ispitanika,nesamovozača,većiostalihučesnikausaobraćaju.

Uprkosnastojanjudasesprovedemetodološkištopouzdanijeistraživanje,pojavila

suseodređenaograničenja.Glavnoograničenjeseodnosinanedostatakstrategije

prema određenim kriterijumima (kao što je na primer pol), koji ograničava

uopštavanje rezultata za celokupnu populaciju vozača. Pored toga, rezultati

istraživanja su dobijeni na osnovu podataka zabeleženih kroz samoizveštaje

vozača.Takavmetodprikupljanjapodataka,imakakoprednosti,takoinedostatke.

Može dovesti do distorzija u podacima zbog tendencije davanja društveno

poželjnihodgovora.Iakosuispitanicibiliupućeniuanonimankaraktertestiranja,

kao i garantovanu poverljivost dobijenih podataka, pretpostavlja se da su ipak

imali neku vrstu suzdržanosti u odgovaranju u odnosu na određene aspekte

ponašanja. To je posebno uočljivo kada su u pitanju profesionalni vozači, jer

istraživanja da pokazuju među ovom populacijom uvek postoji veće prisustvo

društvenopoželjnihodgovora.Zatim,kadajerečodobijenimmodelimapercepcije,

kao i ponašanja vozača, trebalo bi naglasiti da postoji ograničenje u smislu

generalizacije dobijenih rezultata na sve puteve na putnoj mreži. Ovim

istraživanjem obuhvaćena je deonica državnog puta IB reda broj 22, amotiv za

odabir konkretne deonice bio je prisustvo velikog broja opasnih mesta prema

analiziranim zvaničnim podacima. Prilikom planiranja budućih istraživanja u

kojima bi se verifikovali dobijeni modeli iz disertacije, bilo bi korisno proveriti

njihovu efikasnost i na drugim deonicama, kao i kategorijama puteva, sa

drugačijim karaktersitikama. Dalji pravci istraživanja se upravo preporučuju sa

ciljemeliminisanjailiminimziranjanekihodovihograničenja.


348

Vremensko‐prostorni aspekt analiza saobraćajnih nezgoda daje podatke koji su

pogodni za primenu regresionih metoda. Sa tim u vezi, dobijene veoma visoke

vrednosti koeficijenata determinacije u modelima ukazuju da je neophodno

sprovestidetaljnijuanalizuelemenataikarakteristikaputa,kaoiprocenanjihove

opasnosti od strane vozača. Naime, u formiranjumodela upotrebljeni su ukupni

skorovinaupitnicimakoji seodnosenakombinacijuefekatarazličitihelemenata

puta i na opštu ocenu opasnosti. Dalji pravci istraživanja bili bi razmatranje

pojedinačnih uticaja, ili određenih specifičnih kombinacija elemenata puta i

opažanja rizika date deonice. Ovako visoki koeficijenti determinacije mogu da

ukazujuinatodajenepotrebnosvenabrojaneelementeuključitiumodel,jercilj

regresione analize jeste pronaći najjednostavniji model koji vrši predikciju

varijable od interesa, u ovom slučaju, saobraćajnih nezgoda. Osim toga, kako je

vezaizmeđuPGDS(prosečnoggodišnjegdnevnogsaobraćaja)ibrojasaobraćajnih

nezgoda,kadaseuzimauobzirPGDSkaomera izloženostinanekojdeoniciputa

često nelinearna, u budućim istraživanjima ove problematike potrebno je

razmotritiiuvođenjenelinearnihmodela.

Nadalje, kako se saobraćajne nezgode mogu smatrati kao neprekidan slučajan

proces neophodno je analizirati ih i sa vremenskog aspekta. Naredni koraci u

budućimistraživanjimabitrebalodaobuvateiovajaspekt,tj.modelevremenskih

serija.

Sa druge strane, buduća istraživanja bi trebalo da se usmere na primenu

razmatranih instrumenata u svrhe utvrđivanja uticaja dodatnih

sociodemografskih odrednica kao i kros‐kulturalnih razlika u strukturi ili

izraženostipojedinihsocijalnihaksiomakojisurelevantnizabezbednuvožnju.

Među fenomenima koji se u stručnoj literaturi često dovode u vezu sa rizičnim

ponašanjem vozača, svakako bi bilo korisno uvođenje u model odnosa prema

traženju senzacija, osobini koja pokazuje značajne korelacije sa doživljavanjem

saobraćajnih nezgoda (Zuckerman, 2000). Takođe, preporučuje se testiranje

složenijihmodela,anaročitobitrebalotežitiodabirukombinacijainstrumenataili


349

dimenzijazakojećestandardnagreškabitištomanja,tetimepovećatipreciznost

modelaupredikcijisaobraćajnihnezgodaidrugihrizičnihoblikaponašanja.

Imajući u vidu činjenicu da su saobraćajne nezgode relativno izolovani događaji,

može se zaključiti da nije jednostavno odrediti prediktivnu sposobnost osobina

ličnosti pošto one koreliraju sa brojnim drugim faktorima. Ipak, uprkos tome,

nalaziovedisertacijeukazujunavažnuulogupojedinihličnihsvojstavaurizičnim

ponašanjimausaobraćaju.Ovakvinalazimogunaćisvojupraktičnuprimenljivost

zarazličitesvrhe.

Najpre, rezultati dobijeni proverom bezbednosti saobraćaja na posmatranoj

deonicikojausledpovećanogbrojaopasnihmestaspadeurizičnije,omogućavaju

preduzimanje konkretnih protivmera u smislu unapređenja bezbednosti

saobraćaja. Zatim, na osnovu rezultata ovog istraživanja kriterijumi za selekciju

profesionalnih vozača mogli bi biti znatno unapređeni. Ovakvo unapređeno

testiranje za buduće profesionalne vozače podrazumevalo bi primenu

instrumenatazaprocenukarakteristikaličnostivozačazajednosapsihomotornim

ikognitivnimtestovimakojiomogućavajuegzaktnijuprocenusposobnostivozača.

Ovirezultatibilibiodnaročitogznačajazakompanijekojeimajustalnodefinisane

rutevožnje,kakonaproučavanojdeonici,takoinaostalimdelovimaputnemreže.

Dalje, ovi rezultati mogu naći svoju primenu u izradi programa za prevenciju

nezgodaikršenjazakona,uprogramimazarehabilitacijuvozačakojimajeoduzeta

vozačka dozvola, u procesima i obuke kandidata za vozačku dozvolu, kao i u

promovisanju bezbednijih stilova vožnje, u skladu sa karakteristikama ličnosti

vozača.

Literatura

350

LITERATURA

AAA Foundation for Traffic Safety. 2009. Aggressive Driving Research Update,

http://www.aaafoundation.org/pdf/AggressiveDrivingResearchUpdate2009 [28.

Maj,2015].

AAMI.2009.OurRoadsofrage.CrashIndex:AnnualRoadSafetyIndex.AAMI

Abdel‐Aty, M., Radwan, E., 2000. Modeling traffic accident occurrence and

involvement,AccidentAnalysisandPrevention32,633–642.

ABS – Agencija za bezbednost saobraćaja 2017. Statistički izveštaj o stanju

bezbednosti saobraćaja u Republici Srbiji u 2016. godini,

http://www.abs.gov.rs/statisticki‐izvestaji[Jul22,2017].

Ahmed, N., Andersson, R. 2002. Differences in cause‐specific patterns of

unintentional injury mortality among 15–44‐year‐olds in income‐based country

groups,AccidentAnalysisandPrevention,34(4),541‐551.

AndersonC.A.,BushmanB.J.2002.HumanAggression,AnnualReviewofPsychology

53,27‐51,doi:10.1146/annurev.psych.53.100901.135231

Antonini,A.,Siri,C.,Santangelo,G.,Cilia,R.,Poletti,M.,Canesi,M.,Barone,P.2011.

Impulsivity and compulsivity in drug‐naïve patients with Parkinson’s disease,

MovementDisorders,26,464–468.

Arthur J., W., Bell, S.T., Edwards, B.D., Day, E.A., Tubré, T.C., Tubré, A.H. 2005.

Convergence of self‐report and archival crash involvement data: A two‐year

longitudinalfollowup,HumanFactors,47,303–313.

Literatura

351

Bagozzi,R.; Yi, Y. 2012. Specification, evaluation, and interpretationof structural

equationmodels, Journal of theAcademyofMarketingScience,40(1), 8–34,doi:

10.1007/s11747‐011‐0278‐x

Bahar,G.M.P. 2009.HighwaySafetyManualKnowledgeBase.Washington,D.C.:

NationalCooperativeHighwayResearchProgram.

Bandura,A.1977.Sociallearningtheory.EnglewoodCliffs,NJ:PrenticeHall.

BarrattE.S.1965.Factoranalysisofsomepsychometricmeasuresofimpulsiveness

andanxiety,PsychologicalReports,16,547–554.

Barratt, E. S., Slaughter, L. 1998. Defining, measuring, and predicting impulsive

aggression:Aheuristicmodel,BehaviorScienceLaw,16,285–302.

Baron,R.A.,Richardson,D.R.1994.HumanAggression:NaturalisticApproaches.

Routledge,Londres,GreatBritain,25–41.

Baumeister,R.E,Heatherton,T.E,Tice,D.M.1996.Whenegothreatsleadtoself‐

regulationfailure:Negativeconsequencesofhighself‐esteem,JournalofPersonality

andSocialPsychology,64,141‐156.

Benfield, J. A., Szlemko, W. J., Bell, P. A., 2007. Driver personality and

anthropomorphicattributionsofvehiclepersonalityrelatetoreportedaggressive

drivingtendencies,PersonalityandIndividualDifferences,42(2),247–258.

Berkowitz, L., Heimer, K. 1989. On the construction of the anger experience:

Aversiveeventsandnegativeprimingintheformationoffeelings.InL.Berkowitz

(Ed.),Advancesinexperimentalsocialpsychology."Vol.22(pp.1‐37).NewYork:

AcademicPress.

Literatura

352

Bjørnskau, T. 1994. Hypotheses on risk compensation, Proceedings of the

ConferenceRoadSafety inEurope, StrategicHighwayResearchProgram (SHRP),

Lille,France,81‐98.

Bone, S.A.,Mowen, J.C., 2006. Identifying the traitsofaggressiveanddistracted

drivers:Ahierarchicaltraitmodelapproach,JournalofConsumerBehaviour,5(5),

454–464,doi:10.1002/cb.193

Botticher, A., Van Der Molen, H. 1985. Risicmodellen als determinaten van

woorlichtingenandereverkeersveilligheidsmaatregelen.TrafficResearchCentrev

ReportVK85‐21.Groningen.

Boyce,T.E.,Geller,E.,S.2001.Appliedbehavioranalysisandoccupationalsafety:

The challenge of response maintenance, Journal of Organizational Behavior

Management,21,31‐60.

Brill,J.C.,Mouloua,M.,Shirkey,E.2009.PredictivevalidityoftheAggressiveDriver

Behavior Questionnaire (ADBQ) in a simulated environment. Proceedings of the

53rdAnnualMeetingoftheHumanFactorsandErgonomicsSociety,1334‐1337.

Brill, J. C., Mouloua, M. 2011. Exploration of the Factor Structure and Internal

ConsistencyoftheAggressiveDrivingBehaviorQuestionnaire(ADBQ).Proceedings

ofthe55thAnnualMeetingoftheHumanFactorsandErgonomicsSociety,1361‐

1365.

BrudeU.,LarssonJ.2000.Whatroundaboutdesignprovidesthehighestpossible

safety?NordicRoadandTransportResearch,12,17–21.

Burgess,C.,Webley,P.2000.EvaluatingtheeffectivenessoftheUnitedKingdom’s

NationalDriverImprovementScheme,SchoolofPsychology,UniversityofExeter.

Literatura

353

Bushman, B. J., Anderson, C. A. 2001. Media violence and the American public:

Scientificfactsversusmediamisinformation,AmericanPsychologist,56,477‐489.

Canan,F.2017.Therelationshipbetweensecond‐to‐fourthdigit(2D:4D)ratiosand

problematic and pathological Internet use among Turkish university students,

Journalofbehavioraladdictions,6(1),30‐41.

Canppada,N.,J.Scuily,S.Newstead,B.Corben.2007.FindingsontheEffectiveness

ofIntersectionTreatmentsIncludedintheVictorianStatewideAccidentBlackSpot

Program.Melbourne.AustralasianCo.

CavalloV.E.,CohenA.S.2001.Perception.In:BarjonetPE.(eds)TrafficPsychology

Today.Springer,Boston,MA

Chan, Y., Yoon, J., Wu, J. T., Kim, H. J., Pan, K. T., Yim, J., Chien, C. T. 2008.

SupplementaryMaterial,JournalofCellScience,121(19).

Chen,C.,Li,C.,Wang,H.,Ou, J. J.,Zhou,J.S.,Wang,X.P.2014.CognitiveBehavioral

Therapy to Reduce Overt Aggression Behavior in Chinese Young Male Violent

Offenders,Aggressivebehavior,40,329–336.

ChenL.,MayA.,AuslanderD.1990.FreewayRampControlUsingFuzzySetTheory

forInexactReasoning,TransportationResearchPartA:PolicyandPractice,24,15‐

25.

Chenani,S.B.,Maksimainen,M.,Tetri,E.,Kosonen,I.,Luttinen,T.2016.Theeffects

of dimmable road lighting: a comparison of measured and perceived visibility,

TransportationResearchPartF:TrafficPsychologyandBehaviour,43,141‐156.

Choi, S.W. 2014. Similarities and differences among Internet gaming disorder,

gambling disorder and alcohol use disorder: A focus on impulsivity and

compulsivity,JournalofBehavioralAddictions,3(4),246–253.

Literatura

354

ChongL., AbbasM.M., FlintschA.M.,HiggsB. 2013.A rule‐basedneural network

approachtomodeldrivernaturalisticbehaviorintraffic,TransportationResearch

PartC:EmergingTechnologies,32,207–223.

Clarke,S.2006.Therelationshipbetweensafetyclimateandsafetyperformance:a

meta‐analyticreview,JournalofOccupationalHealthPsychology,11(4),315‐327.

ConnorM.D., JonathanR.T.,DavidsonM.D2003.Developmentofanewresilience

scale:TheConnor‐DavidsonResilienceScale(CD‐RISC),DepressionandAnxiety,18

(2),76–82.

Crick, N.R., Dodge, K.A. 1994. A review and reformulation of social‐information

processingmechanismsinchildren’sdevelopment,PsychologicalBulletin,115,74–

101.

Crick, N. R., Dodge, K. A. 1996. Social information‐processing mechanisms on

reactiveandproactiveaggression,ChildDevelopment,67,993–1002.

Critchfield, K. L., Levy, K. N., J. F. 2004. The relationship between impulsivity,

aggression, and impulsive–aggression in borderline personality disorder: An

empirical analysis of self–reportmeasures, Journal of Personality Disorders, 18,

555–570.

Cuttler,C.,O’connell,D.,Marcus,D.K.2016.RelationshipsBetweenDimensionsof

ImpulsivityandProspectiveMemory,EuropeanJournalofPersonality,30,83–91.

Čičević,S.,Čubranić‐Dobrodolac, M.2008.DistributionofLearningStylesAmong

Young Drivers, MicroCAD. International Scientific Conference, Miskolc, Hungary,

127‐133.

Literatura

355

Čičević, S., Tubić, V., Nešić, M., Čubranić‐Dobrodolac, M. 2011. Young drivers

perceptual learning style preferences and traffic accidents, Promet – Traffic and

Transportation,23(3),225–233.

Čičević,S.,Marković,M.,Jocić,D.,Obradović,F.,Čubranić‐Dobrodolac,M.,Lipovac,

K., Trifunović, A. 2014. Uticaj posmatranja agresivnih scena na sklonost ka

agresivnom ponašanju mladih vozača. Knjiga rezimea 62. Naučno‐stručni skup

psihologaSrbija,Profesionalnirazvojpsihologa,Zlatibor,28‐31.05.2014.pp.94.

Čičević,S.,Čubranić‐Dobrodolac,M.,Trifunović,A.2015.Ispitivanjeprocenebrzine

kretanja vozila. X International Conference Jubilee Raod Safety in Local

Communities,BSLZ2015,pp.251‐360,22‐25April,Kragujevac,Srbija.

Čubranić‐Dobrodolac, M., Čičević, S. 2017a. Model za procenu sklonosti ka

saobraćajnim nezgodama baziran na korišćenju instrumenata za procenu

karakteristika ličnosti iponašanjavozača iprimeni fazi logike,ZbornikradovaVI

međunarodnakonferencija„Bezbjednostsaobraćajaulokalnojzajednici“,75‐80,26.

i27.oktobar2017,BanjaLuka,BiH.

Čubranić‐Dobrodolac, M., Čičević, S. 2017b. Uticaj percepcije opasnih mesta na

incidenciju nezgoda u saobraćaju, Zbornik radova V naučno‐stručni skup „Put i

životnasredina“,194‐200,28.i29.septembar2017,Vršac,Srbija.

Čubranić‐Dobrodolac,M.,Čičević,S.,Tubić,V.2010.Percepcijarizikamladihvozača,

Knjigaapstraktasa9.savetovanjaotehnikamaregulisanjasaobraćajaIndikatoriu

saobraćajnominženjerstvu,Subotica,Srbija,38‐43.

Čubranić‐Dobrodolac,M.,Čičević,S.,Dobrodolac,M.2013.Therisksassociatedwith

usingamobilephonebyyoungdrivers,Transport,28(4),381–388.

Literatura

356

Čubranić‐Dobrodolac,M.,Čičević,S.,Lipovac,K.,BorisAntić,B.,Trifunović,A.2014.

Odnos između elemenata puteva i percepcije rizika vozača. Knjiga rezimea 62.

Naučno‐stručni skuppsihologa Srbija,Profesionalni razvojpsihologa, Zlatibor, 28‐

31.05.2014.pp.96.

Čubranić‐Dobrodolac,M.,Čičević,S., Lipovac,K.,Trifunović,A.2014.Sklonostka

preuzimanjurizikauvožnjimladihvozača.Knjigarezimea62.Naučno‐stručniskup

psihologaSrbija,Profesionalnirazvojpsihologa,Zlatibor,28‐31.05.2014.pp.95.

Čubranić‐Dobrodolac,M.,Čičević,S.,Lipovac,K.,BorisAntić,B.,Trifunović,A.2014.

Odnos između elemenata puteva i percepcije rizika vozača. Knjiga rezimea 62.

Naučno‐stručniskuppsihologaSrbija,Profesionalnirazvojpsihologa,Zlatibor,28‐

31.05.2014.pp.96.

ČubranićDobrodolac,M.,Čičević,S.,Antić,B.,Lipovac,K.,Trifunović,A.2015.Prikaz

metrijskih karakteristika različitih verzija DBQ (Manchester Driver Behaviour

Questionnaire)upitnika.Knjigarezimea63.Naučno‐stručniskupSaborpsihologa

Srbije‐Strukovniidentitetpsihologaimeđuresornasaradnja,Zlatibor,27–30.maj,

2015.

ČubranićDobrodolac,M.,Čičević,S.,Nešić,M.2015.Theimpactofimpulsivenesson

roadtrafficaccidentsanddriverbehavior,11thInternationalConference,Daysof

appliedpsychology,67‐69,FacultyofPhilosophy,September25th‐26th2015,Niš,

Serbia.

Čubranić‐Dobrodolac,M. Lipovac, K., Čičević, S., Tubić, V. 2015. Percepcija rizika

vozačainjenuticajnanastanaksaobraćajnihnezgoda.InProceedingsofTheFirst

SerbianRoadCongress,5.i6.ЈuneBeograd,Srbija.pp.1098‐1105

Literatura

357

Čubranić‐Dobrodolac,M.,Lipovac,K.,Čičević,S.2016.Odnosizmeđuimpulsivnosti

kaoosobineličnostiiagresivnogponašanjauvožnji,XImeđunarodnakonferencija

„Bezbednostsaobraćajaulokalnojzajednici“,161‐167,13.‐16.april2016,Vrnjačka

Banja,Srbija.

Čubranić‐Dobrodolac,М.,Lipovac,К,Čičević,S.,Antić,B.2017.Amodelfortraffic

accidentspredictionbasedondriverpersonalitytraitsassessment,Promet–Traffic

andTransportation29(6),631–642.

Dahlen, E. R. 2012. Taking a look behind the wheel: An investigation into the

personalitypredictorsofaggressivedriving,AccidentAnalysisandPrevention,45,

1–9.

Dahlen,E.R.,Martin,R.C.,Ragan,K.,Kuhlman,M.M.2005.Drivinganger,sensation

seeking,impulsiveness,andboredompronenessinthepredictionofunsafedriving,

AccidentAnalysisandPrevention,37,341–348.

Davey, J., Freeman, J., Wishart, D., 2007. An Application of the Driver Attitude

QuestionnairetoExamineDrivingBehaviourswithinanAustralianOrganisational

FleetSetting,http://acrs.org.au/files/arsrpe/RS060039.pdf

Deffenbacher,J.L.,Oetting,E.R.,Lynch,R.S.1994.Developmentofadrivinganger

scale,PsychologicalReports,74,83–91.

Deffenbacher, J.L., Huff, M.E., Lynch, R.S., Oetting, E.R., Salvatore, N.F., 2000.

Characteristics and treatment of high‐anger drivers, Journal of Counseling

Psychology,47,5–17,doi:10.1037/0022‐0167.47.1.5.

Deffenbacher, J.L.,Lynch,R.S.,Oetting,E.R., Swaim,R.C.,2002.TheDrivingAnger

ExpressionInventory:Ameasureofhowpeopleexpresstheirangerontheroad,

Behaviour Research and Therapy, 40, 717–737, doi:10.1016/S0005‐

7967(01)00063‐8.

Literatura

358

Deffenbacher, J.L., Lynch, R.S., Richards, T.L. 2003. Anger aggression and risky

behavior: a comparison of high and low anger drivers, Behavior research and

Therapy,41,701‐718.

Deffenbacher,J.L.,RichardsT.L.,FilettiL.B.,LynchR.S.2007.Angrydrivers:atest

ofstate‐traittheoryExpressionInventory:Ameasureofhowpeopleexpresstheir

anger on the road, Behaviour Research and Therapy, 40, 717–737, doi:

10t.1016/S0005‐7967(01)00063‐8.

DeOña,J.,Lopez,G.,Mujalli,R.,Calvo,F.J.,2013.Analysisoftrafficaccidentsonrural

highwaysusinglatentclassclusteringandbayesiannetworks,AccidentAnalysisand

Prevention,51,1–10,doi:10.1016/j.aap.2014.09.020

Dollard,J.,Doob,L.,Miller,N.,Mowrer,O.,Sears,R.1939.Frustrationandaggression.

NewHaven,CT:YaleUniversityPress.

Donges,E.1999.Aconceptual frameworkforactivesafety inroadtraffic,Vehicle

SystemDinamics,32(2/3),113‐128.

Driss, M., Saint‐Gerand, T., Benabdeli, K., Hamadouche, M.A. 2015. Traffic safety

predictionmodel for identifying spatial degrees of exposure to the risk of road

accidentsbasedonfuzzylogicapproach,GeocartoInternational,30(3),243‐257.

Dudek, D., Siwek, M., Jaeschke, R., Drozdowicz, K., Styczeń, K., Arciszewska, A.,

Chrobak, A.A., Rybakowski, J.K. 2016. A web‐based study of bipolarity and

impulsivity in athletes engaging in extreme and high‐risk sports, Acta

Neuropsychiatrica,28,3,179‐183.

Dula, C. S., Ballard, M. E. 2003. Development and evolution of a measure of

dangerous, aggressive, negative emotional, and risky driving, Journal of Applied

SocialPsychology,33(2),263‐282.

Literatura

359

Dula,C.S.,Geller,E.S.2004.Risky,aggressive,oremotionaldriving:Addressingthe

needforconsistentcommunicationinresearch,JournalofSafetyResearch,34,559–

566.

Dulisse, B. (1997). Methodological issues in testing the hypothesis of risk

compensation,AccidentAnalysisandPrevention,29(3),285‐292.

Dupont,E.,Martensen,H.,Papadimitriou,E.,Yannis,G.2010.Riskandprotection

factorsinfatalaccidents,AccidentAnalysisandPrevention,42(2),645‐653.

Effati,M.,Rajabi,M.A.,Samadzadegan,F.,Blais,R.2012DevelopingaNovelMethod

for Road Hazardous Segment Identification Based on Fuzzy Reasoning and GIS,

JournalofTransportationTechnologies,2,32‐40.

Eiksund, S. 2009. A geographical perspective on driving attitudes and behaviour

amongyoungadultsinurbanandruralNorway,SafetyScience,47(4),529‐536.

Elander,J.,West,R.,French,D.1993.BehaviouralCorrelates:IndividualDifferences

inRoad‐TrafficCrashRisk:AnExaminationofMethodsandFindings,Psychological

Bulletin,113(2),279‐294.

Elliott,D.,Elliott,B.,Lysaght,A.1995.OlderDriverRisksandCountermeasures,

Elliott&ShanahanResearchforTheFederalOfficeofRoadSafety

Elvik,R.,Vaa,T.2004.TheHandbookofRoadSafetyMeasures,Elsevier

Evans,L.1991.TrafficSafetyandtheDriver.NewYork:VanNostrandReinhold.

Evans,T.2017.Extended“TimedUpandGo”assessmentasaclinicalindicatorof

cognitivestateinParkinson'sdisease,JournaloftheNeurologicalSciences,375,86‐

91.

Literatura

360

Farr,O.M.,Hu,S.,Zhang,S.,Li,C.S.R.2012.Decreasedsaliencyprocessingasaneural

measureofBarrattimpulsivityinhealthyadults,NeuroImage,63,1070–1077.

Feindler,E.,Guttman,J.1994.Cognitive‐behavioralangercontroltrainingforgroups

ofadolescents.InC.W.LeCroy(Ed.),Handbookofchildandadolescenttreatment

manuals(pp.170‐199).NewYork:LexingtonBooks.

Fernandes, R., Job, R.F. S., Hatfield, J., 2007. A challenge to the assumed

generalizability of prediction and countermeasure for risky driving: Different

factorspredictdifferentriskydrivingbehaviors,JournalofSafetyResearch,38,59‐

70,doi:10.1016/j.jsr.2006.09.003

Florez,G.,Saiz,P.A.,Santamaria,E.M.,Alvarez,S.,Nogueiras,L.,Arrojo,M.2016.

Impulsivity, implicit attitudes and explicit cognitions, and alcohol dependenceas

predictorsofpathologicalgambling,PsychiatryResearch,245,392‐397.

FossatiA.,DiCeglie,A.,Acquarini,E.,Barratt,E.S.2001.Psychometricpropertiesof

an Italian version of the Barratt Impulsiveness Scale‐11 (BIS‐11) in nonclinical

subjects,JournalofClinicalPsychology,57,815–828.

Fox, S., Hammond, S. 2017. Investigating the multivariate relationship between

impulsivityandpsychopathyusingcanonicalcorrelationanalysis,Personalityand

individualdifferences,111,187‐192.

FridstrømL.,IfverJ.,IngebrigtsenS.,KulmalaR.,ThomsenL.K.1995.Measuringthe

ContributionofRandomness,Exposure,Weather,andDaylighttotheVariationin

RoadAccidentCounts,AccidentAnalysis&Prevention,27(1),1‐20.

Fuller,R.2005.Towardsageneraltheoryofdriverbehavior,AccidentAnalysisand

Prevention,37(3),461‐472.

Literatura

361

FurnhamA,SaipeJ.1993.PersonalityCorrelatesofConvictedDrivers,Personality

andIndividualDifferences,14,329–336.

GaberM.,WahaballaA.M.,OthmanA.M.,DiabA.2017.Trafficaccidentsprediction

model using fuzzy logic: Aswan desert road case study, Journal of Engineering

Sciences,45(1),28–44.

Ge,Y.,Zhang,Q.,Zhang,J.,Zhao,W.,Yu,T.,Zhang,K.,Qu,W.,2016.Validationofthe

Driver’s Angry Thoughts Questionnaire (DATQ) in a Chinese sample, Accident

AnalysisandPrevention,95,362–372,doi:10.1016/j.aap.2016.04.025

Geen,R.G.2001.Humanaggression(2nded.).Philadelphia:OpenUniversityPress.

Gibson, J. J. 1986. The ecological approach to visual perception, Hillsdale, NJ:

LawrenceErlbaumAssociates,Inc.

Gichaga,F. J.2017.The impactof road improvementsonroadsafetyandrelated

characteristics,IATSSResearch,40(2),72‐75.

Gordhamer,S.A.,Martinex,F.H.,Petrilli,R.T.,Lynch,R.S.,Deffenbacher,J.L.1999.

Characteristicsofindividualswithhighandlowdrivinganger.Paperpresentedat

the69thAnnualConventionoftheRockyMountainPsychologicalAssociation,Fort

Collins,CO.

Gordon,M.2007.Evaluatingtheballoonanaloguerisktask(Bart)asapredictorof

risk taking inadolescentandadultmaledrivers,Master thesis,TheUniversityof

Waikato.

Gülec,H.,Tamam,L.,Gülec,M.Y.,Turhan,M.,Karakus,G.,Zengin,M.,Stanford,M.S.

2008.PsychometricpropertiesoftheTurkishversionoftheBarrattimpulsiveness

scale‐11,BulletinofClinicalPsychopharmacology,18,251–258.

Literatura

362

Gurda,A.2012.EvaluatingThePsychometricPropertiesOfTheAggressiveDriving

Behavior Questionnaire (ADBQ). A thesis submitted in partial fulfillment of the

requirementsfortheHonorsintheMajorPrograminPsychologyIntheCollegeof

SciencesAnd inTheBurnettHonorsCollegeAt theUniversity of Central Florida

Orlando,Florida

HaddonW. 1970. On the escape of tigers: an ecologic note. American Journal of

PublicHealth60,2229–2234.

Hale,A.R.,Stoop,J.,Hommels,J.1990.Humanerrormodelsaspredictorsofaccident

scenarios fordesigners in road transportsystems,Ergonomics,33(10‐11),1377‐

1387.

Hansen,C.P.1988.Personalitycharacteristicsoftheaccidentinvolvedemployee,

JournalofBusinessandPsychology,2,246–365.

Harms, C., Jackel, L.,Montag, C. 2017. Reliability and completion speed in online

questionnaires under consideration of personality, Personality and individual

differences,111,281‐290.

Harre,R.,Lamb,R.1983.Theencyclopedicdictionaryofpsychology.GreatBritain:

BasilBlackwellPublisherLimited.

Hartmann,A.S.,Rief,W.,Hilbert,A.2011.PsychometricpropertiesoftheGerman

version of the Barratt Impulsiveness Scale, Version 11 (BIS‐11) for adolescents,

PerceptualandMotorSkills,112,353–368.

Hennessy,D.A.,Wiesenthal,D.L.1997.Therelationshipbetweentrafficcongestion,

driverstress,anddirectversusindirectcopingbehaviors,Ergonomics,40,348‐361.

Hennessy,D.A.,Wiesenthal,D.L.1999.Trafficcongestion,driverstress,anddriver

aggression,AggressiveBehavior,25,409‐423.

Literatura

363

Herrera‐Diaz,A.2016.FunctionalConnectivityandQuantitativeEEGinWomenwith

AlcoholUseDisorders:AResting‐StateStudy,Braintopography,29,3,368‐381.

Het Rot, M., Moskowitz. D., Simon N. 2014. Young Impulsive behaviour in

interpersonal encounters:Associationswithquarrelsomenessandagreeableness,

BritishJournalofPsychologyImpulsivityandsocialinteractions,106(1),152‐161.

Hosseinpour, M., Yahaya, A.S., Ghadiri, S.M., Prasetijo, J. 2013. Application of

AdaptiveNeuro‐FuzzyInferenceSystemforRoadAccidentPrediction,KSCEJournal

ofCivilEngineering,17(7),1761‐1772.

Huesmann, L. R. 1998. The role of social information processing and cognitive

schema in theacquisitionandmaintenanceofhabitualaggressivebehavior. InR.

Geen&E.Donnerstein(Eds.)

http://www.who.int/violence_injury_prevention/road_safety_status/country_prof

iles/austria.pdf.

http://www.who.int/violence_injury_prevention/road_safety_status/2009/en/ind

ex.html

http://www.putevisrbije.rs/images/pdf/brojanje/2015/tabela_saobracajnog_opte

recenja_na_dp_IBreda_preliminarni_rezultati.pdf(pristupano04.01.2016)

iRAP.2009.iRAPSerbiaResults,dostupnona:http://www.irap.net/en/about‐irap‐

3/assessment‐reports(pristupano05.08.2016)

iRAP. 2014. Pilot Project: Ibarska Magistrala, Serbia, dostupno na:

http://www.irap.net/en/about‐irap‐3/assessment‐reports (pristupano 05.08.

2016)

Jakubczyk,A.2013.Impulsivity,riskybehaviorsandaccidentsinalcohol‐dependent

patients,AccidentAnalysisandPrevention,51,150–155.

Literatura

364

Jakubczyk,A.,Brower,K.J.,Kopera,M.,Krasowska,A.,Michalska,A.,Loczewska,A.,

Majewska,A.,Ilgen,M.,Fudalej,S.,Wojnar,M.2016.Physicalpainandimpulsivityin

alcohol‐dependentpatients,AddictionResearchandTheory,24(6),458‐465.

Jakuszkowiak‐Wojten,K.,Landowski,J.,Wiglusz,M.S.,Cubała,W.J.2017.Impulsivity

indrug‐naïvepanicdisorder,TheEuropeanJournalofPsychiatry,31,2,45–49.

Jevtić,V.,Vujanić,M.,Lipovac,K.,Jovanović,D.,Stanojević,P.2012.Theinfluenceof

motives on risky behavior in traffic: Comparison between motorcyclists and

passenger car drivers, Scientific Research and Essays, 7(10), 1134‐1140, doi:

10.5897/SRE11.1004.

Joireman, J.A., Anderson, J., Strathman, A. 2003. The aggression paradox:

Understandinglinksamongaggression,sensationseeking,andtheconsiderationof

futureconsequences,JournalofPersonalityandSocialPsychology,84,1287–1302.

Jonah,B.A.1997.Sensationseekingandriskydriving:areviewandsynthesisofthe

literature,AccidentAnalysisandPrevention,29,651–665.

Jovanovic, D., Lipovac, K., Stanojevic, P., Stanojevic, D., 2011. The effects of

personality traits on driving‐related anger and aggressive behaviour in traffic

among Serbian drivers, Transportation Research Part F: Traffic Psychology and

Behaviour,14(1),43–53,doi:10.1016/j.trf.2010.09.005

Jovanovic,D.,Stanojevic,P.,Jakšić,D.2014.Theinfluenceofriskperceptionandself‐

assessed driving abilities on the behavior of young drivers, XII International

Symposium"ROADACCIDENTSPREVENTION2014"HotelJezero,BorskoJezero,9

i10oktobar2014.

JP“PuteviSrbije,2017. TabelasaobraćajnogopterećenjanadržavnimputevimaIB

reda,http://www.putevi‐srbije.rs/index.ph

Literatura

365

Kam,J.W.Y.,Dominelli,R.,Carlson,S.R.2102.Differentialrelationshipsbetweensub‐

traitsofBIS‐11 impulsivityandexecutiveprocesses:AnERPstudy, International

JournalofPsychophysiology,85,174–187.

Kanaan,A.,Huertas,P., Santiago,A., Sanchez, J.A.,Martinez,P.2009. Incidenceof

differenthealth factorsand their influenceon trafficaccidents in theprovinceof

Madrid, Spain. Legal Medicine (Tokyo), 11(Suppl 1), S333–336. doi:

10.1016/j.legalmed.2009.01.010

Karli,P.1991.Animalandhumanaggression, OxfordSciencePublications

Krahé,B.,Fenske,I.2002.Predictingaggressivedrivingbehavior:theroleofmacho

personality,age,andpowerofcar,AggressiveBehavior,28,21–29.

Koushki,P.A.,Bustan,M.2006.Smoking,beltuse,androadaccidentsofyouth in

Kuwait,SafetyScience,44(8),733‐746.

Lajunen,T.,Parker,D.,Summala,H.1999.Does trafficcongestion increasedriver

aggression?TransportationResearchPartF:TrafficPsychologyandBehaviour,2

(4),225‐236,doi:10.1016/S1369‐8478(00)00003‐6

Lajunen,T.,Parker,D.,Stradling,S.G.1998.Dimensionsofdriveranger,aggressive

and highway code violations and their mediation by safety orientation,

TransportationResearchPartF:TrafficPsychologyandBehaviour,1(2),107‐121.

doi:10.1016/S1369‐8478(98)00009‐6

LawtonR.,Nutter,A.2002.Acomparisonofreportedlevelsandexpressionofanger

ineverydayanddrivingsituations,BritishJournalofPsychology,93,407‐423

Li,C.S.,Chen,S.H.2007.Obsessive‐compulsivenessandimpulsivityinanon‐clinical

populationofadolescentmalesandfemales,PsychiatryResearch,149,129–138.

Literatura

366

Lindstrøm, J. C.,Wyller, N. G., Halvorsen,M.M., Hartberg, S., Lundqvist, C. 2017.

Psychometric properties of a Norwegian adaption of the Barratt Impulsiveness

Scale‐11inasampleofParkinsonpatients,headachepatients,andcontrols,Brain

andBehavior,7,8,doi:10.1002/brb3.605

Lipovac,К.2008.Bezbednostsaobraćaja,JPSlužbenilist,Beograd.

Lipovac, K., Jovanović, D., Stanojević, P. 2011. Uzroci nasilničkog ponašanja u

saobraćaju. Zbornik radova, Međunarodna naučno ‐ stručna konferencija

Nasliničkikriminalitet,BanjaLuka.

Lipovac,K.,Trifunović,A.,Čičević,S.,Čubranić‐Dobrodolac,M.2015PrimenaRSI‐

proverebezbednostisaobraćajanadeonicidržavnogputaM22.Zbornikradova,IV

MeđunarodnakonferencijaBezbjednostsaobraćajaulokalnojzajednici,pp.63‐70,

BanjaLuka,29.i30.oktobar2015

Ljuboja, J., Dubljanin, J., Obradović, M., Ljuboja, M. 2016. Višestruka linearna

regresija, autorizovana skripta, Univerzitet u Beogradu ‐ Matematički fakultet,

dostupno na http://www.matf.bg.ac.rs/p/files/1432029947‐63‐Visestruka_

linearna_regresija.pdf(pristupano15.5.2017)

Lonero,L.P.,Clinton,K.M.2008.ExtensiveSeriesofResearchandAnnualReports

for the 5‐Year Formative Evaluation of MPI’s High School Education Project.

Winnipeg,Manitoba:ManitobaPublicInsurance

Lower,M.,Magott,J.,Skorupski,J.2016.AnalysisofAirTrafficIncidentsusingevent

treeswithfuzzyprobabilities,FuzzySetsandSystems,293,50–79.

Lozano, J. H. 2015. Are impulsivity and intelligence truly related constructs?

Evidencebasedonthefixed‐linksmodel,PersonalityandIndividualDifferences85,

192–198.

Literatura

367

Lu,C.F.,Jia,C.X.,Xu,A.Q.,Dai,A.Y.,Qin,P.2012.Psychometriccharacteristicsof

ChineseversionofBarrattImpulsivenessScale‐11insuicidesandlivingcontrolsof

ruralChina,Omega,66,215–229.

Ludwig, W.V. 2013. Impulsivity, self‐control, and hypnotic suggestibility,

ConsciousnessandCognition,22,637–653.

Luengo‐FernandezR.,GrayA.M,RothwellP.M.2009.Costsofstrokeusingpatient‐

leveldata:Acriticalreviewoftheliterature.Stroke40:18–23.

Lyvers,M.,Basch,V.,Duff,H.,Edwards,M.S.2015.TraitImpulsivityPredictsD‐KEFS

TowerTest,PerformanceinUniversityStudents,Appliedneuropsychology:adult,

1–6,2014.

Lyvers,M.,Duff,H.,Basch,V.,Edwards,M.S.2012.Rashimpulsivenessandreward

sensitivity in relation to risky drinking by university students: Potential roles of

frontalsystems,AddictiveBehaviors,37,940–946.

Lyvers,M.,Makin,L.C.,Toms,E.Thorberg,F.A.,Samios,C.2014.TraitMindfulness

in Relation to Emotional Self‐Regulation and Executive Function Michael,

Mindfulness,5(6),619‐625.

Malesza,M.,Ostaszewski,P.2016.Darksideof impulsivity‐Associationsbetween

theDarkTriad,self‐reportandbehavioralmeasuresofimpulsivity,Personalityand

IndividualDifferences,88,197–201.

MamdaniE.,Assilan,S.1975.AnExperiment inLinguisticSynthesiswithaFuzzy

LogicController,InternationalJournalofMan‐MachineStudies,7,1‐13.

Marcus‐Newhall,A.,Pedersen,W.,Carlson,M.,Miller,N.2000.Displacedaggression

is alive and well: A meta‐analytic review, Journal of Personality and Social

Psychology,78(4),670‐689.

Literatura

368

Marczinski, C. A., Hertzenberg, H., Goddard, P., Maloney, S.F., Stamates, A. L.,

O'Connor,K.2016.Alcohol‐relatedFacebookactivitypredictsalcoholusepatterns

incollegestudents,Addictionresearchandtheory,24(5),398‐405.

Martínez‐Loredoa, V., Fernández‐Hermidaa, J.R., Fernández‐Artamendi, S.,

Carballoc,J.L.,García‐Rodríguez,O.2015.Spanishadaptationandvalidationofthe

BarrattImpulsivenessScaleforearlyadolescents(BIS‐11‐A),InternationalJournal

ofClinicalandHealthPsychology,15,274‐282.

McKenna,F.P.,Horswill,M.S.2006.Risktakingfromtheparticipant'sperspective:

Thecaseofdrivingandaccidentrisk,HealthPsychology,25(2),163‐170.

http://dx.doi.org/10.1037/0278‐6133.25.2.163

Meadows,M.2002.SpeedAwarenessTraining,Radprezentovanna67thRoadSafety

Congress,4–6mart,Stratford,UK.

Memon,A.Q,2012.Modellingroadaccidentsfromnationaldatasets:Acasestudyof

GreatBritain,PhDthesis,UniversityCollegeLondon,CentreforTransportStudies.

Mendel,J.M.1995.FuzzyLogicSystemsforEngineering:ATutorial,Proceedingsof

theIEEE,83,345‐377.

Michon, J.A. 1989. Explanatory pitfalls and rule‐based driver models, Accident

AnalysisandPrevention,21(4),341‐53.

Miles, D. E., Johnson, G. L. 2003. Aggressive driving behaviors: are there

psychological and attitudinal predictors?TransportationResearchPart F: Traffic

PsychologyandBehaviour,6,147–161.

Milošević, S. 2008. Percepcija, pažnja i psihomotorna aktivnost, Univerzitet u

Beogradu–Saobraćanifakultet

Literatura

369

Mizell,L.1997.Aggressivedriving.AggressiveDriving:ThreeStudies.Washington,

DC:AAAFoundationforTrafficSafety

Moan, I. S.,Norström,T., Storvoll, E. E. 2013.Alcohol use anddrunkdriving: the

modifyingeffectofimpulsivity,JournalofStudiesonAlcoholandDrugs,74(1),114‐

119.

Moeller,G.,Barratt,E.,Dougherty,D.,Schmitz,J.,Swann,A.2001.Psychiatricaspects

ofimpulsivity,AmericanJournalofPsychiatry,158,1783–1793.

Morean, M.E. 2014. Psychometrically Improved, Abbreviated Versions of Three

ClassicMeasuresofImpulsivityandSelf‐Control,PsychologicalAssessment,26(3),

1003‐1020.

Moretti, L., Cantisani, G., Di Mascio, P., Caro, S. 2017. Technical and economic

evaluation of lighting and pavement in Italian road tunnels, Tunnelling and

UndergroundSpaceTechnology,65,42‐52.

Morgan,B.B.R.,Sales,E.Glickman,A.S.1994.Ananalysisofteamevolutionand

maturation,JournalofGeneralPsychology,120,277‐291.

Moustafa,A.,Tindle,R.,Frydecka,D.,Misiak,B.2017.Impulsivityanditsrelationship

withanxiety,depressionandstress,ComprehensivePsychiatry,74,173‐179.

Näätänen,R.,Summala,H.1976.Road‐userbehaviorandtrafficaccidents,North‐

HollandPub.Co.

OECD. 1990. Behavioural adaptations to changes in the road transport system:

report. (92‐ 64‐13389‐5). Paris: Organisation for Economic Co‐operation and

DevelopmentRetrievedfromhttp://mirlyn.lib.umich.edu/Record/002210828.

Literatura

370

Ogden,B.D.2007.Railroad‐highwayGradeCrossingHandbook,2.FederalHighway

Administration,U.S.DepartmentofTransportation;Washington,D.C.

Özkan,T.,Lajunen,T.,Parker,D.,Sümer,N.,Summala,H.2010.Symmetricrelation‐

ship between self and others in aggressive driving across gender and countries,

TrafficInjuryPrevention,11,228–239.

Paaver,M.,Eensoo,D.,Kaasik,K.,Vaht,M.,Maestu,J.,Harro,J.2013.Preventingrisky

driving:Anovelandefficientbrief intervention focusingonacknowledgementof

personalriskfactors,AccidentAnalysisandPrevention,50,430–437.

Pallant,J.2010.SPSSSurvivalManual,prevod4.izdanja,Mikroknjiga.

Pappis, C., Mamdani, E. 1977. A Fuzzy Controler for a Traffic Junction, IEEE

TransactionsonSystems,ManandCybernetics,ASMC,7,707‐717.

Parker,D.,Lajunen,T.,Stradling,S.1998.Attitudinalpredictorsofinterpersonally

aggressive violations on the road, Transportation Research Part F: Traffic

PsychologyandBehaviour,1,11–24.

Parker, D., Stradling, S.G., Manstead, A. 1996. Modifying beliefs and attitudes to

exceeding thespeed limit:An interventionstudybasedon the theoryofplanned

behavior,JournalofAppliedSocialPsychology,26,1‐19.

Parkinson,B.2001.Angeronandofftheroad,BritishJournalofPsychology,92,507‐

526.

Patton, J. H., Stanford, M. S., Barratt, E. S. 1995. Factor structure of the Barratt

ImpulsivenessScale,JournalofClinicalPsychology51,768–774.

Literatura

371

Pedersen,W.,Gonzales,C.,Miller,N.2000.Themoderatingeffectoftrivialtriggering

provocationondisplacedaggression,JournalofPersonalityandSocialPsychology,

78(5),913‐927

Pešić, D.,Marković, N., Vujanić,M., Rosić,M. 2012. Importance of vertical traffic

signalization database development presented trough Alibunar municipality

section,XIInternationalSymposium"Roadaccidentsprevention2012",NoviSad.

PIARC.2007.Roadaccidentinvestigationguidelinesforroadengineers,WorldRoad

AssociationPIARCTechnicalCommittee‐3.1“RoadSafety”

Plutchik,R.,vanPraag,H.M.1995.Thenatureofimpulsivity:definitions,ontology,

genetics,andrelationstoaggression.InE.Hollander&D.J.Stein(Eds.),Impulsivity

andAggression,7–24.NewYork:Wiley.

PorterB.E.HandbookofTrafficPsychology.AcademicPress,2012.

Rasmussen,J.1987.TheDefinitionofHumanErrorandaTaxonomyforTechnical

SystemDesign.Rasmussen J,DuncanK,Leplat J, editors. InNewTechnologyand

HumanError.Chichester:Wiley.23‐30.

Renner,W.,Anderle,F.G.2000.Venturesomenessandextraversionascorrelatesof

juveniledrivers’trafficviolations,AccidentAnalysisandPrevention32,673–678.

Recarte,M.A.,Nunes,L.M.2000.Effectsofverbalandspatial‐imagerytasksoneye

fixationswhiledriving,JournalofExperimentalPsychology:Applied,6(1),31‐43.

Reason, J., Manstead, A., Stradling, S., Baxter, J., Campbell, K. 1990. Errors and

violationsontheroads:Arealdistinction?,Ergonomics,33(10/11),1315‐1332.

Literatura

372

Reise,S.P.,Moore,T.M.,Sabb,F.W.,Brown,A.K.,London,E.D.2013.TheBarratt

Impulsiveness Scale‐11: Reassessment of its structure in a community sample,

PsychologicalAssessment,25,631–642.

Reist, C., Mee, S., Fujimoto, K., Rajani, V., Bunney, W. E., Bunney, B.G. 2017.

Assessmentofpsychologicalpaininsuicidalveterans,Plosone,12(5).

Richter,P.,Wagner,T.,Heger,R.,Weise,G.1998.PsychophysiologicalAnalysisof

Mental Load during Driving on Rural Roads ‐ a Auasi‐Experimental Field Study,

Ergonomics,41(5),593–609.

Rico, E., Rosado, J., Cantón‐Cortés, D. 2017, Impulsiveness and Child‐to‐Parent

Violence:TheRoleofAggressor’sSex,TheSpanishJournalofPsychology,20,e15,

1–11.

Rothengatter, T. 2002. Drivers’ illusions‐‐nomore risk, Transportation Research

PartF:TrafficPsychologyandBehaviour,5(4),249‐258.

Rowland,B.,Davey,J.,Freeman,J.Wishart,D.2007.Aprofileoftaxidrivers'road

safety attitudes and behaviours: Is safety important? In Proceedings of 3rd

InternationalRoadSafetyConference,Perth,WA.

Rubio,G.,Jimenez,M.,Rodriguex‐Jimenez,R.,Martinez,I.,Iribarren,M.M.,Jimenez‐

Arriero,M.A.2007.Varietiesofimpulsivityinmaleswithalcoholdependence.The

role of cluster‐B personality disorder. Alcoholism: Clinical and Experimental

Research,31,1826–1832.

RSI. 2009. http://www.seetoint.org/wp‐content/uploads/downloads/2012/11/

862_ppr‐specific‐result12b‐rsi‐manual.pdf(pristupano14.03.2016)

Literatura

373

Ryan,K.K.,MacKillop,J.,Carpenter,M.J.2013.Therelationshipbetweenimpulsivity,

risk‐takingpropensityandnicotinedependenceamongolderadolescentsmokers,

AddictiveBehaviors,38,1431–1434.

Ryb,G.E.2006.Riskperceptionandimpulsivity:associationwithriskybehaviors

andsubstanceabusedisorders,AccidentAnalysisandPrevention,38(3),567‐573.

Sârbescu, P., Stanojevic, P., Jovanovic, D., 2014. A cross‐cultural analysis of

aggressive driving: Evidence from Serbia andRomania, TransportationResearch

Part F: Traffic Psychology and Behaviour, 24, 210‐217, doi:

10.1016/j.trf.2014.04.002

Sasaki,T.,Akiyama,T.1986.DevelopmentofFuzzyTrafficControlSystemonUrban

Expressway, Preprints of the Fifth IFAC/IFIP/IFORS International Conference in

TransportationSystems,Vienna,Austria:IFAC,333‐338.

Scott‐Parker,B.,Watson,B.,King,M.J.2009.Understandingthepsychosocialfactors

influencingtheriskybehaviourofyoungdrivers,TransportationResearchPartF:

TrafficPsychologyandBehaviour,12,470‐482,doi:10.1016/j.trf.2009.08.003

SelviÖ.2009.Trafficaccidentpredictionsbasedonfuzzylogicapproachforsafer

urban environments, case study: Izmir metropolitan area, doktorska disertacija,

İzmirInstituteofTechnology,Izmir,Turska.

Slovic,P.1993.Perceivedrisk,trust,anddemocracy,RiskAnalysis,13,675‐682.

Schneider,W.,R.M. Shiffrin. 1977. Controlled and automatic human information

processing:1.Detection,search,andattention,PsychologicalReview,84,1‐66.

Literatura

374

Shalmani,T.J.,Vahdany,F.,Divsar,H.2015.Ontherelationshipbetweencognitive

style (field‐dependence/independence) and translation achievement of Iranian

translationstudents,InternationalJournalofResearchStudiesinPsychology,4(3),

67‐76.

Shesterov, E., Mikhailov, A. 2017. Accident Rates at Signalized Intersections,

TransportationResearchProcedia,20,613‐617.

Shinar, D. 1998. Aggressive driving: The contribution of the drivers and the

situation,TransportationResearchPartF:TrafficPsychologyandBehaviour,1(2),

137‐160,doi:10.1016/S1369‐8478(99)00002‐9

Shinar,D.,Compton,R.2004.Aggressivedriving:anobservationalstudyofdriver,

vehicle,andsituationalvariables,AccidentAnalysisandPrevention,36,429–437.

Slavinskienė, J., Žardeckaitė‐Matulaitienė, K., Markšaityte, R., Šeibokaitė, R.,

Endriulaitienė,R.2016.Proceedingsofthe20thinternationalscientificconference

transport means 2016, Book Series: Transport Means ‐ Proceedings of the

InternationalConference,495‐498.

Smulders, K., Esselink, R. A., Cools, R., Bloem, B. R. 2014. Trait impulsivity is

associatedwiththeriskoffallsinParkinson’sdisease,PLOSONE,9(3),e91190.

Soeiro‐De‐Souza,M.G.,Stanford,M.S.Bio,D.S.,Machado‐Vieira,R.,Moreno,R.A.

2013.AssociationoftheCOMTMet158allelewithtraitimpulsivityinhealthyyoung

adults,Molecularmedicinereports,7,1067‐1072.

Stanford,M.S.,Barratt,E.S.,1992.Impulsivityandthemulti‐impulsivepersonality

disorder,PersonalityandIndividualDifferences,13,831–834.

Literatura

375

Stanford,M.S.,Greve,K.W.,Boudreanx, J.K.,Mathias,C.W.,Brumbelow, J.L.1996.

Impulsiveness and risk‐taking behavior: comparison of high‐school and college

students using the Barratt impulsiveness Scale, Personality and Individual

Differences,21,1075–1973.

StanfordM.S.,MathiasC.W.,DoughertyD.M.,LakeS.L.,AndersonN.E.,PattonJ.H.

2009. Fifty years of the Barratt Impulsiveness Scale: An update and review,

PersonalityandIndividualDifferences,47,385–395.

Steinberg, L., Sharp, C., Stanford,M. S., Tharp, A. T. 2013. New tricks for an old

measure: The development of the Barratt Impulsiveness ScaleBrief (BIS‐Brief),

PsychologicalAssessment,25,216–226.

SZO‐Svetskazdravstvenaorganizacija(WorldHealthOrganisation),RoadTraffic

Injuries2014,

http://apps.who.int/iris/bitstream/10665/112738/1/9789240692671_eng.pdf.

[August,17,2015].

Tamam,L.,Palataci,O.,Keskin,N.2017.Prevalenceandcharacteristicsofimpulse

controldisordersinagroupofmedicalstudents,AnatolianJournalofPsychiatry,18

(2),113‐120.

Tang,Z.X.,Zhang,H.J.Yan,A.,Qu,C.2017.TimeIsMoney:TheDecisionMakingof

SmartphoneHighUsersinGainandLossIntertemporal,Frontiersinpsychology,8,

363.

Tasca, L. 2001. A review of the literature on aggressive driving research. In:

Aggressive Driving Issues Conference, Dostupno na:

http://www.aggressive.drivers.com/papers/tasca/tasca‐paper.html. [Avgust, 20,

2015].

Literatura

376

Taylor, M. C., Lynam, D. A., Baruya, A. 2000. The effect of drivers’ speed on the

frequencyofroadaccidents.TRLReportTRL421.TRLLimited,Wokingham.

Tedeschi, J. T., Felson, R. B. 1994. Violence, aggression and coercive actions.

Washington,DC:APA.

Tenjović,L.(2015).Multivarijaciona‐statisticka‐analiza,dostupnona:

http://www.ef.uns.ac.rs/Download/multivarijaciona‐statisticka‐analiza/2013‐02‐

08‐Logisticka‐regresija.pdf(pristupano25.06.2017.)

Tenjović, L. (2002). Statistika u psihologiji – priručnik. Beograd: Centar za

primenjenupsihologijuDruštvapsihologaSrbije.

Teodorović,D.,Babić,O.1993.FuzzyInferenceApproachtotheFlowManagement

ProbleminAirTrafficControl,TransportationPlanningandTechnology,17,165‐

178.

Teodorović,D.,KikuchiS.1994.Fuzzyskupoviiprimeneusaobraćaju,Saobraćajni

fakultet,Beograd.

Teodorović,D.,Kikuchi,S.1990.TransportationRouteChoiceModelUsingFuzzy

Inference Technique, In: Proceedings of ISUMA 90 – Proceedings of the First

International Symposium onUncertaintyModeling and Analysis, IEEE Computer

SocietyPress,CollegePark,USA,140‐145.

Teodorović,D.,Šelmić,M.2012.Računarskainteligencijausaobraćaju,Saobraćajni

fakultet,Beograd.

ThompsonReutersWebofScience(2017)www.webofknowledge.com

Tojagić,M.2015.Bezbednostdrumskogsaobraćaja,EvropskiuniverzitetBrčko.

Literatura

377

Trpčevski, F. 2014. Analiza putne mreže Srbije sa stanovišta mikrostrukture i

makrostrikture,diplomskirad,907/1,Građevinskifakultet,UniverzitetuBeogradu.

Tronsmoen,T.2010.Associationsbetweendriver training,determinantsof risky

drivingbehaviourandcrashinvolvement,SafetyScience,48(1),35‐45.

Tzagarakis,C.,Pellizzer,G.,Rogers,R.D.2013.Impulsivitymodulatesperformance

underresponseuncertaintyinareachingtask,ExperimentalBrainResearch,225,

227–235.

Ulleberg P, Rundmo T. 2003. Personality, Attitudes and Risk Perception as

Predictors of Risky Driving Behaviour among Young Drivers, Safety Science, 41,

427–443.

UN – Ujedinjene Nacije 2010. Rezolucija 64/255 – Unapređenje bezbednosti

saobraćajanaputevima.

http://www.un.org/en/ga/search/view_doc.asp?symbol=A/RES/64/255 [Jun, 17,

2016].

Underwood G, Chapman P, Wright S, Crundall D. 1999. Anger while driving,

Transport Research Part F – Traffic Psychology and Behaviour, 2, 55 ‐ 68. doi:

10.1016/S1369‐8478(99)00006‐6

VanVuuren,S.J.2012.ExploringtheRelationshipbetweenSpeedChoiceBehaviour,

HazardPerceptionandIndividualDifferences,Masterthesis,UniversityofWaikato

VCCAV‐VictorianCommunityCouncilAgainstViolence.1999.Aggressionand/or

violence associated with motor vehicle use. Melbourne: Victorian Community

CouncilAgainstViolence

Literatura

378

Victorian Community Council Against Violence, dostupna na:

http://www.aic.gov.au/media_library/conferences/prosecuting/dixon.pdf

[Decembar,17,2015].

Von Diemen, L., Szobot, C. M., Kessler, F., Pechansky, F. 2007. Adaptation and

construct validation of the Barratt Impulsiveness Scale (BIS 11) to Brazilian

Portugueseforuseinadolescents,RevistaBrasileiradePsiquiatria,29,153–156.

Vujanić, M., Marković, N. 2014. Veštačenje saobraćajnih nezgoda i primena na

unapređenjebezbednostisaobraćaja.Prvisrpskikongresoputevima,Beograd.

Vukadinović,K.,Teodorović,D.1994.AFuzzyApproachtotheVesselDispatching

Problem,EuropeanJournalofOperationalResearch,76,155‐164.

Vukobrat, S.,Mitrović,D.2008.Osobine ličnosti iponašanjevozačau saobraćaju,

Primenjenapsihologija,2(1),25–44.

Wahlberg,A.E.2001.Thetheoreticalfeaturesofsomecurrentapproachestorisk

perception,JournalofRiskResearch,237,250.

Wang, L.X.,Mendel, J. 1992.GeneratingFuzzyRulesByLearning fromExamples,

IEEETransactionsonSystems,ManandCybernetics,22,1414‐1427.

Waylen,A.E.,McKenna,F.P.2008.Riskyattitudestowardsroaduseinpre‐drivers,

AccidentsAnalysisandPrevention,40(3),905‐911.doi:10.1016/j.aap.2007.10.005.

Weiner,L.,Wittmann,M.,Bertschy,G.,Giersch,A.2016.DispositionalMindfulness

andSubjectiveTimeinHealthyIndividuals,Frontiersinpsychology,7,786.

Weller,G.,Schlag,B.,Gatti,G.,Jorna,R.,&vandeLeur,M.(2006).HumanFactorsin

RoadDesign. State of the art and empirical evidence. Road Infrastructure Safety

Protection–CoreResearchandDevelopmentforRoadSafetyinEurope.

Literatura

379

Wiesenthal,D.L.,Hennessy,D.A.1999.Trafficcongestion,driverstress,anddriver

aggression,AggressiveBehavior,25,409‐423.

Wilbertz, T. 2014. Response inhibition and its relation to multidimensional

impulsivity,NeuroImage,103,241–248.

Wilde, G.J. S. 1988. Risk homeostasis theory and traffic accidents: Propositions,

deductionsanddiscussionofdissensioninrecentreactions,Ergonomics,31,441‐

468.

Wilde,G.J.S.2002.Doesriskhomeostasistheoryhaveimplicationsforroadsafety?

BritishMedicalJournal,324.

Wishart, D., Davey, J., Freeman, J. 2006. An application of the driver attitude

questionnaire toexaminedrivingbehaviourswithinanAustralianorganisational

fleet setting, In Proceedings Road Safety Research, Policing and Education

Conference,GoldCoast,Queensland.

Wolff,M.,Kronke,K.M.,Goschke,T. 2016.Trait self‐control is predictedbyhow

rewardassociationsmodulateStroopinterference,PsychologicalResearch,80(6),

944‐951.

Xiaxia J.,YanpingH. 2016.PredictionofBMIby impulsivity,eatingbehaviorand

activity level, International Seminar on Social Science andHumanistic Education

(SSHE),Jakarta,INDONESIA,Nov.19‐20,2015

Xu, J., Li, J., Jiang,L.2014.Theeffectsof situational factorsand impulsivenesson

drivers’intentionstoviolatetrafficrules:Differenceofdrivingexperience,Accident

AnalysisandPrevention,62,54–62

Literatura

380

Yannis,G.,Louca,G.,Kanellaidis,G.,Sardi,G.M.2004.Whydodriversexceedspeed

limits,pp.101‐123.Chapter4inCauzard,J.‐P.(Ed.).Europeandriversandroadrisk.

Part2Reportonin‐depthanalyse.INRETS,Arcueil,France.49‐1152.

Yagil, D. 2001. Interpersonal antecedents of drivers’ aggression, Transportation

ResearchPartF:TrafficPsychologyandBehaviour,4,119–13.

Zadeh,L.1965.Fuzzysets,InformationandControl,8,338‐353.

Zaman,M.B.,Kobayashi,E.,Wakabayashi,N.,Khanfir,S.,Pitana,T.,Maimun,A.2014.

FuzzyFMEAmodelforriskevaluationofshipcollisionsintheMalaccaStrait:based

onAISdata,JournalofSimulation,8,91–104.

Zhu,X.,Cortes,C.R.,Mathur,K.,Tomasi,D.,Momenan,R.2017.Model‐freefunctional

connectivityandimpulsivitycorrelatesofalcoholdependence:aresting‐statestudy,

Addictionbiology,22,1,206‐217.

Zillmann D. 1988. Cognition‐excitation interdependences in aggressive behavior,

AggressiveBehavior,14(1),51–64.

Zillmann,A,Katcher,H.,Milavsky,B.1972.Excitationtransferfromphysicalexercise

tosubsequentaggressivebehavior,JournalofExperimentalSocialPsychology,8(3),

247‐259,doi:10.1016/S0022‐1031(72)80005‐2

Zimmermann,H.J.1991.FuzzySetTheoryandItsApplications,Boston:Kluwer.

Zuckerman,M.2000.Areyouarisktaker?,PsychologyToday,Nov/Dec,52‐57,82‐

87.

Prilog A

381

Prilog A – Loglinearni modeli

Prilog A.1. – Tabela kontigencija i reziduala za ADBQ upitnik (najviši hijerarhijski model)

Kategorije vozača Nezgode ADBQ Observed Expected Residuals Std. Residuals

Counta % Count %

Vozači putničkih

vozila

nijedna

1,00 24,000 7,9% 24,000 7,9% ,000 ,000

2,00 11,000 3,6% 11,000 3,6% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

1-3

1,00 7,000 2,3% 7,000 2,3% ,000 ,000

2,00 35,000 11,5% 35,000 11,5% ,000 ,000

3,00 13,000 4,3% 13,000 4,3% ,000 ,000

4-7

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 2,000 0,7% 2,000 0,7% ,000 ,000

3,00 6,000 2,0% 6,000 2,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 14,000 4,6% 14,000 4,6% ,000 ,000

2,00 32,000 10,5% 32,000 10,5% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

1-3

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 23,000 7,5% 23,000 7,5% ,000 ,000

3,00 7,000 2,3% 7,000 2,3% ,000 ,000

4-7

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 7,000 2,3% 7,000 2,3% ,000 ,000

3,00 6,000 2,0% 6,000 2,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 3,000 1,0% 3,000 1,0% ,000 ,000

3,00 2,000 0,7% 2,000 0,7% ,000 ,000

12-15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

382

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 4,000 1,3% 4,000 1,3% ,000 ,000

2,00 35,000 11,5% 35,000 11,5% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

1-3

1,00 4,000 1,3% 4,000 1,3% ,000 ,000

2,00 34,000 11,1% 34,000 11,1% ,000 ,000

3,00 13,000 4,3% 13,000 4,3% ,000 ,000

4-7

1,00 2,000 0,7% 2,000 0,7% ,000 ,000

2,00 4,000 1,3% 4,000 1,3% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

a. For saturated models, ,000 has been added to all observed cells.

Prilog A

383

Prilog A.2. – Tabela kontigencija i reziduala za ADBQ upitnik (niži hijerarhijski model)

Kategorije vozača Nezgode ADBQ Observed Expected Residuals Std. Residuals

Count % Count %

Vozači putničkih

vozila

nijedna

1,00 24,000 7,9% 21,398 7,0% 2,602 ,562

2,00 11,000 3,6% 14,342 4,7% -3,342 -,882

3,00 5,000 1,6% 4,290 1,4% ,710 ,343

1-3

1,00 7,000 2,3% 8,479 2,8% -1,479 -,508

2,00 35,000 11,5% 30,777 10,1% 4,223 ,761

3,00 13,000 4,3% 15,719 5,2% -2,719 -,686

4-7

1,00 ,000 0,0% 1,118 0,4% -1,118 -1,057

2,00 2,000 0,7% 2,886 0,9% -,886 -,521

3,00 6,000 2,0% 3,992 1,3% 2,008 1,005

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 14,000 4,6% 11,995 3,9% 2,005 ,579

2,00 32,000 10,5% 33,107 10,9% -1,107 -,192

3,00 5,000 1,6% 5,881 1,9% -,881 -,363

1-3

1,00 1,000 0,3% 1,514 0,5% -,514 -,418

2,00 23,000 7,5% 22,633 7,4% ,367 ,077

3,00 7,000 2,3% 6,865 2,3% ,135 ,052

4-7

1,00 ,000 0,0% ,639 0,2% -,639 -,799

2,00 7,000 2,3% 6,788 2,2% ,212 ,081

3,00 6,000 2,0% 5,577 1,8% ,423 ,179

8-11

1,00 ,000 0,0% ,856 0,3% -,856 -,925

2,00 3,000 1,0% 2,467 0,8% ,533 ,340

3,00 2,000 0,7% 1,677 0,5% ,323 ,249

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

384

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 4,000 1,3% 8,606 2,8% -4,606 -1,570

2,00 35,000 11,5% 30,551 10,0% 4,449 ,805

3,00 5,000 1,6% 4,830 1,6% ,170 ,078

1-3

1,00 4,000 1,3% 2,007 0,7% 1,993 1,407

2,00 34,000 11,1% 38,590 12,7% -4,590 -,739

3,00 13,000 4,3% 10,416 3,4% 2,584 ,801

4-7

1,00 2,000 0,7% ,243 0,1% 1,757 3,561

2,00 4,000 1,3% 3,326 1,1% ,674 ,370

3,00 ,000 0,0% 2,432 0,8% -2,432 -1,559

8-11

1,00 1,000 0,3% ,144 0,0% ,856 2,257

2,00 ,000 0,0% ,533 0,2% -,533 -,730

3,00 ,000 0,0% ,323 0,1% -,323 -,568

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

385

Prilog A.3. – Tabela kontigencije i reziduala za BIS 11 upitnik (najviši hijerarhijski model)

Kategorije vozača Nezgode BIS-11 Observed Expected Residuals Std. Residuals

Counta % Count %

Vozači putničkih

vozila

nijedna

1,00 24,000 7,9% 24,000 7,9% ,000 ,000

2,00 11,000 3,6% 11,000 3,6% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

1-3

1,00 7,000 2,3% 7,000 2,3% ,000 ,000

2,00 35,000 11,5% 35,000 11,5% ,000 ,000

3,00 13,000 4,3% 13,000 4,3% ,000 ,000

4-7

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 2,000 0,7% 2,000 0,7% ,000 ,000

3,00 6,000 2,0% 6,000 2,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 14,000 4,6% 14,000 4,6% ,000 ,000

2,00 32,000 10,5% 32,000 10,5% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

1-3

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 23,000 7,5% 23,000 7,5% ,000 ,000

3,00 7,000 2,3% 7,000 2,3% ,000 ,000

4-7

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 7,000 2,3% 7,000 2,3% ,000 ,000

3,00 6,000 2,0% 6,000 2,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 3,000 1,0% 3,000 1,0% ,000 ,000

3,00 2,000 0,7% 2,000 0,7% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

386

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 4,000 1,3% 4,000 1,3% ,000 ,000

2,00 35,000 11,5% 35,000 11,5% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

1-3

1,00 4,000 1,3% 4,000 1,3% ,000 ,000

2,00 34,000 11,1% 34,000 11,1% ,000 ,000

3,00 13,000 4,3% 13,000 4,3% ,000 ,000

4-7

1,00 2,000 0,7% 2,000 0,7% ,000 ,000

2,00 4,000 1,3% 4,000 1,3% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000


Prilog A

387

Prilog A.4. – Tabela kontigencije i reziduala za BIS 11 upitnik (niži hijerarhijski model)

Kategorije vozača Nezgode BIS 11 Observed Expected Residuals Std. Residuals

Count % Count %

Vozači putničkih

vozila

nijedna

1,00 24,000 7,9% 21,398 7,0% 2,602 ,562

2,00 11,000 3,6% 14,342 4,7% -3,342 -,882

3,00 5,000 1,6% 4,290 1,4% ,710 ,343

1-3

1,00 7,000 2,3% 8,479 2,8% -1,479 -,508

2,00 35,000 11,5% 30,777 10,1% 4,223 ,761

3,00 13,000 4,3% 15,719 5,2% -2,719 -,686

4-7

1,00 ,000 0,0% 1,118 0,4% -1,118 -1,057

2,00 2,000 0,7% 2,886 0,9% -,886 -,521

3,00 6,000 2,0% 3,992 1,3% 2,008 1,005

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 14,000 4,6% 11,995 3,9% 2,005 ,579

2,00 32,000 10,5% 33,107 10,9% -1,107 -,192

3,00 5,000 1,6% 5,881 1,9% -,881 -,363

1-3

1,00 1,000 0,3% 1,514 0,5% -,514 -,418

2,00 23,000 7,5% 22,633 7,4% ,367 ,077

3,00 7,000 2,3% 6,865 2,3% ,135 ,052

4-7

1,00 ,000 0,0% ,639 0,2% -,639 -,799

2,00 7,000 2,3% 6,788 2,2% ,212 ,081

3,00 6,000 2,0% 5,577 1,8% ,423 ,179

8-11

1,00 ,000 0,0% ,856 0,3% -,856 -,925

2,00 3,000 1,0% 2,467 0,8% ,533 ,340

3,00 2,000 0,7% 1,677 0,5% ,323 ,249

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

388

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 4,000 1,3% 8,606 2,8% -4,606 -1,570

2,00 35,000 11,5% 30,551 10,0% 4,449 ,805

3,00 5,000 1,6% 4,830 1,6% ,170 ,078

1-3

1,00 4,000 1,3% 2,007 0,7% 1,993 1,407

2,00 34,000 11,1% 38,590 12,7% -4,590 -,739

3,00 13,000 4,3% 10,416 3,4% 2,584 ,801

4-7

1,00 2,000 0,7% ,243 0,1% 1,757 3,561

2,00 4,000 1,3% 3,326 1,1% ,674 ,370

3,00 ,000 0,0% 2,432 0,8% -2,432 -1,559

8-11

1,00 1,000 0,3% ,144 0,0% ,856 2,257

2,00 ,000 0,0% ,533 0,2% -,533 -,730

3,00 ,000 0,0% ,323 0,1% -,323 -,568

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

389

Prilog A.5. – Tabela kontigencija i reziduala za DAQ upitnik (najviši hijerarhijski model)

Kategorije vozača Nezgode DAQ Observed Expected Residuals Std. Residuals

Counta % Count %

Vozači putničkih

vozila

Nijedna

1,00 24,000 7,9% 24,000 7,9% ,000 ,000

2,00 11,000 3,6% 11,000 3,6% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

1-3

1,00 7,000 2,3% 7,000 2,3% ,000 ,000

2,00 35,000 11,5% 35,000 11,5% ,000 ,000

3,00 13,000 4,3% 13,000 4,3% ,000 ,000

4-7

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 2,000 0,7% 2,000 0,7% ,000 ,000

3,00 6,000 2,0% 6,000 2,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

Nijedna

1,00 14,000 4,6% 14,000 4,6% ,000 ,000

2,00 32,000 10,5% 32,000 10,5% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

1-3

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 23,000 7,5% 23,000 7,5% ,000 ,000

3,00 7,000 2,3% 7,000 2,3% ,000 ,000

4-7

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 7,000 2,3% 7,000 2,3% ,000 ,000

3,00 6,000 2,0% 6,000 2,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 3,000 1,0% 3,000 1,0% ,000 ,000

3,00 2,000 0,7% 2,000 0,7% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

390

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

Nijedna

1,00 4,000 1,3% 4,000 1,3% ,000 ,000

2,00 35,000 11,5% 35,000 11,5% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

1-3

1,00 4,000 1,3% 4,000 1,3% ,000 ,000

2,00 34,000 11,1% 34,000 11,1% ,000 ,000

3,00 13,000 4,3% 13,000 4,3% ,000 ,000

4-7

1,00 2,000 0,7% 2,000 0,7% ,000 ,000

2,00 4,000 1,3% 4,000 1,3% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000


Prilog A

391

Prilog A.6. – Tabela kontigencija i reziduala za DAQ upitnik (niži hijerarhijski model)

Kategorije vozača Nezgode DAQ Observed Expected Residuals Std. Residuals

Count % Count %

Vozači putničkih

vozila

nijedna

1,00 24,000 7,9% 21,398 7,0% 2,602 ,562

2,00 11,000 3,6% 14,342 4,7% -3,342 -,882

3,00 5,000 1,6% 4,290 1,4% ,710 ,343

1-3

1,00 7,000 2,3% 8,479 2,8% -1,479 -,508

2,00 35,000 11,5% 30,777 10,1% 4,223 ,761

3,00 13,000 4,3% 15,719 5,2% -2,719 -,686

4-7

1,00 ,000 0,0% 1,118 0,4% -1,118 -1,057

2,00 2,000 0,7% 2,886 0,9% -,886 -,521

3,00 6,000 2,0% 3,992 1,3% 2,008 1,005

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 14,000 4,6% 11,995 3,9% 2,005 ,579

2,00 32,000 10,5% 33,107 10,9% -1,107 -,192

3,00 5,000 1,6% 5,881 1,9% -,881 -,363

1-3

1,00 1,000 0,3% 1,514 0,5% -,514 -,418

2,00 23,000 7,5% 22,633 7,4% ,367 ,077

3,00 7,000 2,3% 6,865 2,3% ,135 ,052

4-7

1,00 ,000 0,0% ,639 0,2% -,639 -,799

2,00 7,000 2,3% 6,788 2,2% ,212 ,081

3,00 6,000 2,0% 5,577 1,8% ,423 ,179

8-11

1,00 ,000 0,0% ,856 0,3% -,856 -,925

2,00 3,000 1,0% 2,467 0,8% ,533 ,340

3,00 2,000 0,7% 1,677 0,5% ,323 ,249

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

392

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 4,000 1,3% 8,606 2,8% -4,606 -1,570

2,00 35,000 11,5% 30,551 10,0% 4,449 ,805

3,00 5,000 1,6% 4,830 1,6% ,170 ,078

1-3

1,00 4,000 1,3% 2,007 0,7% 1,993 1,407

2,00 34,000 11,1% 38,590 12,7% -4,590 -,739

3,00 13,000 4,3% 10,416 3,4% 2,584 ,801

4-7

1,00 2,000 0,7% ,243 0,1% 1,757 3,561

2,00 4,000 1,3% 3,326 1,1% ,674 ,370

3,00 ,000 0,0% 2,432 0,8% -2,432 -1,559

8-11

1,00 1,000 0,3% ,144 0,0% ,856 2,257

2,00 ,000 0,0% ,533 0,2% -,533 -,730

3,00 ,000 0,0% ,323 0,1% -,323 -,568

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

393

Prilog A.7. – Tabela kontigencija i reziduala za Upitnik samoprocene (najviši hijerarhijski model)

Kategorije vozača Nezgode samoprocena Observed Expected Residuals Std.

Residuals Counta % Count %

Vozači putničkih

vozila

nijedna

1,00 8,000 2,6% 8,000 2,6% ,000 ,000

2,00 28,000 9,2% 28,000 9,2% ,000 ,000

3,00 4,000 1,3% 4,000 1,3% ,000 ,000

1-3

1,00 6,000 2,0% 6,000 2,0% ,000 ,000

2,00 27,000 8,9% 27,000 8,9% ,000 ,000

3,00 22,000 7,2% 22,000 7,2% ,000 ,000

4-7

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 6,000 2,0% 6,000 2,0% ,000 ,000

3,00 2,000 0,7% 2,000 0,7% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 41,000 13,4% 41,000 13,4% ,000 ,000

3,00 10,000 3,3% 10,000 3,3% ,000 ,000

1-3

1,00 4,000 1,3% 4,000 1,3% ,000 ,000

2,00 20,000 6,6% 20,000 6,6% ,000 ,000

3,00 7,000 2,3% 7,000 2,3% ,000 ,000

4-7

1,00 10,000 3,3% 10,000 3,3% ,000 ,000

2,00 3,000 1,0% 3,000 1,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 3,000 1,0% 3,000 1,0% ,000 ,000

2,00 2,000 0,7% 2,000 0,7% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

394

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 32,000 10,5% 32,000 10,5% ,000 ,000

3,00 12,000 3,9% 12,000 3,9% ,000 ,000

1-3

1,00 6,000 2,0% 6,000 2,0% ,000 ,000

2,00 41,000 13,4% 41,000 13,4% ,000 ,000

3,00 4,000 1,3% 4,000 1,3% ,000 ,000

4-7

1,00 3,000 1,0% 3,000 1,0% ,000 ,000

2,00 3,000 1,0% 3,000 1,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 1,000 0,3% 1,000 0,3% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000


Prilog A

395

Prilog A.8. – Tabela kontigencija i reziduala za Upitnik samoprocene (niži hijerarhijski model)

Kategorije vozača Nezgode samoproce

na

Observed Expected Residuals Std. Residuals

Count % Count %

Vozači putničkih

vozila

nijedna

1,00 24,000 7,9% 21,398 7,0% 2,602 ,562

2,00 11,000 3,6% 14,342 4,7% -3,342 -,882

3,00 5,000 1,6% 4,290 1,4% ,710 ,343

1-3

1,00 7,000 2,3% 8,479 2,8% -1,479 -,508

2,00 35,000 11,5% 30,777 10,1% 4,223 ,761

3,00 13,000 4,3% 15,719 5,2% -2,719 -,686

4-7

1,00 ,000 0,0% 1,118 0,4% -1,118 -1,057

2,00 2,000 0,7% 2,886 0,9% -,886 -,521

3,00 6,000 2,0% 3,992 1,3% 2,008 1,005

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 14,000 4,6% 11,995 3,9% 2,005 ,579

2,00 32,000 10,5% 33,107 10,9% -1,107 -,192

3,00 5,000 1,6% 5,881 1,9% -,881 -,363

1-3

1,00 1,000 0,3% 1,514 0,5% -,514 -,418

2,00 23,000 7,5% 22,633 7,4% ,367 ,077

3,00 7,000 2,3% 6,865 2,3% ,135 ,052

4-7

1,00 ,000 0,0% ,639 0,2% -,639 -,799

2,00 7,000 2,3% 6,788 2,2% ,212 ,081

3,00 6,000 2,0% 5,577 1,8% ,423 ,179

8-11

1,00 ,000 0,0% ,856 0,3% -,856 -,925

2,00 3,000 1,0% 2,467 0,8% ,533 ,340

3,00 2,000 0,7% 1,677 0,5% ,323 ,249

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

396

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 4,000 1,3% 8,606 2,8% -4,606 -1,570

2,00 35,000 11,5% 30,551 10,0% 4,449 ,805

3,00 5,000 1,6% 4,830 1,6% ,170 ,078

1-3

1,00 4,000 1,3% 2,007 0,7% 1,993 1,407

2,00 34,000 11,1% 38,590 12,7% -4,590 -,739

3,00 13,000 4,3% 10,416 3,4% 2,584 ,801

4-7

1,00 2,000 0,7% ,243 0,1% 1,757 3,561

2,00 4,000 1,3% 3,326 1,1% ,674 ,370

3,00 ,000 0,0% 2,432 0,8% -2,432 -1,559

8-11

1,00 1,000 0,3% ,144 0,0% ,856 2,257

2,00 ,000 0,0% ,533 0,2% -,533 -,730

3,00 ,000 0,0% ,323 0,1% -,323 -,568

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

397

Prilog A.9. – Tabela kontigencija i reziduala za procenu opasnih mesta (viši hijerarhijski model)

Kategorije vozača Nezgode Opasna

mesta


Counta % Count %

Vozači putničkih

vozila

nijedna

1,00 13,000 4,3% 13,000 4,3% ,000 ,000

2,00 24,000 7,9% 24,000 7,9% ,000 ,000

3,00 3,000 1,0% 3,000 1,0% ,000 ,000

1-3

1,00 20,000 6,6% 20,000 6,6% ,000 ,000

2,00 29,000 9,5% 29,000 9,5% ,000 ,000

3,00 6,000 2,0% 6,000 2,0% ,000 ,000

4-7

1,00 5,000 1,6% 5,000 1,6% ,000 ,000

2,00 2,000 0,7% 2,000 0,7% ,000 ,000

3,00 1,000 0,3% 1,000 0,3% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Voza?i Lasta

nijedna

1,00 8,000 2,6% 8,000 2,6% ,000 ,000

2,00 35,000 11,5% 35,000 11,5% ,000 ,000

3,00 8,000 2,6% 8,000 2,6% ,000 ,000

1-3

1,00 6,000 2,0% 6,000 2,0% ,000 ,000

2,00 18,000 5,9% 18,000 5,9% ,000 ,000

3,00 7,000 2,3% 7,000 2,3% ,000 ,000

4-7

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 7,000 2,3% 7,000 2,3% ,000 ,000

3,00 5,000 1,6% 5,000 1,6% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 1,000 0,3% 1,000 0,3% ,000 ,000

3,00 4,000 1,3% 4,000 1,3% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

398

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Voza?i Milšped

nijedna

1,00 10,000 3,3% 10,000 3,3% ,000 ,000

2,00 28,000 9,2% 28,000 9,2% ,000 ,000

3,00 6,000 2,0% 6,000 2,0% ,000 ,000

1-3

1,00 13,000 4,3% 13,000 4,3% ,000 ,000

2,00 24,000 7,9% 24,000 7,9% ,000 ,000

3,00 14,000 4,6% 14,000 4,6% ,000 ,000

4-7

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 5,000 1,6% 5,000 1,6% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 1,000 0,3% 1,000 0,3% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000


Prilog A

399

Prilog A.10. – Tabela kontigencija i reziduala za procenu opasnih mesta (niži hijerarhijski model)

Kategorije vozača Nezgode Opasna

mesta


Count % Count %

Vozači putničkih

vozila

Nijedna

1,00 13,000 4,3% 14,757 4,8% -1,757 -,457

2,00 24,000 7,9% 21,359 7,0% 2,641 ,571

3,00 3,000 1,0% 3,883 1,3% -,883 -,448

1-3

1,00 20,000 6,6% 20,291 6,7% -,291 -,065

2,00 29,000 9,5% 29,369 9,6% -,369 -,068

3,00 6,000 2,0% 5,340 1,8% ,660 ,286

4-7

1,00 5,000 1,6% 2,951 1,0% 2,049 1,192

2,00 2,000 0,7% 4,272 1,4% -2,272 -1,099

3,00 1,000 0,3% ,777 0,3% ,223 ,253

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 8,000 2,6% 7,650 2,5% ,350 ,127

2,00 35,000 11,5% 31,110 10,2% 3,890 ,697

3,00 8,000 2,6% 12,240 4,0% -4,240 -1,212

1-3

1,00 6,000 2,0% 4,650 1,5% 1,350 ,626

2,00 18,000 5,9% 18,910 6,2% -,910 -,209

3,00 7,000 2,3% 7,440 2,4% -,440 -,161

4-7

1,00 1,000 0,3% 1,950 0,6% -,950 -,680

2,00 7,000 2,3% 7,930 2,6% -,930 -,330

3,00 5,000 1,6% 3,120 1,0% 1,880 1,064

8-11

1,00 ,000 0,0% ,750 0,2% -,750 -,866

2,00 1,000 0,3% 3,050 1,0% -2,050 -1,174

3,00 4,000 1,3% 1,200 0,4% 2,800 2,556

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

400

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 10,000 3,3% 10,353 3,4% -,353 -,110

2,00 28,000 9,2% 24,588 8,1% 3,412 ,688

3,00 6,000 2,0% 9,059 3,0% -3,059 -1,016

1-3

1,00 13,000 4,3% 12,000 3,9% 1,000 ,289

2,00 24,000 7,9% 28,500 9,3% -4,500 -,843

3,00 14,000 4,6% 10,500 3,4% 3,500 1,080

4-7

1,00 1,000 0,3% 1,412 0,5% -,412 -,347

2,00 5,000 1,6% 3,353 1,1% 1,647 ,899

3,00 ,000 0,0% 1,235 0,4% -1,235 -1,111

8-11

1,00 ,000 0,0% ,235 0,1% -,235 -,485

2,00 ,000 0,0% ,559 0,2% -,559 -,748

3,00 1,000 0,3% ,206 0,1% ,794 1,750

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

401

Prilog A.11. – Tabela kontigencija i reziduala za procenu karakteristika puta (viši hijerarhijski model)

Kategorije vozača Nezgode put Observed Expected Residuals Std. Residuals

Counta % Count %

Vozači putničkih

vozila

nijedna

1,00 14,000 4,6% 14,000 4,6% ,000 ,000

2,00 18,000 5,9% 18,000 5,9% ,000 ,000

3,00 8,000 2,6% 8,000 2,6% ,000 ,000

1-3

1,00 22,000 7,2% 22,000 7,2% ,000 ,000

2,00 19,000 6,3% 19,000 6,3% ,000 ,000

3,00 14,000 4,6% 14,000 4,6% ,000 ,000

4-7

1,00 7,000 2,3% 7,000 2,3% ,000 ,000

2,00 1,000 0,3% 1,000 0,3% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 17,000 5,6% 17,000 5,6% ,000 ,000

2,00 30,000 9,9% 30,000 9,9% ,000 ,000

3,00 4,000 1,3% 4,000 1,3% ,000 ,000

1-3

1,00 12,000 3,9% 12,000 3,9% ,000 ,000

2,00 10,000 3,3% 10,000 3,3% ,000 ,000

3,00 9,000 3,0% 9,000 3,0% ,000 ,000

4-7

1,00 11,000 3,6% 11,000 3,6% ,000 ,000

2,00 2,000 0,7% 2,000 0,7% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 5,000 1,6% 5,000 1,6% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

402

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 10,000 3,3% 10,000 3,3% ,000 ,000

2,00 26,000 8,6% 26,000 8,6% ,000 ,000

3,00 7,000 2,3% 7,000 2,3% ,000 ,000

1-3

1,00 21,000 6,9% 21,000 6,9% ,000 ,000

2,00 19,000 6,3% 19,000 6,3% ,000 ,000

3,00 11,000 3,6% 11,000 3,6% ,000 ,000

4-7

1,00 5,000 1,6% 5,000 1,6% ,000 ,000

2,00 1,000 0,3% 1,000 0,3% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000


Prilog A

403

Prilog A.12. – Tabela kontigencija i reziduala za procenu karakteristika puta (niži hijerarhijski model)


Count % Count %

Vozači putničkih

vozila

nijedna

1,00 14,000 4,6% 12,239 4,0% 1,761 ,503

2,00 18,000 5,9% 22,090 7,3% -4,090 -,870

3,00 8,000 2,6% 5,672 1,9% 2,328 ,978

1-3

1,00 22,000 7,2% 22,080 7,3% -,080 -,017

2,00 19,000 6,3% 19,270 6,3% -,270 -,062

3,00 14,000 4,6% 13,650 4,5% ,350 ,095

4-7

1,00 7,000 2,3% 6,815 2,2% ,185 ,071

2,00 1,000 0,3% 1,185 0,4% -,185 -,170

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 17,000 5,6% 15,604 5,1% 1,396 ,353

2,00 30,000 9,9% 28,164 9,3% 1,836 ,346

3,00 4,000 1,3% 7,231 2,4% -3,231 -1,202

1-3

1,00 12,000 3,9% 12,445 4,1% -,445 -,126

2,00 10,000 3,3% 10,861 3,6% -,861 -,261

3,00 9,000 3,0% 7,693 2,5% 1,307 ,471

4-7

1,00 11,000 3,6% 11,074 3,6% -,074 -,022

2,00 2,000 0,7% 1,926 0,6% ,074 ,053

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 5,000 1,6% 5,000 1,6% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

404

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 10,000 3,3% 13,157 4,3% -3,157 -,870

2,00 26,000 8,6% 23,746 7,8% 2,254 ,462

3,00 7,000 2,3% 6,097 2,0% ,903 ,366

1-3

1,00 21,000 6,9% 20,474 6,7% ,526 ,116

2,00 19,000 6,3% 17,869 5,9% 1,131 ,268

3,00 11,000 3,6% 12,657 4,2% -1,657 -,466

4-7

1,00 5,000 1,6% 5,111 1,7% -,111 -,049

2,00 1,000 0,3% ,889 0,3% ,111 ,118

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 1,000 0,3% 1,000 0,3% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

405

Prilog A.13. – Tabela kontigencija i reziduala za procenu karakteristika puta (najniži hijerarhijski model)


Count % Count %

Vozači putničkih

vozila

nijedna

1,00 14,000 4,6% 13,667 4,5% ,333 ,090

2,00 18,000 5,9% 24,667 8,1% -6,667 -1,342

3,00 8,000 2,6% 6,333 2,1% 1,667 ,662

1-3

1,00 22,000 7,2% 18,333 6,0% 3,667 ,856

2,00 19,000 6,3% 16,000 5,3% 3,000 ,750

3,00 14,000 4,6% 11,333 3,7% 2,667 ,792

4-7

1,00 7,000 2,3% 7,667 2,5% -,667 -,241

2,00 1,000 0,3% 1,333 0,4% -,333 -,289

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 ,000 0,0% 2,000 0,7% -2,000 -1,414

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci autobusa

nijedna

1,00 17,000 5,6% 13,667 4,5% 3,333 ,902

2,00 30,000 9,9% 24,667 8,1% 5,333 1,074

3,00 4,000 1,3% 6,333 2,1% -2,333 -,927

1-3

1,00 12,000 3,9% 18,333 6,0% -6,333 -1,479

2,00 10,000 3,3% 16,000 5,3% -6,000 -1,500

3,00 9,000 3,0% 11,333 3,7% -2,333 -,693

4-7

1,00 11,000 3,6% 7,667 2,5% 3,333 1,204

2,00 2,000 0,7% 1,333 0,4% ,667 ,577

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 5,000 1,6% 2,000 0,7% 3,000 2,121

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15 1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog A

406

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Vozaci kamiona

nijedna

1,00 10,000 3,3% 13,667 4,5% -3,667 -,992

2,00 26,000 8,6% 24,667 8,1% 1,333 ,268

3,00 7,000 2,3% 6,333 2,1% ,667 ,265

1-3

1,00 21,000 6,9% 18,333 6,0% 2,667 ,623

2,00 19,000 6,3% 16,000 5,3% 3,000 ,750

3,00 11,000 3,6% 11,333 3,7% -,333 -,099

4-7

1,00 5,000 1,6% 7,667 2,5% -2,667 -,963

2,00 1,000 0,3% 1,333 0,4% -,333 -,289

3,00 ,000 0,0% ,000 0,0% ,000 ,000

8-11

1,00 1,000 0,3% 2,000 0,7% -1,000 -,707

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

12-15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

više od 15

1,00 ,000 0,0% ,000 0,0% ,000 ,000

2,00 ,000 0,0% ,000 0,0% ,000 ,000

3,00 ,000 0,0% ,000 0,0% ,000 ,000

Prilog B

407

PrilogB–FazipravilaPrilogB.1.–FazipravilaufazilogičkimsistemimaodLXIdoLXXVII1.If(AgresivnostisVNA)and(ImpulsivnostisVNI)then(NezgodeisVMBN)

2.If(AgresivnostisVNA)and(ImpulsivnostisNI)then(NezgodeisVMBN)

3.If(AgresivnostisVNA)and(ImpulsivnostisSI)then(NezgodeisMBN)

4.If(AgresivnostisVNA)and(ImpulsivnostisVI)then(NezgodeisSMBN)

5.If(AgresivnostisVNA)and(ImpulsivnostisVVI)then(NezgodeisSBN)

6.If(AgresivnostisNA)and(ImpulsivnostisVNI)then(NezgodeisVMBN)

7.If(AgresivnostisNA)and(ImpulsivnostisNI)then(NezgodeisVMBN)

8.If(AgresivnostisNA)and(ImpulsivnostisSI)then(NezgodeisMBN)

9.If(AgresivnostisNA)and(ImpulsivnostisVI)then(NezgodeisSMBN)

10.If(AgresivnostisNA)and(ImpulsivnostisVVI)then(NezgodeisSBN)

11.If(AgresivnostisSA)and(ImpulsivnostisVNI)then(NezgodeisMBN)

12.If(AgresivnostisSA)and(ImpulsivnostisNI)then(NezgodeisMBN)

13.If(AgresivnostisSA)and(ImpulsivnostisSI)then(NezgodeisSMBN)

14.If(AgresivnostisSA)and(ImpulsivnostisVI)then(NezgodeisSBN)

15.If(AgresivnostisSA)and(ImpulsivnostisVVI)then(NezgodeisSVBN)

16.If(AgresivnostisVA)and(ImpulsivnostisVNI)then(NezgodeisSMBN)

17.If(AgresivnostisVA)and(ImpulsivnostisNI)then(NezgodeisSMBN)

18.If(AgresivnostisVA)and(ImpulsivnostisSI)then(NezgodeisSBN)

19.If(AgresivnostisVA)and(ImpulsivnostisVI)then(NezgodeisSVBN)

20.If(AgresivnostisVA)and(ImpulsivnostisVVI)then(NezgodeisVBN)

21.If(AgresivnostisVVA)and(ImpulsivnostisVNI)then(NezgodeisSBN)

22.If(AgresivnostisVVA)and(ImpulsivnostisNI)then(NezgodeisSBN)

23.If(AgresivnostisVVA)and(ImpulsivnostisSI)then(NezgodeisSVBN)

24.If(AgresivnostisVVA)and(ImpulsivnostisVI)then(NezgodeisVBN)

25.If(AgresivnostisVVA)and(ImpulsivnostisVVI)then(NezgodeisVVBN)

Prilog B

408

PrilogB.2.–FazipravilaufazilogičkimsistemimaodLXXVIIIdoXCIII

1.If(AgresivnostisVNA)and(RizikisVNR)then(NezgodeisVMBN)

2.If(AgresivnostisVNA)and(RizikisNR)then(NezgodeisVMBN)

3.If(AgresivnostisVNA)and(RizikisSR)then(NezgodeisMBN)

4.If(AgresivnostisVNA)and(RizikisVR)then(NezgodeisSMBN)

5.If(AgresivnostisVNA)and(RizikisVVR)then(NezgodeisSBN)

6.If(AgresivnostisNA)and(RizikisVNR)then(NezgodeisVMBN)

7.If(AgresivnostisNA)and(RizikisNR)then(NezgodeisVMBN)

8.If(AgresivnostisNA)and(RizikisSR)then(NezgodeisMBN)

9.If(AgresivnostisNA)and(RizikisVR)then(NezgodeisSMBN)

10.If(AgresivnostisNA)and(RizikisVVR)then(NezgodeisSBN)

11.If(AgresivnostisSA)and(RizikisVNR)then(NezgodeisMBN)

12.If(AgresivnostisSA)and(RizikisNR)then(NezgodeisMBN)

13.If(AgresivnostisSA)and(RizikisSR)then(NezgodeisSMBN)

14.If(AgresivnostisSA)and(RizikisVR)then(NezgodeisSBN)

15.If(AgresivnostisSA)and(RizikisVVR)then(NezgodeisSVBN)

16.If(AgresivnostisVA)and(RizikisVNR)then(NezgodeisSMBN)

17.If(AgresivnostisVA)and(RizikisNR)then(NezgodeisSMBN)

18.If(AgresivnostisVA)and(RizikisSR)then(NezgodeisSBN)

19.If(AgresivnostisVA)and(RizikisVR)then(NezgodeisSVBN)

20.If(AgresivnostisVA)and(RizikisVVR)then(NezgodeisVBN)

21.If(AgresivnostisVVA)and(RizikisVNR)then(NezgodeisSBN)

22.If(AgresivnostisVVA)and(RizikisNR)then(NezgodeisSBN)

23.If(AgresivnostisVVA)and(RizikisSR)then(NezgodeisSVBN)

24.If(AgresivnostisVVA)and(RizikisVR)then(NezgodeisVBN)

25.If(AgresivnostisVVA)and(RizikisVVR)then(NezgodeisVVBN)

Prilog B

409

PrilogB.3.–FazipravilaufazilogičkimsistemimaodXCIVdoCIX

1.If(AgresivnostisVNA)and(SamoprocenaisVNS)then(NezgodeisSBN)

2.If(AgresivnostisVNA)and(SamoprocenaisNS)then(NezgodeisSMBN)

3.If(AgresivnostisVNA)and(SamoprocenaisSS)then(NezgodeisMBN)

4.If(AgresivnostisVNA)and(SamoprocenaisVS)then(NezgodeisVMBN)

5.If(AgresivnostisVNA)and(SamoprocenaisVVS)then(NezgodeisVMBN)

6.If(AgresivnostisNA)and(SamoprocenaisVNS)then(NezgodeisSMBN)

7.If(AgresivnostisNA)and(SamoprocenaisNS)then(NezgodeisSMBN)

8.If(AgresivnostisNA)and(SamoprocenaisSS)then(NezgodeisMBN)

9.If(AgresivnostisNA)and(SamoprocenaisVS)then(NezgodeisVMBN)

10.If(AgresivnostisNA)and(SamoprocenaisVVS)then(NezgodeisVMBN)

11.If(AgresivnostisSA)and(SamoprocenaisVNS)then(NezgodeisSVBN)

12.If(AgresivnostisSA)and(SamoprocenaisNS)then(NezgodeisSBN)

13.If(AgresivnostisSA)and(SamoprocenaisSS)then(NezgodeisSMBN)

14.If(AgresivnostisSA)and(SamoprocenaisVS)then(NezgodeisMBN)

15.If(AgresivnostisSA)and(SamoprocenaisVVS)then(NezgodeisVMBN)

16.If(AgresivnostisVA)and(SamoprocenaisVNS)then(NezgodeisVBN)

17.If(AgresivnostisVA)and(SamoprocenaisNS)then(NezgodeisSVBN)

18.If(AgresivnostisVA)and(SamoprocenaisSS)then(NezgodeisSBN)

19.If(AgresivnostisVA)and(SamoprocenaisVS)then(NezgodeisSMBN)

20.If(AgresivnostisVA)and(SamoprocenaisVVS)then(NezgodeisMBN)

21.If(AgresivnostisVVA)and(SamoprocenaisVNS)then(NezgodeisVVBN)

22.If(AgresivnostisVVA)and(SamoprocenaisNS)then(NezgodeisVBN)

23.If(AgresivnostisVVA)and(SamoprocenaisSS)then(NezgodeisSVBN)

24.If(AgresivnostisVVA)and(SamoprocenaisVS)then(NezgodeisSBN)

25.If(AgresivnostisVVA)and(SamoprocenaisVVS)then(NezgodeisSMBN)

Prilog B

410

PrilogB.4.–FazipravilaufazilogičkimsistemimaodCXdoCXXVI

1.If(ImpulsivnostisVNI)and(RizikisVNR)then(NezgodeisVMBN)

2.If(ImpulsivnostisVNI)and(RizikisNR)then(NezgodeisVMBN)

3.If(ImpulsivnostisVNI)and(RizikisSR)then(NezgodeisMBN)

4.If(ImpulsivnostisVNI)and(RizikisVR)then(NezgodeisSMBN)

5.If(ImpulsivnostisVNI)and(RizikisVVR)then(NezgodeisSBN)

6.If(ImpulsivnostisNI)and(RizikisVNR)then(NezgodeisVMBN)

7.If(ImpulsivnostisNI)and(RizikisNR)then(NezgodeisVMBN)

8.If(ImpulsivnostisNI)and(RizikisSR)then(NezgodeisMBN)

9.If(ImpulsivnostisNI)and(RizikisVR)then(NezgodeisSMBN)

10.If(ImpulsivnostisNI)and(RizikisVVR)then(NezgodeisSBN)

11.If(ImpulsivnostisSI)and(RizikisVNR)then(NezgodeisMBN)

12.If(ImpulsivnostisSI)and(RizikisNR)then(NezgodeisMBN)

13.If(ImpulsivnostisSI)and(RizikisSR)then(NezgodeisSMBN)

14.If(ImpulsivnostisSI)and(RizikisVR)then(NezgodeisSBN)

15.If(ImpulsivnostisSI)and(RizikisVVR)then(NezgodeisSVBN)

16.If(ImpulsivnostisVI)and(RizikisVNR)then(NezgodeisSMBN)

17.If(ImpulsivnostisVI)and(RizikisNR)then(NezgodeisSMBN)

18.If(ImpulsivnostisVI)and(RizikisSR)then(NezgodeisSBN)

19.If(ImpulsivnostisVI)and(RizikisVR)then(NezgodeisSVBN)

20.If(ImpulsivnostisVI)and(RizikisVVR)then(NezgodeisVBN)

21.If(ImpulsivnostisVVI)and(RizikisVNR)then(NezgodeisSBN)

22.If(ImpulsivnostisVVI)and(RizikisNR)then(NezgodeisSVBN)

23.If(ImpulsivnostisVVI)and(RizikisSR)then(NezgodeisVBN)

24.If(ImpulsivnostisVVI)and(RizikisVR)then(NezgodeisVVBN)

25.If(ImpulsivnostisVVI)and(RizikisVVR)then(NezgodeisVVBN)

Prilog B

411

PrilogB.5.–FazipravilaufazilogičkimsistemimaodCXXVIIdoCXLIII

1.If(ImpulsivnostisVNI)and(SamoprocenaisVNS)then(NezgodeisSBN)

2.If(ImpulsivnostisVNI)and(SamoprocenaisNS)then(NezgodeisSMBN)

3.If(ImpulsivnostisVNI)and(SamoprocenaisSS)then(NezgodeisMBN)

4.If(ImpulsivnostisVNI)and(SamoprocenaisVS)then(NezgodeisVMBN)

5.If(ImpulsivnostisVNI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

6.If(ImpulsivnostisNI)and(SamoprocenaisVNS)then(NezgodeisSMBN)

7.If(ImpulsivnostisNI)and(SamoprocenaisNS)then(NezgodeisSMBN)

8.If(ImpulsivnostisNI)and(SamoprocenaisSS)then(NezgodeisMBN)

9.If(ImpulsivnostisNI)and(SamoprocenaisVS)then(NezgodeisVMBN)

10.If(ImpulsivnostisNI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

11.If(ImpulsivnostisSI)and(SamoprocenaisVNS)then(NezgodeisSVBN)

12.If(ImpulsivnostisSI)and(SamoprocenaisNS)then(NezgodeisSBN)

13.If(ImpulsivnostisSI)and(SamoprocenaisSS)then(NezgodeisSMBN)

14.If(ImpulsivnostisSI)and(SamoprocenaisVS)then(NezgodeisMBN)

15.If(ImpulsivnostisSI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

16.If(ImpulsivnostisVI)and(SamoprocenaisVNS)then(NezgodeisVBN)

17.If(ImpulsivnostisVI)and(SamoprocenaisNS)then(NezgodeisSVBN)

18.If(ImpulsivnostisVI)and(SamoprocenaisSS)then(NezgodeisSBN)

19.If(ImpulsivnostisVI)and(SamoprocenaisVS)then(NezgodeisSMBN)

20.If(ImpulsivnostisVI)and(SamoprocenaisVVS)then(NezgodeisMBN)

21.If(ImpulsivnostisVVI)and(SamoprocenaisVNS)then(NezgodeisVVBN)

22.If(ImpulsivnostisVVI)and(SamoprocenaisNS)then(NezgodeisVBN)

23.If(ImpulsivnostisVVI)and(SamoprocenaisSS)then(NezgodeisSVBN)

24.If(ImpulsivnostisVVI)and(SamoprocenaisVS)then(NezgodeisSBN)

25.If(ImpulsivnostisVVI)and(SamoprocenaisVVS)then(NezgodeisSMBN)

Prilog B

412

PrilogB.6.–FazipravilaufazilogičkimsistemimaodCXLIVdoCLVIII

1.If(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

2.If(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

3.If(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

4.If(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

5.If(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

6.If(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

7.If(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

8.If(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

9.If(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

10.If(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

11.If(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

12.If(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

13.If(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

14.If(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

15.If(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

16.If(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

17.If(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

18.If(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSBN)

19.If(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

20.If(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

21.If(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

22.If(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVBN)

23.If(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSVBN)

24.If(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSBN)

25.If(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

Prilog B

413

PrilogB.7.–FazipravilaufazilogičkimsistemimaodCLIXdoCLXXV

1. If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVNR)then(NezgodeisVMBN)

2. If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisNR)then(NezgodeisVMBN)

3. If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisSR)then(NezgodeisVMBN)

4. If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVR)then(NezgodeisMBN)

5. If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVVR)then(NezgodeisSMBN)

6. If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVNR)then(NezgodeisVMBN)

7. If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisNR)then(NezgodeisVMBN)

8. If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisSR)then(NezgodeisMBN)

9. If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVR)then(NezgodeisMBN)

10. If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVVR)then(NezgodeisSMBN)

11. If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVNR)then(NezgodeisVMBN)

12. If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisNR)then(NezgodeisMBN)

13. If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisSR)then(NezgodeisSMBN)

14. If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVR)then(NezgodeisSMBN)

15. If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVVR)then(NezgodeisSBN)

16. If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVNR)then(NezgodeisMBN)

17. If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisNR)then(NezgodeisMBN)

18. If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisSR)then(NezgodeisSMBN)

19. If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVR)then(NezgodeisSBN)

20. If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVVR)then(NezgodeisSVBN)

21. If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVNR)then(NezgodeisMBN)

22. If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisNR)then(NezgodeisSMBN)

23. If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisSR)then(NezgodeisSBN)

24. If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVR)then(NezgodeisSBN)

25. If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVVR)then(NezgodeisVBN)

26. If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVNR)then(NezgodeisVMBN)

27. If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisNR)then(NezgodeisVMBN)

28. If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisSR)then(NezgodeisMBN)

29. If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVR)then(NezgodeisMBN)

30. If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVVR)then(NezgodeisSMBN)

31. If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVNR)then(NezgodeisVMBN)

32. If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisNR)then(NezgodeisVMBN)

33. If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisSR)then(NezgodeisMBN)

34. If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVR)then(NezgodeisMBN)

Prilog B

414

35. If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVVR)then(NezgodeisSMBN)

36. If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVNR)then(NezgodeisVMBN)

37. If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisNR)then(NezgodeisVMBN)

38. If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisSR)then(NezgodeisMBN)

39. If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVR)then(NezgodeisSMBN)

40. If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVVR)then(NezgodeisSBN)

41. If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVNR)then(NezgodeisVMBN)

42. If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisNR)then(NezgodeisMBN)

43. If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVNR)then(NezgodeisMBN)

44. If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisNR)then(NezgodeisSMBN)

45. If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisSR)then(NezgodeisSBN)

46. If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVR)then(NezgodeisSBN)

47. If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVVR)then(NezgodeisSVBN)

48. If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisSR)then(NezgodeisSMBN)

49. If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVR)then(NezgodeisSBN)

50. If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVVR)then(NezgodeisSVBN)

51. If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVNR)then(NezgodeisVMBN)

52. If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisNR)then(NezgodeisVMBN)

53. If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisSR)then(NezgodeisMBN)

54. If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVR)then(NezgodeisSMBN)

55. If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVVR)then(NezgodeisSBN)

56. If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVNR)then(NezgodeisVMBN)

57. If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisNR)then(NezgodeisVMBN)

58. If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisSR)then(NezgodeisMBN)

59. If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVR)then(NezgodeisSMBN)

60. If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVVR)then(NezgodeisSBN)

61. If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVNR)then(NezgodeisVMBN)

62. If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisNR)then(NezgodeisMBN)

63. If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisSR)then(NezgodeisSMBN)

64. If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVR)then(NezgodeisSBN)

65. If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVVR)then(NezgodeisSVBN)

66. If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVNR)then(NezgodeisVMBN)

67. If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisNR)then(NezgodeisMBN)

68. If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisSR)then(NezgodeisSMBN)

69. If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVR)then(NezgodeisSBN)

70. If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVVR)then(NezgodeisSVBN)

Prilog B

415

71. If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVNR)then(NezgodeisMBN)

72. If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisNR)then(NezgodeisSMBN)

73. If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisSR)then(NezgodeisSBN)

74. If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVR)then(NezgodeisSVBN)

75. If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVVR)then(NezgodeisVBN)

76. If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVNR)then(NezgodeisVMBN)

77. If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisNR)then(NezgodeisMBN)

78. If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisSR)then(NezgodeisMBN)

79. If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVR)then(NezgodeisSMBN)

80. If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVVR)then(NezgodeisSBN)

81. If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVNR)then(NezgodeisVMBN)

82. If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisNR)then(NezgodeisMBN)

83. If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisSR)then(NezgodeisSMBN)

84. If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVR)then(NezgodeisSBN)

85. If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVVR)then(NezgodeisSVBN)

86. If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVNR)then(NezgodeisMBN)

87. If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisNR)then(NezgodeisSMBN)

88. If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisSR)then(NezgodeisSBN)

89. If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVR)then(NezgodeisSBN)

90. If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVVR)then(NezgodeisSVBN)

91. If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVNR)then(NezgodeisMBN)

92. If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisNR)then(NezgodeisSMBN)

93. If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisSR)then(NezgodeisSBN)

94. If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVR)then(NezgodeisSVBN)

95. If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVVR)then(NezgodeisVBN)

96. If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVNR)then(NezgodeisMBN)

97. If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisNR)then(NezgodeisSMBN)

98. If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisSR)then(NezgodeisSBN)

99. If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVR)then(NezgodeisVBN)

100. If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVVR)then(NezgodeisVVBN)

101. If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVNR)then(NezgodeisMBN)

102. If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisNR)then(NezgodeisMBN)

103. If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisSR)then(NezgodeisSMBN)

104. If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVR)then(NezgodeisSBN)

105. If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVVR)then(NezgodeisSVBN)

106. If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVNR)then(NezgodeisMBN)

Prilog B

416

107. If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisNR)then(NezgodeisMBN)

108. If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisSR)then(NezgodeisSMBN)

109. If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVR)then(NezgodeisSBN)

110. If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVVR)then(NezgodeisSVBN)

111. If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVNR)then(NezgodeisMBN)

112. If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisNR)then(NezgodeisSMBN)

113. If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisSR)then(NezgodeisSBN)

114. If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVR)then(NezgodeisSVBN)

115. If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVVR)then(NezgodeisVBN)

116. If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVNR)then(NezgodeisMBN)

117. If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisNR)then(NezgodeisSMBN)

118. If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisSR)then(NezgodeisSBN)

119. If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVR)then(NezgodeisSVBN)

120. If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVVR)then(NezgodeisVBN)

121. If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVNR)then(NezgodeisSMBN)

122. If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisNR)then(NezgodeisSBN)

123. If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisSR)then(NezgodeisSVBN)

124. If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVR)then(NezgodeisVBN)

125. If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVVR)then(NezgodeisVVBN)

Prilog B

417

PrilogB.8.–FazipravilaufazilogičkimsistemimaodCLXXVIdoCXCII

1.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(SamoprocenaisVNS)then(NezgodeisSMBN)

2.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(SamoprocenaisNS)then(NezgodeisMBN)

3.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(SamoprocenaisSS)then(NezgodeisVMBN)

4.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(SamoprocenaisVS)then(NezgodeisVMBN)

5.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

6.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(SamoprocenaisVNS)then(NezgodeisSBN)

7.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(SamoprocenaisNS)then(NezgodeisSMBN)

8.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(SamoprocenaisSS)then(NezgodeisMBN)

9.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(SamoprocenaisVS)then(NezgodeisVMBN)

10.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

11.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(SamoprocenaisVNS)then(NezgodeisSVBN)

12.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(SamoprocenaisNS)then(NezgodeisSBN)

13.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(SamoprocenaisSS)then(NezgodeisSMBN)

14.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(SamoprocenaisVS)then(NezgodeisMBN)

15.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

16.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(SamoprocenaisVNS)then(NezgodeisVBN)

17.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(SamoprocenaisNS)then(NezgodeisSVBN)

18.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(SamoprocenaisSS)then(NezgodeisSBN)

19.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(SamoprocenaisVS)then(NezgodeisSMBN)

20.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(SamoprocenaisVVS)then(NezgodeisMBN)

21.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(SamoprocenaisVNS)then(NezgodeisVBN)

22.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(SamoprocenaisNS)then(NezgodeisSVBN)

23.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(SamoprocenaisSS)then(NezgodeisSBN)

24.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(SamoprocenaisVS)then(NezgodeisSMBN)

25.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(SamoprocenaisVVS)then(NezgodeisMBN)

26.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(SamoprocenaisVNS)then(NezgodeisSBN)

27.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(SamoprocenaisNS)then(NezgodeisSMBN)

28.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(SamoprocenaisSS)then(NezgodeisMBN)

29.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(SamoprocenaisVS)then(NezgodeisVMBN)

30.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

31.If(AgresivnostisNA)and(ImpulsivnostisNI)and(SamoprocenaisVNS)then(NezgodeisSBN)

32.If(AgresivnostisNA)and(ImpulsivnostisNI)and(SamoprocenaisNS)then(NezgodeisSMBN)

33.If(AgresivnostisNA)and(ImpulsivnostisNI)and(SamoprocenaisSS)then(NezgodeisMBN)

34.If(AgresivnostisNA)and(ImpulsivnostisNI)and(SamoprocenaisVS)then(NezgodeisVMBN)

Prilog B

418

35.If(AgresivnostisNA)and(ImpulsivnostisNI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

36.If(AgresivnostisNA)and(ImpulsivnostisSI)and(SamoprocenaisVNS)then(NezgodeisSVBN)

37.If(AgresivnostisNA)and(ImpulsivnostisSI)and(SamoprocenaisNS)then(NezgodeisSBN)

38.If(AgresivnostisNA)and(ImpulsivnostisSI)and(SamoprocenaisSS)then(NezgodeisSMBN)

39.If(AgresivnostisNA)and(ImpulsivnostisSI)and(SamoprocenaisVS)then(NezgodeisMBN)

40.If(AgresivnostisNA)and(ImpulsivnostisSI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

41.If(AgresivnostisNA)and(ImpulsivnostisVI)and(SamoprocenaisVNS)then(NezgodeisVBN)

42.If(AgresivnostisNA)and(ImpulsivnostisVI)and(SamoprocenaisNS)then(NezgodeisSVBN)

43.If(AgresivnostisNA)and(ImpulsivnostisVI)and(SamoprocenaisSS)then(NezgodeisSBN)

44.If(AgresivnostisNA)and(ImpulsivnostisVI)and(SamoprocenaisVS)then(NezgodeisSMBN)

45.If(AgresivnostisNA)and(ImpulsivnostisVI)and(SamoprocenaisVVS)then(NezgodeisMBN)

46.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(SamoprocenaisVNS)then(NezgodeisVBN)

47.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(SamoprocenaisNS)then(NezgodeisSVBN)

48.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(SamoprocenaisSS)then(NezgodeisSBN)

49.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(SamoprocenaisVS)then(NezgodeisSMBN)

50.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(SamoprocenaisVVS)then(NezgodeisMBN)

51.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(SamoprocenaisVNS)then(NezgodeisSBN)

52.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(SamoprocenaisNS)then(NezgodeisSMBN)

53.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(SamoprocenaisSS)then(NezgodeisMBN)

54.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(SamoprocenaisVS)then(NezgodeisVMBN)

55.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

56.If(AgresivnostisSA)and(ImpulsivnostisNI)and(SamoprocenaisVNS)then(NezgodeisSBN)

57.If(AgresivnostisSA)and(ImpulsivnostisNI)and(SamoprocenaisNS)then(NezgodeisSBN)

58.If(AgresivnostisSA)and(ImpulsivnostisNI)and(SamoprocenaisSS)then(NezgodeisSMBN)

59.If(AgresivnostisSA)and(ImpulsivnostisNI)and(SamoprocenaisVS)then(NezgodeisMBN)

60.If(AgresivnostisSA)and(ImpulsivnostisNI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

61.If(AgresivnostisSA)and(ImpulsivnostisSI)and(SamoprocenaisVNS)then(NezgodeisSVBN)

62.If(AgresivnostisSA)and(ImpulsivnostisSI)and(SamoprocenaisNS)then(NezgodeisSBN)

63.If(AgresivnostisSA)and(ImpulsivnostisSI)and(SamoprocenaisSS)then(NezgodeisSMBN)

64.If(AgresivnostisSA)and(ImpulsivnostisSI)and(SamoprocenaisVS)then(NezgodeisMBN)

65.If(AgresivnostisSA)and(ImpulsivnostisSI)and(SamoprocenaisVVS)then(NezgodeisVMBN)

66.If(AgresivnostisSA)and(ImpulsivnostisVI)and(SamoprocenaisVNS)then(NezgodeisVBN)

67.If(AgresivnostisSA)and(ImpulsivnostisVI)and(SamoprocenaisNS)then(NezgodeisSVBN)

68.If(AgresivnostisSA)and(ImpulsivnostisVI)and(SamoprocenaisSS)then(NezgodeisSBN)

69.If(AgresivnostisSA)and(ImpulsivnostisVI)and(SamoprocenaisVS)then(NezgodeisSMBN)

70.If(AgresivnostisSA)and(ImpulsivnostisVI)and(SamoprocenaisVVS)then(NezgodeisMBN)

Prilog B

419

71.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(SamoprocenaisVNS)then(NezgodeisVVBN)

72.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(SamoprocenaisNS)then(NezgodeisVBN)

73.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(SamoprocenaisSS)then(NezgodeisSVBN)

74.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(SamoprocenaisVS)then(NezgodeisSBN)

75.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(SamoprocenaisVVS)then(NezgodeisSMBN)

76.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(SamoprocenaisVNS)then(NezgodeisVBN)

77.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(SamoprocenaisNS)then(NezgodeisSVBN)

78.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(SamoprocenaisSS)then(NezgodeisSBN)

79.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(SamoprocenaisVS)then(NezgodeisSMBN)

80.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(SamoprocenaisVVS)then(NezgodeisMBN)

81.If(AgresivnostisVA)and(ImpulsivnostisNI)and(SamoprocenaisVNS)then(NezgodeisVBN)

82.If(AgresivnostisVA)and(ImpulsivnostisNI)and(SamoprocenaisNS)then(NezgodeisVBN)

83.If(AgresivnostisVA)and(ImpulsivnostisNI)and(SamoprocenaisSS)then(NezgodeisSVBN)

84.If(AgresivnostisVA)and(ImpulsivnostisNI)and(SamoprocenaisVS)then(NezgodeisSBN)

85.If(AgresivnostisVA)and(ImpulsivnostisNI)and(SamoprocenaisVVS)then(NezgodeisSMBN)

86.If(AgresivnostisVA)and(ImpulsivnostisSI)and(SamoprocenaisVNS)then(NezgodeisVVBN)

87.If(AgresivnostisVA)and(ImpulsivnostisSI)and(SamoprocenaisNS)then(NezgodeisVBN)

88.If(AgresivnostisVA)and(ImpulsivnostisSI)and(SamoprocenaisSS)then(NezgodeisSVBN)

89.If(AgresivnostisVA)and(ImpulsivnostisSI)and(SamoprocenaisVS)then(NezgodeisSBN)

90.If(AgresivnostisVA)and(ImpulsivnostisSI)and(SamoprocenaisVVS)then(NezgodeisSMBN)

91.If(AgresivnostisVA)and(ImpulsivnostisVI)and(SamoprocenaisVNS)then(NezgodeisVVBN)

92.If(AgresivnostisVA)and(ImpulsivnostisVI)and(SamoprocenaisNS)then(NezgodeisVBN)

93.If(AgresivnostisVA)and(ImpulsivnostisVI)and(SamoprocenaisSS)then(NezgodeisVBN)

94.If(AgresivnostisVA)and(ImpulsivnostisVI)and(SamoprocenaisVS)then(NezgodeisSVBN)

95.If(AgresivnostisVA)and(ImpulsivnostisVI)and(SamoprocenaisVVS)then(NezgodeisSBN)

96.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(SamoprocenaisVNS)then(NezgodeisVVBN)

97.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(SamoprocenaisNS)then(NezgodeisVVBN)

98.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(SamoprocenaisSS)then(NezgodeisVBN)

99.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(SamoprocenaisVS)then(NezgodeisSVBN)

100.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(SamoprocenaisVVS)then(NezgodeisSBN)

101.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(SamoprocenaisVNS)then(NezgodeisVBN)

102.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(SamoprocenaisNS)then(NezgodeisSVBN)

103.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(SamoprocenaisSS)then(NezgodeisSBN)

104.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(SamoprocenaisVS)then(NezgodeisSMBN)

105.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(SamoprocenaisVVS)then(NezgodeisMBN)

106.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(SamoprocenaisVNS)then(NezgodeisVVBN)

Prilog B

420

107.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(SamoprocenaisNS)then(NezgodeisVBN)

108.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(SamoprocenaisSS)then(NezgodeisSVBN)

109.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(SamoprocenaisVS)then(NezgodeisSBN)

110.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(SamoprocenaisVVS)then(NezgodeisSMBN)

111.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(SamoprocenaisVNS)then(NezgodeisVVBN)

112.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(SamoprocenaisNS)then(NezgodeisVBN)

113.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(SamoprocenaisSS)then(NezgodeisSVBN)

114.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(SamoprocenaisVS)then(NezgodeisSBN)

115.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(SamoprocenaisVVS)then(NezgodeisSMBN)

116.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(SamoprocenaisVNS)then(NezgodeisVVBN)

117.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(SamoprocenaisNS)then(NezgodeisVVBN)

118.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(SamoprocenaisSS)then(NezgodeisVBN)

119.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(SamoprocenaisVS)then(NezgodeisSVBN)

120.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(SamoprocenaisVVS)then(NezgodeisSBN)

121.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(SamoprocenaisVNS)then(NezgodeisVVBN)

122.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(SamoprocenaisNS)then(NezgodeisVVBN)

123.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(SamoprocenaisSS)then(NezgodeisVBN)

124.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(SamoprocenaisVS)then(NezgodeisSVBN)

125.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(SamoprocenaisVVS)then(NezgodeisSBN)

Prilog B

421

PrilogB.9.–FazipravilaufazilogičkimsistemimaodCXCIIIdoCCVIII

1.If(AgresivnostisVNA)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

2.If(AgresivnostisVNA)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisMBN)

3.If(AgresivnostisVNA)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

4.If(AgresivnostisVNA)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

5.If(AgresivnostisVNA)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

6.If(AgresivnostisVNA)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

7.If(AgresivnostisVNA)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

8.If(AgresivnostisVNA)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

9.If(AgresivnostisVNA)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

10.If(AgresivnostisVNA)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

11.If(AgresivnostisVNA)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

12.If(AgresivnostisVNA)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

13.If(AgresivnostisVNA)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

14.If(AgresivnostisVNA)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

15.If(AgresivnostisVNA)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

16.If(AgresivnostisVNA)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

17.If(AgresivnostisVNA)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

18.If(AgresivnostisVNA)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSBN)

19.If(AgresivnostisVNA)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

20.If(AgresivnostisVNA)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

21.If(AgresivnostisVNA)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

22.If(AgresivnostisVNA)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

23.If(AgresivnostisVNA)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSBN)

24.If(AgresivnostisVNA)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

25.If(AgresivnostisVNA)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

26.If(AgresivnostisNA)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

27.If(AgresivnostisNA)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

28.If(AgresivnostisNA)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

29.If(AgresivnostisNA)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

30.If(AgresivnostisNA)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

31.If(AgresivnostisNA)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

32.If(AgresivnostisNA)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

33.If(AgresivnostisNA)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

34.If(AgresivnostisNA)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

Prilog B

422

35.If(AgresivnostisNA)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

36.If(AgresivnostisNA)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

37.If(AgresivnostisNA)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

38.If(AgresivnostisNA)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

39.If(AgresivnostisNA)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

40.If(AgresivnostisNA)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

41.If(AgresivnostisNA)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

42.If(AgresivnostisNA)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

43.If(AgresivnostisNA)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSBN)

44.If(AgresivnostisNA)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

45.If(AgresivnostisNA)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

46.If(AgresivnostisNA)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

47.If(AgresivnostisNA)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

48.If(AgresivnostisNA)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSBN)

49.If(AgresivnostisNA)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

50.If(AgresivnostisNA)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

51.If(AgresivnostisSA)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

52.If(AgresivnostisSA)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

53.If(AgresivnostisSA)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

54.If(AgresivnostisSA)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

55.If(AgresivnostisSA)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

56.If(AgresivnostisSA)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

57.If(AgresivnostisSA)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSBN)

58.If(AgresivnostisSA)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSMBN)

59.If(AgresivnostisSA)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisMBN)

60.If(AgresivnostisSA)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

61.If(AgresivnostisSA)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

62.If(AgresivnostisSA)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

63.If(AgresivnostisSA)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

64.If(AgresivnostisSA)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

65.If(AgresivnostisSA)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

66.If(AgresivnostisSA)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

67.If(AgresivnostisSA)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

68.If(AgresivnostisSA)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSBN)

69.If(AgresivnostisSA)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

70.If(AgresivnostisSA)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

Prilog B

423

71.If(AgresivnostisSA)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

72.If(AgresivnostisSA)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVBN)

73.If(AgresivnostisSA)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSVBN)

74.If(AgresivnostisSA)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSBN)

75.If(AgresivnostisSA)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

76.If(AgresivnostisVA)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

77.If(AgresivnostisVA)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSVBN)

78.If(AgresivnostisVA)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSBN)

79.If(AgresivnostisVA)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSMBN)

80.If(AgresivnostisVA)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisMBN)

81.If(AgresivnostisVA)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

82.If(AgresivnostisVA)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVBN)

83.If(AgresivnostisVA)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

84.If(AgresivnostisVA)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSBN)

85.If(AgresivnostisVA)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

86.If(AgresivnostisVA)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

87.If(AgresivnostisVA)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVBN)

88.If(AgresivnostisVA)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSVBN)

89.If(AgresivnostisVA)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisSBN)

90.If(AgresivnostisVA)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

91.If(AgresivnostisVA)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

92.If(AgresivnostisVA)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVBN)

93.If(AgresivnostisVA)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVBN)

94.If(AgresivnostisVA)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

95.If(AgresivnostisVA)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

96.If(AgresivnostisVA)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

97.If(AgresivnostisVA)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

98.If(AgresivnostisVA)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVBN)

99.If(AgresivnostisVA)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

100.If(AgresivnostisVA)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

101.If(AgresivnostisVVA)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

102.If(AgresivnostisVVA)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSVBN)

103.If(AgresivnostisVVA)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSBN)

104.If(AgresivnostisVVA)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSMBN)

105.If(AgresivnostisVVA)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisMBN)

106.If(AgresivnostisVVA)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

Prilog B

424

107.If(AgresivnostisVVA)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVBN)

108.If(AgresivnostisVVA)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

109.If(AgresivnostisVVA)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSBN)

110.If(AgresivnostisVVA)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

111.If(AgresivnostisVVA)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

112.If(AgresivnostisVVA)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVBN)

113.If(AgresivnostisVVA)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSVBN)

114.If(AgresivnostisVVA)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisSBN)

115.If(AgresivnostisVVA)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

116.If(AgresivnostisVVA)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

117.If(AgresivnostisVVA)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

118.If(AgresivnostisVVA)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVBN)

119.If(AgresivnostisVVA)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

120.If(AgresivnostisVVA)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

121.If(AgresivnostisVVA)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

122.If(AgresivnostisVVA)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

123.If(AgresivnostisVVA)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVBN)

124.If(AgresivnostisVVA)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

125.If(AgresivnostisVVA)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

Prilog B

425

PrilogB.10.–FazipravilaufazilogičkimsistemimaodCCIXdoCCXXV

1.If(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

2.If(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisMBN)

3.If(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

4.If(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

5.If(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

6.If(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

7.If(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

8.If(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

9.If(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

10.If(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

11.If(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

12.If(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

13.If(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

14.If(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

15.If(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

16.If(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

17.If(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

18.If(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSBN)

19.If(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

20.If(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

21.If(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

22.If(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

23.If(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSBN)

24.If(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

25.If(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

26.If(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

27.If(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

28.If(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

29.If(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

30.If(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

31.If(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

32.If(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

33.If(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

34.If(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

Prilog B

426

35.If(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

36.If(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

37.If(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

38.If(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

39.If(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

40.If(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

41.If(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

42.If(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

43.If(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSBN)

44.If(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

45.If(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

46.If(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

47.If(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

48.If(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSBN)

49.If(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

50.If(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

51.If(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

52.If(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

53.If(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

54.If(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

55.If(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

56.If(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

57.If(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSBN)

58.If(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSMBN)

59.If(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisMBN)

60.If(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

61.If(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

62.If(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

63.If(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

64.If(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

65.If(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

66.If(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

67.If(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

68.If(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSBN)

69.If(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

70.If(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

Prilog B

427

71.If(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

72.If(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVBN)

73.If(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSVBN)

74.If(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSBN)

75.If(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

76.If(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

77.If(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSVBN)

78.If(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSBN)

79.If(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSMBN)

80.If(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisMBN)

81.If(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

82.If(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVBN)

83.If(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

84.If(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSBN)

85.If(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

86.If(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

87.If(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVBN)

88.If(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSVBN)

89.If(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisSBN)

90.If(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

91.If(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

92.If(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVBN)

93.If(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVBN)

94.If(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

95.If(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

96.If(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

97.If(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

98.If(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVBN)

99.If(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

100.If(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

101.If(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

102.If(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSVBN)

103.If(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSBN)

104.If(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSMBN)

105.If(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisMBN)

106.If(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

Prilog B

428

107.If(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVBN)

108.If(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

109.If(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSBN)

110.If(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

111.If(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

112.If(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVBN)

113.If(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSVBN)

114.If(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisSBN)

115.If(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

116.If(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

117.If(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

118.If(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVBN)

119.If(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

120.If(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

121.If(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

122.If(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

123.If(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVBN)

124.If(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

125.If(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

Prilog B

429

PrilogB.11.–FazipravilaufazilogičkimsistemimaodCCXXVIdoCCXLII

1.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVMBN)

2.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

3.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

4.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

5.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

6.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVMBN)

7.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

8.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

9.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

10.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

11.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisMBN)

12.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisMBN)

13.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVMBN)

14.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

15.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

16.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisMBN)

17.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisMBN)

18.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisMBN)

19.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisVMBN)

20.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

21.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

22.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisMBN)

23.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisMBN)

24.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisVMBN)

25.If(AgresivnostisVNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

26.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVMBN)

27.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

28.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

29.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

30.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

31.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisMBN)

32.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisMBN)

33.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

34.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

35.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

36.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

37.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisMBN)

38.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisMBN)

39.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

Prilog B

430

40.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

41.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

42.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisMBN)

43.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisMBN)

44.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisVMBN)

45.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

46.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

47.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

48.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisMBN)

49.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisMBN)

50.If(AgresivnostisVNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

51.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisMBN)

52.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisMBN)

53.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

54.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

55.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

56.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisMBN)

57.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisMBN)

58.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

59.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

60.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

61.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

62.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisMBN)

63.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVMBN)

64.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

65.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

66.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

67.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

68.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisMBN)

69.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

70.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

71.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

72.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

73.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisMBN)

74.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisMBN)

75.If(AgresivnostisVNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

76.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

77.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisMBN)

78.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

79.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

80.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

81.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

Prilog B

431

82.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

83.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

84.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisMBN)

85.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

86.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSBN)

87.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSMBN)

88.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisMBN)

89.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

90.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

91.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

92.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSBN)

93.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

94.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

95.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

96.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

97.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSBN)

98.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

99.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisMBN)

100.If(AgresivnostisVNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

101.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

102.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

103.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

104.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

105.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

106.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

107.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

108.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

109.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

110.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

111.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

112.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

113.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

114.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

115.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

116.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

117.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSBN)

118.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

119.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

120.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

121.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

122.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSBN)

123.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

Prilog B

432

124.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

125.If(AgresivnostisVNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

126.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVMBN)

127.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

128.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

129.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

130.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

131.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisMBN)

132.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisMBN)

133.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

134.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

135.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

136.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisMBN)

137.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisMBN)

138.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVMBN)

139.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

140.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

141.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisMBN)

142.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisMBN)

143.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVMBN)

144.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisVMBN)

145.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

146.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

147.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisMBN)

148.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVMBN)

149.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisVMBN)

150.If(AgresivnostisNA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

151.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVMBN)

152.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

153.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

154.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

155.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

156.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisMBN)

157.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

158.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

159.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

160.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

161.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisMBN)

162.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisMBN)

163.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVMBN)

164.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

165.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

Prilog B

433

166.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

167.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisMBN)

168.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVMBN)

169.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisVMBN)

170.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

171.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

172.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisMBN)

173.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVMBN)

174.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisVMBN)

175.If(AgresivnostisNA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

176.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

177.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisMBN)

178.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

179.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

180.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

181.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

182.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisMBN)

183.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

184.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

185.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

186.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSBN)

187.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSMBN)

188.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisMBN)

189.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

190.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

191.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

192.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

193.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisMBN)

194.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

195.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

196.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

197.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

198.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisMBN)

199.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisMBN)

200.If(AgresivnostisNA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

201.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

202.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

203.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

204.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisMBN)

205.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

206.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

207.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

Prilog B

434

208.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

209.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

210.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

211.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSBN)

212.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSMBN)

213.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisMBN)

214.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

215.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

216.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

217.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSBN)

218.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

219.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

220.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

221.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

222.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSBN)

223.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSBN)

224.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

225.If(AgresivnostisNA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

226.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

227.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSBN)

228.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSMBN)

229.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisMBN)

230.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

231.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

232.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSBN)

233.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSMBN)

234.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisMBN)

235.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

236.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

237.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

238.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

239.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

240.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

241.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

242.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSBN)

243.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

244.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

245.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

246.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

247.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSBN)

248.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

249.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisMBN)

Prilog B

435

250.If(AgresivnostisNA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

251.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisMBN)

252.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

253.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

254.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

255.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

256.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisMBN)

257.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

258.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

259.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

260.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

261.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

262.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisMBN)

263.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVMBN)

264.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

265.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

266.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

267.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

268.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisMBN)

269.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisVMBN)

270.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

271.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

272.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

273.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisMBN)

274.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisVMBN)

275.If(AgresivnostisSA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

276.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisMBN)

277.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

278.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

279.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

280.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

281.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisMBN)

282.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVMBN)

283.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVMBN)

284.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

285.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

286.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSMBN)

287.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisMBN)

288.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVMBN)

289.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

290.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

291.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

Prilog B

436

292.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

293.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisMBN)

294.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

295.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

296.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

297.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

298.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisMBN)

299.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisMBN)

300.If(AgresivnostisSA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

301.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

302.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

303.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

304.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

305.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

306.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

307.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

308.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

309.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

310.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

311.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSBN)

312.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSMBN)

313.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisMBN)

314.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

315.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

316.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

317.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSBN)

318.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

319.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

320.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

321.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

322.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSBN)

323.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

324.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisMBN)

325.If(AgresivnostisSA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

326.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

327.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

328.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

329.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

330.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

331.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

332.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

333.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

Prilog B

437

334.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

335.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

336.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSBN)

337.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSMBN)

338.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisMBN)

339.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

340.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

341.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

342.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSBN)

343.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

344.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

345.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

346.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

347.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSBN)

348.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

349.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisMBN)

350.If(AgresivnostisSA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

351.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

352.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSVBN)

353.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSBN)

354.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSMBN)

355.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisMBN)

356.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

357.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSBN)

358.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSMBN)

359.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisMBN)

360.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisMBN)

361.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

362.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

363.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSBN)

364.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisSMBN)

365.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisMBN)

366.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

367.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

368.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSBN)

369.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

370.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

371.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

372.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

373.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSBN)

374.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

375.If(AgresivnostisSA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

Prilog B

438

376.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

377.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

378.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

379.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

380.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

381.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

382.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

383.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

384.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

385.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

386.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSBN)

387.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSMBN)

388.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisMBN)

389.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVMBN)

390.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

391.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSBN)

392.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSMBN)

393.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisMBN)

394.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

395.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

396.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

397.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSBN)

398.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

399.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisMBN)

400.If(AgresivnostisVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

401.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

402.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

403.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisMBN)

404.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVMBN)

405.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

406.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSBN)

407.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSMBN)

408.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisMBN)

409.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisMBN)

410.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

411.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

412.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

413.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

414.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

415.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisMBN)

416.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

417.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSBN)

Prilog B

439

418.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSMBN)

419.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisMBN)

420.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

421.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

422.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSBN)

423.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSBN)

424.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSMBN)

425.If(AgresivnostisVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisMBN)

426.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

427.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSBN)

428.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSMBN)

429.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisMBN)

430.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

431.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

432.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSBN)

433.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSMBN)

434.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisMBN)

435.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVMBN)

436.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisSVBN)

437.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSBN)

438.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSMBN)

439.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisMBN)

440.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisMBN)

441.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

442.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

443.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSBN)

444.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSBN)

445.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

446.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

447.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisSVBN)

448.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSVBN)

449.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSBN)

450.If(AgresivnostisVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

451.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

452.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisSVBN)

453.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSBN)

454.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSBN)

455.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

456.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

457.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSVBN)

458.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

459.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSBN)

Prilog B

440

460.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

461.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVBN)

462.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisSVBN)

463.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSBN)

464.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisSBN)

465.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

466.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

467.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

468.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVBN)

469.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

470.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

471.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

472.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

473.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisSVBN)

474.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

475.If(AgresivnostisVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSBN)

476.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

477.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVBN)

478.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

479.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSBN)

480.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

481.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

482.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisSVBN)

483.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

484.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSBN)

485.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSBN)

486.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

487.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVVBN)

488.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSVBN)

489.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisSVBN)

490.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisSBN)

491.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

492.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

493.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVBN)

494.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

495.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

496.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

497.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

498.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVVBN)

499.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisVBN)

500.If(AgresivnostisVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

501.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

Prilog B

441

502.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVBN)

503.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

504.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSBN)

505.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisSMBN)

506.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

507.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVBN)

508.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

509.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSVBN)

510.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSBN)

511.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVBN)

512.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVBN)

513.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisSVBN)

514.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisSVBN)

515.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisSBN)

516.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

517.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVBN)

518.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSVBN)

519.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

520.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

521.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

522.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVBN)

523.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVBN)

524.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

525.If(AgresivnostisVVA)and(ImpulsivnostisVNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

526.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

527.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVBN)

528.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

529.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSVBN)

530.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisSBN)

531.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

532.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVBN)

533.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

534.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSVBN)

535.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

536.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVBN)

537.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVBN)

538.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVBN)

539.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisSVBN)

540.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

541.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVBN)

542.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVBN)

543.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisSVBN)

Prilog B

442

544.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisSVBN)

545.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

546.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

547.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVBN)

548.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVBN)

549.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisVBN)

550.If(AgresivnostisVVA)and(ImpulsivnostisNI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

551.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

552.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVBN)

553.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisSVBN)

554.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSVBN)

555.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

556.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVBN)

557.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVBN)

558.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVBN)

559.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSVBN)

560.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

561.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

562.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVBN)

563.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVBN)

564.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVBN)

565.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

566.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

567.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

568.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVBN)

569.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisVBN)

570.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVBN)

571.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

572.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

573.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVBN)

574.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisVBN)

575.If(AgresivnostisVVA)and(ImpulsivnostisSI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

576.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

577.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVVBN)

578.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVBN)

579.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisVBN)

580.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

581.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

582.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVVBN)

583.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVBN)

584.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisVBN)

585.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisVBN)

Prilog B

443

586.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

587.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVVBN)

588.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVVBN)

589.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVBN)

590.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVBN)

591.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

592.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

593.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVVBN)

594.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisVBN)

595.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVBN)

596.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

597.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

598.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVVBN)

599.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisVBN)

600.If(AgresivnostisVVA)and(ImpulsivnostisVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVBN)

601.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

602.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisNS)then(NezgodeisVBN)

603.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisSS)then(NezgodeisVBN)

604.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVS)then(NezgodeisSVBN)

605.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVNR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

606.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

607.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisNS)then(NezgodeisVBN)

608.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisSS)then(NezgodeisVBN)

609.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVS)then(NezgodeisSVBN)

610.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisNR)and(SamoprocenaisVVS)then(NezgodeisSVBN)

611.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

612.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisNS)then(NezgodeisVVBN)

613.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisSS)then(NezgodeisVVBN)

614.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVS)then(NezgodeisVBN)

615.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisSR)and(SamoprocenaisVVS)then(NezgodeisVBN)

616.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

617.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

618.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisSS)then(NezgodeisVVBN)

619.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVS)then(NezgodeisVBN)

620.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVR)and(SamoprocenaisVVS)then(NezgodeisVBN)

621.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVNS)then(NezgodeisVVBN)

622.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisNS)then(NezgodeisVVBN)

623.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisSS)then(NezgodeisVVBN)

624.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVS)then(NezgodeisVVBN)

625.If(AgresivnostisVVA)and(ImpulsivnostisVVI)and(RizikisVVR)and(SamoprocenaisVVS)then(NezgodeisVBN)

Prilog B

444

PrilogB.12.–FazipravilaufazilogičkimsistemimaodXLVIadoLXIa

1.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVNPK)then(NezgodeisSBN)

2.If(Opasna__mestaisVNPR)and(Karakteristike__putaisNPK)then(NezgodeisSMBN)

3.If(Opasna__mestaisVNPR)and(Karakteristike__putaisSPK)then(NezgodeisMBN)

4.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVPK)then(NezgodeisVMBN)

5.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVVPK)then(NezgodeisVMBN)

6.If(Opasna__mestaisNPR)and(Karakteristike__putaisVNPK)then(NezgodeisSBN)

7.If(Opasna__mestaisNPR)and(Karakteristike__putaisNPK)then(NezgodeisSMBN)

8.If(Opasna__mestaisNPR)and(Karakteristike__putaisSPK)then(NezgodeisSMBN)

9.If(Opasna__mestaisNPR)and(Karakteristike__putaisVPK)then(NezgodeisMBN)

10.If(Opasna__mestaisNPR)and(Karakteristike__putaisVVPK)then(NezgodeisVMBN)

11.If(Opasna__mestaisSPR)and(Karakteristike__putaisVNPK)then(NezgodeisSVBN)

12.If(Opasna__mestaisSPR)and(Karakteristike__putaisNPK)then(NezgodeisSBN)

13.If(Opasna__mestaisSPR)and(Karakteristike__putaisSPK)then(NezgodeisSMBN)

14.If(Opasna__mestaisSPR)and(Karakteristike__putaisVPK)then(NezgodeisMBN)

15.If(Opasna__mestaisSPR)and(Karakteristike__putaisVVPK)then(NezgodeisVMBN)

16.If(Opasna__mestaisVPR)and(Karakteristike__putaisVNPK)then(NezgodeisVBN)

17.If(Opasna__mestaisVPR)and(Karakteristike__putaisNPK)then(NezgodeisSVBN)

18.If(Opasna__mestaisVPR)and(Karakteristike__putaisSPK)then(NezgodeisSBN)

19.If(Opasna__mestaisVPR)and(Karakteristike__putaisVPK)then(NezgodeisSMBN)

20.If(Opasna__mestaisVPR)and(Karakteristike__putaisVVPK)then(NezgodeisMBN)

21.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVNPK)then(NezgodeisVVBN)

22.If(Opasna__mestaisVVPR)and(Karakteristike__putaisNPK)then(NezgodeisVBN)

23.If(Opasna__mestaisVVPR)and(Karakteristike__putaisSPK)then(NezgodeisSVBN)

24.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVPK)then(NezgodeisSBN)

25.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVVPK)then(NezgodeisSMBN)

Prilog B

445

PrilogB.13.–FazipravilaufazilogičkimsistemimaodLXIIadoLXXVIIIa

1.If(Opasna__mestaisVNPR)and(UčestalostisVVU)then(NezgodeisSBN)

2.If(Opasna__mestaisVNPR)and(UčestalostisVU)then(NezgodeisSBN)

3.If(Opasna__mestaisVNPR)and(UčestalostisSVU)then(NezgodeisSMBN)

4.If(Opasna__mestaisVNPR)and(UčestalostisSU)then(NezgodeisMBN)

5.If(Opasna__mestaisVNPR)and(UčestalostisSNU)then(NezgodeisMBN)

6.If(Opasna__mestaisVNPR)and(UčestalostisNU)then(NezgodeisVMBN)

7.If(Opasna__mestaisVNPR)and(UčestalostisVNU)then(NezgodeisVMBN)

8.If(Opasna__mestaisNPR)and(UčestalostisVVU)then(NezgodeisSBN)

9.If(Opasna__mestaisNPR)and(UčestalostisVU)then(NezgodeisSBN)

10.If(Opasna__mestaisNPR)and(UčestalostisSVU)then(NezgodeisSMBN)

11.If(Opasna__mestaisNPR)and(UčestalostisSU)then(NezgodeisSMBN)

12.If(Opasna__mestaisNPR)and(UčestalostisSNU)then(NezgodeisMBN)

13.If(Opasna__mestaisNPR)and(UčestalostisNU)then(NezgodeisVMBN)

14.If(Opasna__mestaisNPR)and(UčestalostisVNU)then(NezgodeisVMBN)

15.If(Opasna__mestaisSPR)and(UčestalostisVVU)then(NezgodeisSVBN)

16.If(Opasna__mestaisSPR)and(UčestalostisVU)then(NezgodeisSBN)

17.If(Opasna__mestaisSPR)and(UčestalostisSVU)then(NezgodeisSMBN)

18.If(Opasna__mestaisSPR)and(UčestalostisSU)then(NezgodeisSMBN)

19.If(Opasna__mestaisSPR)and(UčestalostisSNU)then(NezgodeisMBN)

20.If(Opasna__mestaisSPR)and(UčestalostisNU)then(NezgodeisVMBN)

21.If(Opasna__mestaisSPR)and(UčestalostisVNU)then(NezgodeisVMBN)

22.If(Opasna__mestaisVPR)and(UčestalostisVVU)then(NezgodeisVVBN)

23.If(Opasna__mestaisVPR)and(UčestalostisVU)then(NezgodeisVBN)

24.If(Opasna__mestaisVPR)and(UčestalostisSVU)then(NezgodeisSVBN)

25.If(Opasna__mestaisVPR)and(UčestalostisSU)then(NezgodeisSBN)

26.If(Opasna__mestaisVPR)and(UčestalostisSNU)then(NezgodeisSMBN)

27.If(Opasna__mestaisVPR)and(UčestalostisNU)then(NezgodeisMBN)

28.If(Opasna__mestaisVPR)and(UčestalostisVNU)then(NezgodeisVMBN)

29.If(Opasna__mestaisVVPR)and(UčestalostisVVU)then(NezgodeisVVBN)

30.If(Opasna__mestaisVVPR)and(UčestalostisVU)then(NezgodeisVVBN)

31.If(Opasna__mestaisVVPR)and(UčestalostisSVU)then(NezgodeisVBN)

32.If(Opasna__mestaisVVPR)and(UčestalostisSU)then(NezgodeisSVBN)

33.If(Opasna__mestaisVVPR)and(UčestalostisSNU)then(NezgodeisSBN)

34.If(Opasna__mestaisVVPR)and(UčestalostisNU)then(NezgodeisSBN)

35.If(Opasna__mestaisVVPR)and(UčestalostisVNU)then(NezgodeisSMBN)

Prilog B

446

PrilogB.14.–FazipravilaufazilogičkimsistemimaodLXXIXadoXCIIIa

1.If(Karakteristike__putaisVNPK)and(UčestalostisVVU)then(NezgodeisVVBN)

2.If(Karakteristike__putaisVNPK)and(UčestalostisVU)then(NezgodeisVVBN)

3.If(Karakteristike__putaisVNPK)and(UčestalostisSVU)then(NezgodeisVBN)

4.If(Karakteristike__putaisVNPK)and(UčestalostisSU)then(NezgodeisSVBN)

5.If(Karakteristike__putaisVNPK)and(UčestalostisSNU)then(NezgodeisSVBN)

6.If(Karakteristike__putaisVNPK)and(UčestalostisNU)then(NezgodeisSBN)

7.If(Karakteristike__putaisVNPK)and(UčestalostisVNU)then(NezgodeisSBN)

8.If(Karakteristike__putaisNPK)and(UčestalostisVVU)then(NezgodeisVVBN)

9.If(Karakteristike__putaisNPK)and(UčestalostisVU)then(NezgodeisVVBN)

10.If(Karakteristike__putaisNPK)and(UčestalostisSVU)then(NezgodeisVBN)

11.If(Karakteristike__putaisNPK)and(UčestalostisSU)then(NezgodeisSVBN)

12.If(Karakteristike__putaisNPK)and(UčestalostisSNU)then(NezgodeisSBN)

13.If(Karakteristike__putaisNPK)and(UčestalostisNU)then(NezgodeisSBN)

14.If(Karakteristike__putaisNPK)and(UčestalostisVNU)then(NezgodeisSMBN)

15.If(Karakteristike__putaisSPK)and(UčestalostisVVU)then(NezgodeisVVBN)

16.If(Karakteristike__putaisSPK)and(UčestalostisVU)then(NezgodeisVBN)

17.If(Karakteristike__putaisSPK)and(UčestalostisSVU)then(NezgodeisSVBN)

18.If(Karakteristike__putaisSPK)and(UčestalostisSU)then(NezgodeisSBN)

19.If(Karakteristike__putaisSPK)and(UčestalostisSNU)then(NezgodeisSBN)

20.If(Karakteristike__putaisSPK)and(UčestalostisNU)then(NezgodeisSMBN)

21.If(Karakteristike__putaisSPK)and(UčestalostisVNU)then(NezgodeisMBN)

22.If(Karakteristike__putaisVPK)and(UčestalostisVVU)then(NezgodeisVBN)

23.If(Karakteristike__putaisVPK)and(UčestalostisVU)then(NezgodeisSVBN)

24.If(Karakteristike__putaisVPK)and(UčestalostisSVU)then(NezgodeisSVBN)

25.If(Karakteristike__putaisVPK)and(UčestalostisSU)then(NezgodeisSBN)

26.If(Karakteristike__putaisVPK)and(UčestalostisSNU)then(NezgodeisSBN)

27.If(Karakteristike__putaisVPK)and(UčestalostisNU)then(NezgodeisSMBN)

28.If(Karakteristike__putaisVPK)and(UčestalostisVNU)then(NezgodeisMBN)

29.If(Karakteristike__putaisVVPK)and(UčestalostisVVU)then(NezgodeisSVBN)

30.If(Karakteristike__putaisVVPK)and(UčestalostisVU)then(NezgodeisSBN)

31.If(Karakteristike__putaisVVPK)and(UčestalostisSVU)then(NezgodeisSMBN)

32.If(Karakteristike__putaisVVPK)and(UčestalostisSU)then(NezgodeisMBN)

33.If(Karakteristike__putaisVVPK)and(UčestalostisSNU)then(NezgodeisMBN)

34.If(Karakteristike__putaisVVPK)and(UčestalostisNU)then(NezgodeisVMBN)

35.If(Karakteristike__putaisVVPK)and(UčestalostisVNU)then(NezgodeisVMBN)

Prilog B

447

PrilogB.15.–FazipravilaufazilogičkimsistemimaodXCIVadoCxa

1.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVNPK)and(UčestalostisVVU)then(NezgodeisVBN)

2.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVNPK)and(UčestalostisVU)then(NezgodeisVBN)

3.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVNPK)and(UčestalostisSVU)then(NezgodeisSVBN)

4.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVNPK)and(UčestalostisSU)then(NezgodeisSVBN)

5.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVNPK)and(UčestalostisSNU)then(NezgodeisSBN)

6.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVNPK)and(UčestalostisNU)then(NezgodeisSBN)

7.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVNPK)and(UčestalostisVNU)then(NezgodeisSMBN)

8.If(Opasna__mestaisVNPR)and(Karakteristike__putaisNPK)and(UčestalostisVVU)then(NezgodeisVBN)

9.If(Opasna__mestaisVNPR)and(Karakteristike__putaisNPK)and(UčestalostisVU)then(NezgodeisSVBN)

10.If(Opasna__mestaisVNPR)and(Karakteristike__putaisNPK)and(UčestalostisSVU)then(NezgodeisSVBN)

11.If(Opasna__mestaisVNPR)and(Karakteristike__putaisNPK)and(UčestalostisSU)then(NezgodeisSBN)

12.If(Opasna__mestaisVNPR)and(Karakteristike__putaisNPK)and(UčestalostisSNU)then(NezgodeisSBN)

13.If(Opasna__mestaisVNPR)and(Karakteristike__putaisNPK)and(UčestalostisNU)then(NezgodeisSMBN)

14.If(Opasna__mestaisVNPR)and(Karakteristike__putaisNPK)and(UčestalostisVNU)then(NezgodeisMBN)

15.If(Opasna__mestaisVNPR)and(Karakteristike__putaisSPK)and(UčestalostisVVU)then(NezgodeisVBN)

16.If(Opasna__mestaisVNPR)and(Karakteristike__putaisSPK)and(UčestalostisVU)then(NezgodeisSVBN)

17.If(Opasna__mestaisVNPR)and(Karakteristike__putaisSPK)and(UčestalostisSVU)then(NezgodeisSBN)

18.If(Opasna__mestaisVNPR)and(Karakteristike__putaisSPK)and(UčestalostisSU)then(NezgodeisSBN)

19.If(Opasna__mestaisVNPR)and(Karakteristike__putaisSPK)and(UčestalostisSNU)then(NezgodeisSMBN)

20.If(Opasna__mestaisVNPR)and(Karakteristike__putaisSPK)and(UčestalostisNU)then(NezgodeisMBN)

21.If(Opasna__mestaisVNPR)and(Karakteristike__putaisSPK)and(UčestalostisVNU)then(NezgodeisVMBN)

22.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVPK)and(UčestalostisVVU)then(NezgodeisSVBN)

23.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVPK)and(UčestalostisVU)then(NezgodeisSBN)

24.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVPK)and(UčestalostisSVU)then(NezgodeisSMBN)

25.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVPK)and(UčestalostisSU)then(NezgodeisMBN)

26.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVPK)and(UčestalostisSNU)then(NezgodeisMBN)

27.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVPK)and(UčestalostisNU)then(NezgodeisVMBN)

28.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVPK)and(UčestalostisVNU)then(NezgodeisVMBN)

29.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVVPK)and(UčestalostisVVU)then(NezgodeisSBN)

30.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVVPK)and(UčestalostisVU)then(NezgodeisSMBN)

31.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVVPK)and(UčestalostisSVU)then(NezgodeisSMBN)

32.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVVPK)and(UčestalostisSU)then(NezgodeisMBN)

33.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVVPK)and(UčestalostisSNU)then(NezgodeisVMBN)

34.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVVPK)and(UčestalostisNU)then(NezgodeisVMBN)

35.If(Opasna__mestaisVNPR)and(Karakteristike__putaisVVPK)and(UčestalostisVNU)then(NezgodeisVMBN)

36.If(Opasna__mestaisNPR)and(Karakteristike__putaisVNPK)and(UčestalostisVVU)then(NezgodeisVVBN)

37.If(Opasna__mestaisNPR)and(Karakteristike__putaisVNPK)and(UčestalostisVU)then(NezgodeisVBN)

38.If(Opasna__mestaisNPR)and(Karakteristike__putaisVNPK)and(UčestalostisSVU)then(NezgodeisSVBN)

39.If(Opasna__mestaisNPR)and(Karakteristike__putaisVNPK)and(UčestalostisSU)then(NezgodeisSBN)

40.If(Opasna__mestaisNPR)and(Karakteristike__putaisVNPK)and(UčestalostisSNU)then(NezgodeisSMBN)

Prilog B

448

41.If(Opasna__mestaisNPR)and(Karakteristike__putaisVNPK)and(UčestalostisNU)then(NezgodeisSMBN)

42.If(Opasna__mestaisNPR)and(Karakteristike__putaisVNPK)and(UčestalostisVNU)then(NezgodeisMBN)

43.If(Opasna__mestaisNPR)and(Karakteristike__putaisNPK)and(UčestalostisVVU)then(NezgodeisVBN)

44.If(Opasna__mestaisNPR)and(Karakteristike__putaisNPK)and(UčestalostisVU)then(NezgodeisVBN)

45.If(Opasna__mestaisNPR)and(Karakteristike__putaisNPK)and(UčestalostisSVU)then(NezgodeisSVBN)

46.If(Opasna__mestaisNPR)and(Karakteristike__putaisNPK)and(UčestalostisSU)then(NezgodeisSBN)

47.If(Opasna__mestaisNPR)and(Karakteristike__putaisNPK)and(UčestalostisSNU)then(NezgodeisSMBN)

48.If(Opasna__mestaisNPR)and(Karakteristike__putaisNPK)and(UčestalostisNU)then(NezgodeisSMBN)

49.If(Opasna__mestaisNPR)and(Karakteristike__putaisNPK)and(UčestalostisVNU)then(NezgodeisMBN)

50.If(Opasna__mestaisNPR)and(Karakteristike__putaisSPK)and(UčestalostisVVU)then(NezgodeisVBN)

51.If(Opasna__mestaisNPR)and(Karakteristike__putaisSPK)and(UčestalostisVU)then(NezgodeisSVBN)

52.If(Opasna__mestaisNPR)and(Karakteristike__putaisSPK)and(UčestalostisSVU)then(NezgodeisSVBN)

53.If(Opasna__mestaisNPR)and(Karakteristike__putaisSPK)and(UčestalostisSU)then(NezgodeisSBN)

54.If(Opasna__mestaisNPR)and(Karakteristike__putaisSPK)and(UčestalostisSNU)then(NezgodeisSMBN)

55.If(Opasna__mestaisNPR)and(Karakteristike__putaisSPK)and(UčestalostisNU)then(NezgodeisMBN)

56.If(Opasna__mestaisNPR)and(Karakteristike__putaisSPK)and(UčestalostisVNU)then(NezgodeisVMBN)

57.If(Opasna__mestaisNPR)and(Karakteristike__putaisVPK)and(UčestalostisVVU)then(NezgodeisSBN)

58.If(Opasna__mestaisNPR)and(Karakteristike__putaisVPK)and(UčestalostisVU)then(NezgodeisSMBN)

59.If(Opasna__mestaisNPR)and(Karakteristike__putaisVPK)and(UčestalostisSVU)then(NezgodeisSMBN)

60.If(Opasna__mestaisNPR)and(Karakteristike__putaisVPK)and(UčestalostisSU)then(NezgodeisMBN)

61.If(Opasna__mestaisNPR)and(Karakteristike__putaisVPK)and(UčestalostisSNU)then(NezgodeisVMBN)

62.If(Opasna__mestaisNPR)and(Karakteristike__putaisVPK)and(UčestalostisNU)then(NezgodeisVMBN)

63.If(Opasna__mestaisNPR)and(Karakteristike__putaisVPK)and(UčestalostisVNU)then(NezgodeisVMBN)

64.If(Opasna__mestaisNPR)and(Karakteristike__putaisVVPK)and(UčestalostisVVU)then(NezgodeisSBN)

65.If(Opasna__mestaisNPR)and(Karakteristike__putaisVVPK)and(UčestalostisVU)then(NezgodeisSMBN)

66.If(Opasna__mestaisNPR)and(Karakteristike__putaisVVPK)and(UčestalostisSVU)then(NezgodeisMBN)

67.If(Opasna__mestaisNPR)and(Karakteristike__putaisVVPK)and(UčestalostisSU)then(NezgodeisVMBN)

68.If(Opasna__mestaisNPR)and(Karakteristike__putaisVVPK)and(UčestalostisSNU)then(NezgodeisVMBN)

69.If(Opasna__mestaisNPR)and(Karakteristike__putaisVVPK)and(UčestalostisNU)then(NezgodeisVMBN)

70.If(Opasna__mestaisNPR)and(Karakteristike__putaisVVPK)and(UčestalostisVNU)then(NezgodeisVMBN)

71.If(Opasna__mestaisSPR)and(Karakteristike__putaisVNPK)and(UčestalostisVVU)then(NezgodeisVVBN)

72.If(Opasna__mestaisSPR)and(Karakteristike__putaisVNPK)and(UčestalostisVU)then(NezgodeisVBN)

73.If(Opasna__mestaisSPR)and(Karakteristike__putaisVNPK)and(UčestalostisSVU)then(NezgodeisSVBN)

74.If(Opasna__mestaisSPR)and(Karakteristike__putaisVNPK)and(UčestalostisSU)then(NezgodeisSVBN)

75.If(Opasna__mestaisSPR)and(Karakteristike__putaisVNPK)and(UčestalostisSNU)then(NezgodeisSBN)

76.If(Opasna__mestaisSPR)and(Karakteristike__putaisVNPK)and(UčestalostisNU)then(NezgodeisSMBN)

77.If(Opasna__mestaisSPR)and(Karakteristike__putaisVNPK)and(UčestalostisVNU)then(NezgodeisMBN)

78.If(Opasna__mestaisSPR)and(Karakteristike__putaisNPK)and(UčestalostisVVU)then(NezgodeisVVBN)

79.If(Opasna__mestaisSPR)and(Karakteristike__putaisNPK)and(UčestalostisVU)then(NezgodeisVBN)

80.If(Opasna__mestaisSPR)and(Karakteristike__putaisNPK)and(UčestalostisSVU)then(NezgodeisSVBN)

81.If(Opasna__mestaisSPR)and(Karakteristike__putaisNPK)and(UčestalostisSU)then(NezgodeisSBN)

82.If(Opasna__mestaisSPR)and(Karakteristike__putaisNPK)and(UčestalostisSNU)then(NezgodeisSMBN)

Prilog B

449

83.If(Opasna__mestaisSPR)and(Karakteristike__putaisNPK)and(UčestalostisNU)then(NezgodeisMBN)

84.If(Opasna__mestaisSPR)and(Karakteristike__putaisNPK)and(UčestalostisVNU)then(NezgodeisVMBN)

85.If(Opasna__mestaisSPR)and(Karakteristike__putaisSPK)and(UčestalostisVVU)then(NezgodeisVBN)

86.If(Opasna__mestaisSPR)and(Karakteristike__putaisSPK)and(UčestalostisVU)then(NezgodeisSVBN)

87.If(Opasna__mestaisSPR)and(Karakteristike__putaisSPK)and(UčestalostisSVU)then(NezgodeisSBN)

88.If(Opasna__mestaisSPR)and(Karakteristike__putaisSPK)and(UčestalostisSU)then(NezgodeisSBN)

89.If(Opasna__mestaisSPR)and(Karakteristike__putaisSPK)and(UčestalostisSNU)then(NezgodeisSMBN)

90.If(Opasna__mestaisSPR)and(Karakteristike__putaisSPK)and(UčestalostisNU)then(NezgodeisMBN)

91.If(Opasna__mestaisSPR)and(Karakteristike__putaisSPK)and(UčestalostisVNU)then(NezgodeisVMBN)

92.If(Opasna__mestaisSPR)and(Karakteristike__putaisVPK)and(UčestalostisVVU)then(NezgodeisSVBN)

93.If(Opasna__mestaisSPR)and(Karakteristike__putaisVPK)and(UčestalostisVU)then(NezgodeisSBN)

94.If(Opasna__mestaisSPR)and(Karakteristike__putaisVPK)and(UčestalostisSVU)then(NezgodeisSMBN)

95.If(Opasna__mestaisSPR)and(Karakteristike__putaisVPK)and(UčestalostisSU)then(NezgodeisMBN)

96.If(Opasna__mestaisSPR)and(Karakteristike__putaisVPK)and(UčestalostisSNU)then(NezgodeisMBN)

97.If(Opasna__mestaisSPR)and(Karakteristike__putaisVPK)and(UčestalostisNU)then(NezgodeisVMBN)

98.If(Opasna__mestaisSPR)and(Karakteristike__putaisVPK)and(UčestalostisVNU)then(NezgodeisVMBN)

99.If(Opasna__mestaisSPR)and(Karakteristike__putaisVVPK)and(UčestalostisVVU)then(NezgodeisSBN)

100.If(Opasna__mestaisSPR)and(Karakteristike__putaisVVPK)and(UčestalostisVU)then(NezgodeisSMBN)

101.If(Opasna__mestaisSPR)and(Karakteristike__putaisVVPK)and(UčestalostisSVU)then(NezgodeisMBN)

102.If(Opasna__mestaisSPR)and(Karakteristike__putaisVVPK)and(UčestalostisSU)then(NezgodeisMBN)

103.If(Opasna__mestaisSPR)and(Karakteristike__putaisVVPK)and(UčestalostisSNU)then(NezgodeisVMBN)

104.If(Opasna__mestaisSPR)and(Karakteristike__putaisVVPK)and(UčestalostisNU)then(NezgodeisVMBN)

105.If(Opasna__mestaisSPR)and(Karakteristike__putaisVVPK)and(UčestalostisVNU)then(NezgodeisVMBN)

106.If(Opasna__mestaisVPR)and(Karakteristike__putaisVNPK)and(UčestalostisVVU)then(NezgodeisVVBN)

107.If(Opasna__mestaisVPR)and(Karakteristike__putaisVNPK)and(UčestalostisVU)then(NezgodeisVBN)

108.If(Opasna__mestaisVPR)and(Karakteristike__putaisVNPK)and(UčestalostisSVU)then(NezgodeisVBN)

109.If(Opasna__mestaisVPR)and(Karakteristike__putaisVNPK)and(UčestalostisSU)then(NezgodeisSVBN)

110.If(Opasna__mestaisVPR)and(Karakteristike__putaisVNPK)and(UčestalostisSNU)then(NezgodeisSVBN)

111.If(Opasna__mestaisVPR)and(Karakteristike__putaisVNPK)and(UčestalostisNU)then(NezgodeisSBN)

112.If(Opasna__mestaisVPR)and(Karakteristike__putaisVNPK)and(UčestalostisVNU)then(NezgodeisSMBN)

113.If(Opasna__mestaisVPR)and(Karakteristike__putaisNPK)and(UčestalostisVVU)then(NezgodeisVVBN)

114.If(Opasna__mestaisVPR)and(Karakteristike__putaisNPK)and(UčestalostisVU)then(NezgodeisVBN)

115.If(Opasna__mestaisVPR)and(Karakteristike__putaisNPK)and(UčestalostisSVU)then(NezgodeisSVBN)

116.If(Opasna__mestaisVPR)and(Karakteristike__putaisNPK)and(UčestalostisSU)then(NezgodeisSBN)

117.If(Opasna__mestaisVPR)and(Karakteristike__putaisNPK)and(UčestalostisSNU)then(NezgodeisSMBN)

118.If(Opasna__mestaisVPR)and(Karakteristike__putaisNPK)and(UčestalostisNU)then(NezgodeisSMBN)

119.If(Opasna__mestaisVPR)and(Karakteristike__putaisNPK)and(UčestalostisVNU)then(NezgodeisMBN)

120.If(Opasna__mestaisVPR)and(Karakteristike__putaisSPK)and(UčestalostisVVU)then(NezgodeisVVBN)

121.If(Opasna__mestaisVPR)and(Karakteristike__putaisSPK)and(UčestalostisVU)then(NezgodeisVBN)

122.If(Opasna__mestaisVPR)and(Karakteristike__putaisSPK)and(UčestalostisSVU)then(NezgodeisSVBN)

123.If(Opasna__mestaisVPR)and(Karakteristike__putaisSPK)and(UčestalostisSU)then(NezgodeisSBN)

124.If(Opasna__mestaisVPR)and(Karakteristike__putaisSPK)and(UčestalostisSNU)then(NezgodeisSBN)

Prilog B

450

125.If(Opasna__mestaisVPR)and(Karakteristike__putaisSPK)and(UčestalostisNU)then(NezgodeisSMBN)

126.If(Opasna__mestaisVPR)and(Karakteristike__putaisSPK)and(UčestalostisVNU)then(NezgodeisMBN)

127.If(Opasna__mestaisVPR)and(Karakteristike__putaisVPK)and(UčestalostisVVU)then(NezgodeisVBN)

128.If(Opasna__mestaisVPR)and(Karakteristike__putaisVPK)and(UčestalostisVU)then(NezgodeisSVBN)

129.If(Opasna__mestaisVPR)and(Karakteristike__putaisVPK)and(UčestalostisSVU)then(NezgodeisSBN)

130.If(Opasna__mestaisVPR)and(Karakteristike__putaisVPK)and(UčestalostisSU)then(NezgodeisSBN)

131.If(Opasna__mestaisVPR)and(Karakteristike__putaisVPK)and(UčestalostisSNU)then(NezgodeisSMBN)

132.If(Opasna__mestaisVPR)and(Karakteristike__putaisVPK)and(UčestalostisNU)then(NezgodeisMBN)

133.If(Opasna__mestaisVPR)and(Karakteristike__putaisVPK)and(UčestalostisVNU)then(NezgodeisMBN)

134.If(Opasna__mestaisVPR)and(Karakteristike__putaisVVPK)and(UčestalostisVVU)then(NezgodeisSVBN)

135.If(Opasna__mestaisVPR)and(Karakteristike__putaisVVPK)and(UčestalostisVU)then(NezgodeisSBN)

136.If(Opasna__mestaisVPR)and(Karakteristike__putaisVVPK)and(UčestalostisSVU)then(NezgodeisSBN)

137.If(Opasna__mestaisVPR)and(Karakteristike__putaisVVPK)and(UčestalostisSU)then(NezgodeisSMBN)

138.If(Opasna__mestaisVPR)and(Karakteristike__putaisVVPK)and(UčestalostisSNU)then(NezgodeisMBN)

139.If(Opasna__mestaisVPR)and(Karakteristike__putaisVVPK)and(UčestalostisNU)then(NezgodeisMBN)

140.If(Opasna__mestaisVPR)and(Karakteristike__putaisVVPK)and(UčestalostisVNU)then(NezgodeisVMBN)

141.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVNPK)and(UčestalostisVVU)then(NezgodeisVVBN)

142.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVNPK)and(UčestalostisVU)then(NezgodeisVVBN)

143.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVNPK)and(UčestalostisSVU)then(NezgodeisVBN)

144.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVNPK)and(UčestalostisSU)then(NezgodeisVBN)

145.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVNPK)and(UčestalostisSNU)then(NezgodeisSVBN)

146.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVNPK)and(UčestalostisNU)then(NezgodeisSVBN)

147.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVNPK)and(UčestalostisVNU)then(NezgodeisSBN)

148.If(Opasna__mestaisVVPR)and(Karakteristike__putaisNPK)and(UčestalostisVVU)then(NezgodeisVVBN)

149.If(Opasna__mestaisVVPR)and(Karakteristike__putaisNPK)and(UčestalostisVU)then(NezgodeisVVBN)

150.If(Opasna__mestaisVVPR)and(Karakteristike__putaisNPK)and(UčestalostisSVU)then(NezgodeisVBN)

151.If(Opasna__mestaisVVPR)and(Karakteristike__putaisNPK)and(UčestalostisSU)then(NezgodeisSVBN)

152.If(Opasna__mestaisVVPR)and(Karakteristike__putaisNPK)and(UčestalostisSNU)then(NezgodeisSVBN)

153.If(Opasna__mestaisVVPR)and(Karakteristike__putaisNPK)and(UčestalostisNU)then(NezgodeisSBN)

154.If(Opasna__mestaisVVPR)and(Karakteristike__putaisNPK)and(UčestalostisVNU)then(NezgodeisSMBN)

155.If(Opasna__mestaisVVPR)and(Karakteristike__putaisSPK)and(UčestalostisVVU)then(NezgodeisVVBN)

156.If(Opasna__mestaisVVPR)and(Karakteristike__putaisSPK)and(UčestalostisVU)then(NezgodeisVBN)

157.If(Opasna__mestaisVVPR)and(Karakteristike__putaisSPK)and(UčestalostisSVU)then(NezgodeisSVBN)

158.If(Opasna__mestaisVVPR)and(Karakteristike__putaisSPK)and(UčestalostisSU)then(NezgodeisSVBN)

159.If(Opasna__mestaisVVPR)and(Karakteristike__putaisSPK)and(UčestalostisSNU)then(NezgodeisSBN)

160.If(Opasna__mestaisVVPR)and(Karakteristike__putaisSPK)and(UčestalostisNU)then(NezgodeisSMBN)

161.If(Opasna__mestaisVVPR)and(Karakteristike__putaisSPK)and(UčestalostisVNU)then(NezgodeisSMBN)

162.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVPK)and(UčestalostisVVU)then(NezgodeisVVBN)

163.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVPK)and(UčestalostisVU)then(NezgodeisVBN)

164.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVPK)and(UčestalostisSVU)then(NezgodeisSVBN)

165.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVPK)and(UčestalostisSU)then(NezgodeisSBN)

166.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVPK)and(UčestalostisSNU)then(NezgodeisSMBN)

Prilog B

451

167.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVPK)and(UčestalostisNU)then(NezgodeisSMBN)

168.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVPK)and(UčestalostisVNU)then(NezgodeisMBN)

169.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVVPK)and(UčestalostisVVU)then(NezgodeisVBN)

170.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVVPK)and(UčestalostisVU)then(NezgodeisSVBN)

171.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVVPK)and(UčestalostisSVU)then(NezgodeisSBN)

172.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVVPK)and(UčestalostisSU)then(NezgodeisSBN)

173.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVVPK)and(UčestalostisSNU)then(NezgodeisSMBN)

174.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVVPK)and(UčestalostisNU)then(NezgodeisSMBN)

175.If(Opasna__mestaisVVPR)and(Karakteristike__putaisVVPK)and(UčestalostisVNU)then(NezgodeisMBN)

Prilog C

452

PrilogC–VarijableufazilogičkimsistemimaPrilogC.1.–VarijablekojefigurišuufazilogičkimsistemimaodLXIdoLXXVIIFazi logički sistem LXI karakterišu funkcije pripadnosti u obliku trougla (trimf), kako za ulaznepromenljive, tako i za izlaznu. Ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuI,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVI,aizlaznapromenljivakaoufazilogičkomsistemuI.Kod fazi logičkog sistema LXII ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVII,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema LXIII ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu II, ulazna promenljiva Impulsivnost jedefinisanakaoufazilogičkomsistemuXVII,aizlaznapromenljivakaoufazilogičkomsistemuIII.Kod fazi logičkog sistemaLXIVulaznapromenljivaAgresivnost je definisanakaou fazi logičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXIX,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema LXV ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu IV, ulazna promenljiva Impulsivnost jedefinisanakaoufazilogičkomsistemuXIX,aizlaznapromenljivakaoufazilogičkomsistemuV.Kod fazi logičkog sistemaLXVI ulaznapromenljivaAgresivnost je definisanakaou fazi logičkomsistemuVI,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXI,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema LXVII ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu VI, ulazna promenljiva Impulsivnost jedefinisanakaoufazilogičkomsistemuXXI,aizlaznapromenljivakaoufazilogičkomsistemuVII.Kodfazi logičkogsistemaLXVIIIulaznapromenljivaAgresivnostjedefinisanakaoufazi logičkomsistemu VIII, ulazna promenljiva Impulsivnost je definisana kao u fazi logičkom sistemu XXIII, aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaLXIXulaznapromenljivaAgresivnost je definisana kao u fazi logičkom sistemu VIII, ulazna promenljiva Impulsivnost jedefinisanakaoufazilogičkomsistemuXXIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.Kod fazi logičkog sistema LXX ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuX,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXV,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema LXXI ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu X, ulazna promenljiva Impulsivnost jedefinisanakaoufazilogičkomsistemuXXV,aizlaznapromenljivakaoufazilogičkomsistemuXI.Kod fazi logičkogsistemaLXXIIulaznapromenljivaAgresivnost jedefinisanakaou fazi logičkomsistemu XII, ulazna promenljiva Impulsivnost je definisana kao u fazi logičkom sistemu XXVII, aizlazna promenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema LXXIII ulaznapromenljiva Agresivnost je definisana kao u fazi logičkom sistemu XII, ulazna promenljivaImpulsivnost je definisana kao u fazi logičkom sistemu XXVII, a izlazna promenljiva kao u fazilogičkomsistemuXIII.

Prilog C

453

Kodfazi logičkogsistemaLXXIVulaznapromenljivaAgresivnost jedefinisanakaoufazi logičkomsistemu XIV, ulazna promenljiva Impulsivnost je definisana kao u fazi logičkom sistemu XXIX, aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaLXXVulaznapromenljivaAgresivnost je definisana kao u fazi logičkom sistemu XIV, ulazna promenljiva Impulsivnost jedefinisanakaoufazilogičkomsistemuXXIX,aizlaznapromenljivakaoufazilogičkomsistemuXV.Kodfazi logičkogsistemaLXXVIulaznapromenljivaAgresivnost jedefinisanakaoufazi logičkomsistemu IV, ulazna promenljiva Impulsivnost je definisana kao u fazi logičkom sistemu XXVIII, aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaLXXVIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemu IV, ulazna promenljiva Impulsivnost je definisana kao u fazi logičkom sistemu XXVIII, aizlaznapromenljivakaoufazilogičkomsistemuIII.PrilogC.2.–VarijablekojefigurišuufazilogičkimsistemimaodLXXVIIIdoXCIIIFazilogičkisistemLXXVIIIkarakterišufunkcijepripadnostiuoblikutrougla(trimf),kakozaulaznepromenljive, tako i za izlaznu. Ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemu I, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXI, a izlaznapromenljivakaoufazilogičkomsistemuI.Kodfazi logičkogsistemaLXXIXulaznapromenljivaAgresivnost jedefinisanakaoufazi logičkomsistemu II, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXII, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema LXXX ulazna promenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXII,aizlaznapromenljivakaoufazilogičkomsistemuIII.Kodfazi logičkogsistemaLXXXIulaznapromenljivaAgresivnost jedefinisanakaoufazi logičkomsistemu IV, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXIV, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema LXXXII ulazna promenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXIV,aizlaznapromenljivakaoufazilogičkomsistemuV.KodfazilogičkogsistemaLXXXIIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemu VI, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXVI, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema LXXXIVulazna promenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVI,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVI,aizlaznapromenljivakaoufazilogičkomsistemuVII.KodfazilogičkogsistemaLXXXVulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVIII,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema LXXXVIulazna promenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.KodfazilogičkogsistemaLXXXVIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemu X, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XL, a izlaznapromenljivakaoufazi logičkomsistemuI.Kodfazi logičkogsistemaLXXXVIIIulaznapromenljiva

Prilog C

454

AgresivnostjedefinisanakaoufazilogičkomsistemuX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXL,aizlaznapromenljivakaoufazilogičkomsistemuXI.KodfazilogičkogsistemaLXXXIXulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemu XII, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XLII, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema XC ulazna promenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLII,aizlaznapromenljivakaoufazilogičkomsistemuXIII.Kod fazi logičkog sistema XCI ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemu XIV, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XLIV, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema XCII ulazna promenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXIV,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLIV,aizlaznapromenljivakaoufazilogičkomsistemuXV.Kod fazi logičkog sistemaXCIII ulaznapromenljivaAgresivnost jedefinisanakaou fazi logičkomsistemu IV, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXI, a izlaznapromenljivakaoufazilogičkomsistemuI.PrilogC.3.–VarijablekojefigurišuufazilogičkimsistemimaodXCIVdoCVIIIFazi logički sistemXCIVkarakterišu funkcijepripadnostiuobliku trougla (trimf), kako zaulaznepromenljive, tako i za izlaznu. Ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.Kod fazi logičkog sistema XCV ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema XCVI ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu II, ulazna promenljiva Samoprocena jedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaoufazilogičkomsistemuIII.Kod fazi logičkogsistemaXCVIIulaznapromenljivaAgresivnost jedefinisanakaou fazi logičkomsistemuIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema XCVIII ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu IV, ulazna promenljiva Samoprocena jedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljivakaoufazilogičkomsistemuV.Kod fazi logičkog sistemaXCIXulaznapromenljivaAgresivnost je definisanakaou fazi logičkomsistemuVI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema C ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu VI, ulazna promenljiva Samoprocena jedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljivakaoufazilogičkomsistemuVII.KodfazilogičkogsistemaCIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVIII, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LIII, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CII ulazna promenljiva

Prilog C

455

Agresivnost je definisana kao u fazi logičkom sistemu VIII, ulazna promenljiva Samoprocena jedefinisanakaoufazilogičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.Kod fazi logičkog sistema CIII ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuX,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CIV ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu X, ulazna promenljiva Samoprocena jedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuXI.Kod fazi logičkog sistema CV ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuXII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CVI ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu XII, ulazna promenljiva Samoprocena jedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljivakaoufazilogičkomsistemuXIII.Kod fazi logičkog sistema CVII ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuXIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CVIII ulazna promenljivaAgresivnost je definisana kao u fazi logičkom sistemu XIV, ulazna promenljiva Samoprocena jedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljivakaoufazilogičkomsistemuXV.Kod fazi logičkog sistema CIX ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.PrilogC.4.–VarijablekojefigurišuufazilogičkimsistemimaodCXdoCXXVIFazi logički sistem CX karakterišu funkcije pripadnosti u obliku trougla (trimf), kako za ulaznepromenljive, tako i za izlaznu.Ulaznapromenljiva Impulsivnost jedefinisanakaou fazi logičkomsistemu XVI, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXI, a izlaznapromenljivakaoufazilogičkomsistemuI.Kod fazi logičkog sistemaCXI ulazna promenljiva Impulsivnost je definisana kao u fazi logičkomsistemuXVII, ulaznapromenljivaRizik je definisanakaou fazi logičkomsistemuXXXII, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXII ulazna promenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXII,aizlaznapromenljivakaoufazilogičkomsistemuIII.Kodfazi logičkogsistemaCXIIIulaznapromenljivaImpulsivnost jedefinisanakaoufazi logičkomsistemuXIX, ulaznapromenljivaRizik je definisana kaou fazi logičkom sistemuXXXIV, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXIV ulazna promenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXIX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXIV,aizlaznapromenljivakaoufazilogičkomsistemuV.Kod fazi logičkog sistemaCXVulaznapromenljiva Impulsivnost jedefinisanakaou fazi logičkomsistemuXXI, ulaznapromenljivaRizik je definisana kaou fazi logičkom sistemuXXXVI, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXVI ulazna promenljiva

Prilog C

456

ImpulsivnostjedefinisanakaoufazilogičkomsistemuXXI,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVI,aizlaznapromenljivakaoufazilogičkomsistemuVII.KodfazilogičkogsistemaCXVIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVIII,aizlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXVIII ulazna promenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.Kodfazi logičkogsistemaCXIXulaznapromenljivaImpulsivnost jedefinisanakaoufazi logičkomsistemu XXV, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XL, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXX ulazna promenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXV,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXL,aizlaznapromenljivakaoufazilogičkomsistemuXI.Kodfazi logičkogsistemaCXXIulaznapromenljivaImpulsivnost jedefinisanakaoufazi logičkomsistemuXXVII, ulaznapromenljivaRizik je definisanakaou fazi logičkomsistemuXLII, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXXII ulazna promenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXVII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLII,aizlaznapromenljivakaoufazilogičkomsistemuXIII.KodfazilogičkogsistemaCXXIIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIX, ulaznapromenljivaRizik je definisana kaou fazi logičkom sistemuXLIV, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXXIV ulazna promenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLIV,aizlaznapromenljivakaoufazilogičkomsistemuXV.KodfazilogičkogsistemaCXXVulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVIII, ulaznapromenljivaRizik je definisanakaou fazi logičkomsistemuXXXI, a izlaznapromenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXXVI ulazna promenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXI,aizlaznapromenljivakaoufazilogičkomsistemuIII.PrilogC.5.–VarijablekojefigurišuufazilogičkimsistemimaodCXXVIIdoCXLIIIKodfazilogičkogsistemaCXXVIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XVI, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu XLVI, aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCXXVIIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVII,ulaznapromenljivaSamoprocena jedefinisanakaou fazi logičkomsistemuXLVII,aizlazna promenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXXIX ulaznapromenljiva Impulsivnost je definisana kao u fazi logičkom sistemu II, ulazna promenljivaSamoprocena je definisana kao u fazi logičkom sistemu XLVII, a izlazna promenljiva kao u fazilogičkomsistemuIII.KodfazilogičkogsistemaCXXXulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XIX, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu XLIX, a

Prilog C

457

izlazna promenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXXXI ulaznapromenljiva Impulsivnost je definisana kao u fazi logičkom sistemu XIX, ulazna promenljivaSamoprocena je definisana kao u fazi logičkom sistemu XLIX, a izlazna promenljiva kao u fazilogičkomsistemuV.KodfazilogičkogsistemaCXXXIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljiva kaou fazi logičkom sistemu I.Kod fazi logičkog sistemaCXXXIII ulaznapromenljivaImpulsivnost je definisana kao u fazi logičkom sistemu XXI, ulazna promenljiva Samoprocena jedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljivakaoufazilogičkomsistemuVII.KodfazilogičkogsistemaCXXXIVulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XXIII, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LIII, aizlazna promenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXXXV ulaznapromenljiva Impulsivnost je definisana kao u fazi logičkom sistemu XXIII, ulazna promenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.KodfazilogičkogsistemaCXXXVIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaou fazi logičkomsistemu I.Kod fazi logičkogsistemaCXXXVIIulaznapromenljivaImpulsivnost je definisana kao u fazi logičkom sistemuXXV, ulazna promenljiva Samoprocena jedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuXI.KodfazilogičkogsistemaCXXXVIIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXVII,ulaznapromenljivaSamoprocena jedefinisanakaou fazi logičkomsistemuLVII,aizlazna promenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXXXIX ulaznapromenljiva Impulsivnost je definisana kao u fazi logičkom sistemu XXVII, ulazna promenljivaSamoprocena je definisana kao u fazi logičkom sistemu LVII, a izlazna promenljiva kao u fazilogičkomsistemuXIII.Kod fazi logičkog sistemaCXLulaznapromenljiva Impulsivnost jedefinisanakaou fazi logičkomsistemu XXIX, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LIX, aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCXLIulaznapromenljivaImpulsivnost jedefinisanakaou fazi logičkomsistemuXXIX,ulaznapromenljivaSamoprocena jedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljivakaoufazilogičkomsistemuXV.KodfazilogičkogsistemaCXLIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVIII,ulaznapromenljivaSamoprocena jedefinisanakaou fazi logičkomsistemuXLVI,aizlazna promenljiva kao u fazi logičkom sistemu I. Kod fazi logičkog sistema CXLIII ulaznapromenljiva Impulsivnost je definisana kao u fazi logičkom sistemu IV, ulazna promenljivaSamoprocena je definisana kao u fazi logičkom sistemu XLVI, a izlazna promenljiva kao u fazilogičkomsistemuI.

Prilog C

458

PrilogC.6.–VarijablekojefigurišuufazilogičkimsistemimaodCXLIVdoCLVIIIFazilogičkisistemCXLIVkarakterišufunkcijepripadnostiuoblikutrougla(trimf),kakozaulaznepromenljive, takoiza izlaznu.UlaznapromenljivaRizik jedefinisanakaoufazi logičkomsistemuXXXI, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemuXLVI, a izlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCXLVulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXII,ulaznapromenljivaSamoprocenajedefinisanakaoufazi logičkomsistemuXLVII,a izlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCXLVIulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaoufazilogičkomsistemuIII.KodfazilogičkogsistemaCXLVIIulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXIV,ulaznapromenljivaSamoprocena jedefinisanakaoufazi logičkomsistemuXLIX,a izlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCXLVIIIulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljivakaoufazilogičkomsistemuV.KodfazilogičkogsistemaCXLIXulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVI, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LI, a izlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljivakaoufazilogičkomsistemuVII.Kod fazi logičkog sistemaCLIulaznapromenljivaRizik jedefinisanakaou fazi logičkomsistemuXXXVIII,ulaznapromenljivaSamoprocenajedefinisanakaoufazi logičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLIIulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVIII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.KodfazilogičkogsistemaCLIIIulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXL,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLIVulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXL,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuXI.KodfazilogičkogsistemaCLVulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLII,ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LVII, a izlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLVIulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljivakaoufazilogičkomsistemuXIII.KodfazilogičkogsistemaCLVIIulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLIV, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LIX, a izlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLVIIIulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljivakaoufazilogičkomsistemuXV.

Prilog C

459

PrilogC.7.–VarijablekojefigurišuufazilogičkimsistemimaodCLIXdoCLXXVKod fazi logičkog sistemaCLIX ulazna promenljivaAgresivnost je definisana kao u fazi logičkomsistemu I,ulaznapromenljiva Impulsivnost jedefinisanakaou fazi logičkomsistemuXVI, ulaznapromenljivaRizikjedefinisanakaoufazi logičkomsistemuXXXI,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLXulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXII,aizlaznapromenljivakao u fazi logičkom sistemu I. Kod fazi logičkog sistema CLXI ulazna promenljiva Agresivnost jedefinisanakaoufazilogičkomsistemuII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXII,aizlaznapromenljivakaoufazilogičkomsistemuIII.Kod fazi logičkogsistemaCLXIIulaznapromenljivaAgresivnost jedefinisanakaou fazi logičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXIX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXIV,aizlaznapromenljivakaoufazilogičkomsistemuI.Kodfazi logičkogsistemaCLXIIIulaznapromenljivaAgresivnost jedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXIX, ulaznapromenljivaRizik je definisana kaou fazi logičkom sistemuXXXIV, a izlaznapromenljivakaoufazilogičkomsistemuV.Kodfazi logičkogsistemaCXLIXulaznapromenljivaAgresivnost jedefinisanakaoufazi logičkomsistemuVI,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXI,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVI,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLXVulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVI,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXI,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVI,aizlaznapromenljivakaoufazilogičkomsistemuVII.Kodfazi logičkogsistemaCLXVIulaznapromenljivaAgresivnost jedefinisanakaoufazi logičkomsistemuVIII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVIII,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLXVIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVIII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.KodfazilogičkogsistemaCLXVIIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuX,ulaznapromenljivaImpulsivnostjedefinisanakaoufazi logičkomsistemuXXV,ulaznapromenljiva Rizik je definisana kao u fazi logičkom sistemu XL, a izlazna promenljiva kao u fazilogičkomsistemuI.KodfazilogičkogsistemaCLXIXulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuX,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXV,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXL,aizlaznapromenljivakaoufazilogičkomsistemuXI.Kod fazi logičkog sistemaCLXXulaznapromenljivaAgresivnost jedefinisanakaou fazi logičkomsistemuXII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXVII,ulaznapromenljivaRizik jedefinisanakaou fazi logičkomsistemuXLII,a izlaznapromenljivakaou fazilogičkomsistemuI.KodfazilogičkogsistemaCLXXIulaznapromenljivaAgresivnostjedefinisanakao

Prilog C

460

u fazi logičkom sistemu XII, ulazna promenljiva Impulsivnost je definisana kao u fazi logičkomsistemuXXVII, ulaznapromenljivaRizik je definisanakaou fazi logičkomsistemuXLII, a izlaznapromenljivakaoufazilogičkomsistemuXIII.KodfazilogičkogsistemaCLXXIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIX,ulaznapromenljivaRizikjedefinisanakaoufazi logičkomsistemuXLIV,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLXXIIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIX, ulaznapromenljivaRizik je definisana kaou fazi logičkom sistemuXLIV, a izlaznapromenljivakaoufazilogičkomsistemuXV.KodfazilogičkogsistemaCLXXIVulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVIII,ulaznapromenljivaRizikjedefinisanakaoufazi logičkomsistemuXXXI,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLXXVulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVIII, ulaznapromenljivaRizik je definisanakaou fazi logičkomsistemuXXXI, a izlaznapromenljivakaoufazilogičkomsistemuIII.PrilogC.8.–VarijablekojefigurišuufazilogičkimsistemimaodCLXXVIdoCXCIIKodfazilogičkogsistemaCLXXVIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemu I,ulaznapromenljiva Impulsivnost jedefinisanakaou fazi logičkomsistemuXVI, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCLXXVIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaou fazi logičkom sistemu I. Kod fazi logičkog sistema CLXXVIII ulazna promenljiva Agresivnost jedefinisanakaoufazilogičkomsistemuII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaoufazilogičkomsistemuIII.KodfazilogičkogsistemaCLXXIXulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXIX,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljivakaou fazi logičkom sistemu I. Kod fazi logičkog sistema CLXXX ulazna promenljiva Agresivnost jedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXIX,ulaznapromenljivaSamoprocenajedefinisanakaoufazi logičkomsistemuXLIX,aizlaznapromenljivakaoufazilogičkomsistemuV.KodfazilogičkogsistemaCLXXXIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVI,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljivakaoufazi logičkom sistemu I. Kod fazi logičkog sistema CLXXXII ulazna promenljiva Agresivnost jedefinisanakaoufazilogičkomsistemuVI,ulaznapromenljivaImpulsivnostjedefinisanakaoufazi

Prilog C

461

logičkomsistemuXXI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljivakaoufazilogičkomsistemuVII.KodfazilogičkogsistemaCLXXXIIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVIII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIII,aizlaznapromenljivakaoufazi logičkom sistemu I. Kod fazi logičkog sistema CLXXXIV ulazna promenljiva Agresivnost jedefinisanakaoufazilogičkomsistemuVIII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.KodfazilogičkogsistemaCLXXXVulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuX,ulaznapromenljivaImpulsivnostjedefinisanakaoufazi logičkomsistemuXXV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazi logičkom sistemu I. Kod fazi logičkog sistema CLXXXVI ulazna promenljiva Agresivnost jedefinisanakaoufazilogičkomsistemuX,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuXI.KodfazilogičkogsistemaCLXXXVIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXVII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljivakaou fazi logičkomsistemu I.Kod fazi logičkogsistemaCLXXXVIIIulaznapromenljivaAgresivnost jedefinisanakaoufazilogičkomsistemuXII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXVII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljivakaoufazilogičkomsistemuXIII.KodfazilogičkogsistemaCLXXXIXulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIX,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCXCulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XXIX, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LIX, aizlaznapromenljivakaoufazilogičkomsistemuXV.Kod fazi logičkog sistemaCXCI ulaznapromenljivaAgresivnost je definisanakaou fazi logičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVIII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaou fazi logičkom sistemu I. Kod fazi logičkog sistema CXCII ulazna promenljiva Agresivnost jedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVIII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuIII.

Prilog C

462

PrilogB.9.–VarijablekojefigurišuufazilogičkimsistemimaodCXCIIIdoCCVIIIKodfazi logičkogsistemaCXCIIIulaznapromenljivaAgresivnostjedefinisanakaoufazi logičkomsistemu I, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXI, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.Kodfazi logičkogsistemaCXCIVulaznapromenljivaAgresivnostjedefinisanakaoufazi logičkomsistemu II, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXII, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaou fazi logičkom sistemu I. Kod fazi logičkog sistema CXCV ulazna promenljiva Agresivnost jedefinisanakaoufazilogičkomsistemuII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaoufazilogičkomsistemuIII.Kodfazi logičkogsistemaCXCVIulaznapromenljivaAgresivnostjedefinisanakaoufazi logičkomsistemu IV, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXIV, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljivakaou fazi logičkom sistemu I. Kod fazi logičkog sistema CXCVII ulazna promenljiva Agresivnost jedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljivakaoufazilogičkomsistemuV.KodfazilogičkogsistemaCXCVIIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemu VI, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXVI, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCXCIXulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVI,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVI, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LI, a izlaznapromenljivakaoufazilogičkomsistemuVII.Kod fazi logičkog sistema CC ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemu VIII, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXVIII, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCCIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVIII,ulaznapromenljivaSamoprocenajedefinisanakaoufazi logičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.Kod fazi logičkog sistema CCII ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXL,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuI.Kod fazi logičkogsistemaCCIIIulaznapromenljivaAgresivnost jedefinisanakaou fazilogičkomsistemuX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXL,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuXI.Kod fazi logičkog sistemaCCIVulaznapromenljivaAgresivnost je definisanakaou fazi logičkomsistemu XII, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XLII, ulazna

Prilog C

463

promenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCCVulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLII, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LVII, a izlaznapromenljivakaoufazilogičkomsistemuXIII.Kod fazi logičkog sistemaCCVI ulaznapromenljivaAgresivnost je definisanakaou fazi logičkomsistemu XIV, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XLIV, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCCVIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXIV,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLIV, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LIX, a izlaznapromenljivakaoufazilogičkomsistemuXV.Kodfazi logičkogsistemaCCVIIIulaznapromenljivaAgresivnostjedefinisanakaoufazi logičkomsistemu IV, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXI, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.PrilogC.10.–VarijablekojefigurišuufazilogičkimsistemimaodCCIXdoCCXXVKodfazi logičkogsistemaCCIXulaznapromenljivaImpulsivnost jedefinisanakaoufazi logičkomsistemu XVI, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXI, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.Kod fazi logičkog sistemaCCXulaznapromenljiva Impulsivnost jedefinisanakaou fazi logičkomsistemu XVII, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXII, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaou fazi logičkom sistemu I. Kod fazi logičkog sistema CCXI ulazna promenljiva Impulsivnost jedefinisana kao u fazi logičkom sistemu XVII, ulazna promenljiva Rizik je definisana kao u fazilogičkomsistemuXXXII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaoufazilogičkomsistemuIII.KodfazilogičkogsistemaCCXIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XIX, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXIV, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCCXIIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XIX, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXIV, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljivakaoufazilogičkomsistemuV.KodfazilogičkogsistemaCCXIVulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XXI, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXVI, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljivakaoufazi logičkom sistemu I. Kod fazi logičkog sistema CCXV ulazna promenljiva Impulsivnost jedefinisanakaoufazilogičkomsistemuXXI,ulaznapromenljivaRizikjedefinisanakaoufazilogičkom

Prilog C

464

sistemu XXXVI, ulazna promenljiva Samoprocena je definisana kao u fazi logičkom sistemu LI, aizlaznapromenljivakaoufazilogičkomsistemuVII.KodfazilogičkogsistemaCCXVIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIII,ulaznapromenljivaRizik jedefinisanakaou fazi logičkomsistemuXXXVIII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIII,aizlaznapromenljivakaoufazi logičkom sistemu I. Kod fazi logičkog sistema CCXVII ulazna promenljiva Impulsivnost jedefinisana kao u fazi logičkom sistemu XXIII, ulazna promenljiva Rizik je definisana kao u fazilogičkom sistemu XXXVIII, ulazna promenljiva Samoprocena je definisana kao u fazi logičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.KodfazilogičkogsistemaCCXVIIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XXV, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XL, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazi logičkom sistemu I. Kod fazi logičkog sistema CCXIX ulazna promenljiva Impulsivnost jedefinisana kao u fazi logičkom sistemu XXV, ulazna promenljiva Rizik je definisana kao u fazilogičkomsistemuXL,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuXI.KodfazilogičkogsistemaCCXXulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XXVII, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XLII, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljivakaou fazi logičkom sistemu I. Kod fazi logičkog sistema CCXXI ulazna promenljiva Impulsivnost jedefinisana kao u fazi logičkom sistemu XXVII, ulazna promenljiva Rizik je definisana kao u fazilogičkomsistemuXLII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljivakaoufazilogičkomsistemuXIII.KodfazilogičkogsistemaCCXXIIulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XXIX, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XLIV, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljivakaoufazi logičkom sistemu I. Kod fazi logičkog sistema CCXXIII ulazna promenljiva Impulsivnost jedefinisana kao u fazi logičkom sistemu XXIX, ulazna promenljiva Rizik je definisana kao u fazilogičkomsistemuXLIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljivakaoufazilogičkomsistemuXV.KodfazilogičkogsistemaCCXXIVulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemu XVIII, ulazna promenljiva Rizik je definisana kao u fazi logičkom sistemu XXXI, ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaou fazi logičkom sistemu I. Kod fazi logičkog sistema CCXXV ulazna promenljiva Impulsivnost jedefinisana kao u fazi logičkom sistemu XVIII, ulazna promenljiva Rizik je definisana kao u fazilogičkomsistemuXXXI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuIII.

Prilog C

465

PrilogB.11.–VarijablekojefigurišuufazilogičkimsistemimaodCCXXVIdoCCXLIIKodfazilogičkogsistemaCCXXVIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemu I,ulaznapromenljiva Impulsivnost jedefinisanakaou fazi logičkomsistemuXVI, ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCCXXVIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCCXXVIIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVII,aizlaznapromenljivakaoufazilogičkomsistemuIII.KodfazilogičkogsistemaCCXXIXulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXIX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCCXXXulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXIX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLIX,aizlaznapromenljivakaoufazilogičkomsistemuV.KodfazilogičkogsistemaCCXXXIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVI,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXI,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljivakaoufazilogičkomsistemuI.Kodfazi logičkog sistema CCXXXII ulazna promenljiva Agresivnost je definisana kao u fazi logičkomsistemuVI,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXI,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLI,aizlaznapromenljivakaoufazilogičkomsistemuVII.KodfazilogičkogsistemaCCXXXIIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVIII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIII,ulaznapromenljiva Rizik je definisana kao u fazi logičkom sistemu XXXVIII, ulazna promenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCCXXXIVulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuVIII,ulaznapromenljiva Impulsivnost jedefinisanakaou fazi logičkomsistemuXXIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXVIII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIII,aizlaznapromenljivakaoufazilogičkomsistemuIX.KodfazilogičkogsistemaCCXXXVulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuX,ulaznapromenljivaImpulsivnostjedefinisanakaoufazi logičkomsistemuXXV,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXL,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuI.Kodfazi logičkog sistema CCXXXVI ulazna promenljiva Agresivnost je definisana kao u fazi logičkom

Prilog C

466

sistemuX,ulaznapromenljivaImpulsivnostjedefinisanakaoufazi logičkomsistemuXXV,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXL,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLV,aizlaznapromenljivakaoufazilogičkomsistemuXI.KodfazilogičkogsistemaCCXXXVIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXVII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljivakaoufazilogičkomsistemuI.Kodfazi logičkogsistemaCCXXXVIIIulaznapromenljivaAgresivnost jedefinisanakaou fazi logičkomsistemuXII,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXVII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLII,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLVII,aizlaznapromenljivakaoufazilogičkomsistemuXIII.KodfazilogičkogsistemaCCXXXIXulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuXIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljivakaoufazilogičkomsistemuI.Kod fazi logičkog sistemaCCXLulaznapromenljivaAgresivnost jedefinisanakaou fazi logičkomsistemuXIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXXIX,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXLIV,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuLIX,aizlaznapromenljivakaoufazilogičkomsistemuXV.Kodfazi logičkogsistemaCCXLIulaznapromenljivaAgresivnost jedefinisanakaoufazi logičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuI.KodfazilogičkogsistemaCCXLIIulaznapromenljivaAgresivnostjedefinisanakaoufazilogičkomsistemuIV,ulaznapromenljivaImpulsivnostjedefinisanakaoufazilogičkomsistemuXVIII,ulaznapromenljivaRizikjedefinisanakaoufazilogičkomsistemuXXXI,ulaznapromenljivaSamoprocenajedefinisanakaoufazilogičkomsistemuXLVI,aizlaznapromenljivakaoufazilogičkomsistemuIII.

Biografijaautora

467

BIOGRAFIJAAUTORA

Mr Marjana Čubranić‐Dobrodolac rođena je 07.04.1978. godine u Požarevcu.

GimnazijujezavršilauPetrovcunaMlavi.DiplomiralajepsihologijunaFilozofskom

fakultetu Univerziteta u Beogradu 2005. godine. Odbranila je diplomski rad, sa

temomizoblastisaobraćajnepsihologije:„Osobine ličnosti vozačaisaobraćajne

nezgode“. Odbranila jemagistarsku tezu 2009. godine na Fakultetu za poslovne

studije Megatrend Univerziteta u Beogradu. Naziv magistarske teze je „Značaj

intervjuakaometodeprofesionalneselekcije“.

Od2005.godinejebilaangažovanakaosaradnikunastavinaKatedrizasaobraćajnu

psihologiju na Saobraćajnom fakultetu, na sledećim nastavnim predmetima:

Saobraćajna psihologija, Osnovi ergonomije, Ponašanje korisnika i Upravljanje

ljudskim resursima. U zvanje asistenta izabrana je 2010. godine. Oblasti

interesovanja kandidatkinje su: ponašanje vozača, percepcija, profesionalna

selekcijakadrova,umor,stresnaradu,ergonomija.

Udosadašnjemraduobjavilajekaoautorilikoautor66radova,odkojihje6radova

umeđunarodnimčasopisimakojisereferišuuWebofScienceindeksnojbaziiimaju

JCR impaktfaktor(M20),33radauzbornicimaradovasameđunarodnihnaučnih

skupova(M30),3monografijenacionalnogznačaja(M40),6radovaučasopisima

nacionalnogznačaja(M50)i18radovauzbornicimaskupovanacionalnogznačaja

(M60).Kaočlanistraživačkogtimaučestvovalajeuizradi7naučno‐istraživačkihi

stručnihprojekata.ČlanjeDruštvapsihologaSrbije.

U svojoj dosadašnjoj višegodišnjoj pedagoškoj praksi pozitivno je ocenjivana u

procesu evaluacije nastavnog rada od strane studenata, visokim prosečnim

ocenamakojesekrećuuopseguod4,23do4,97.

Kandidatkinjakoristiodgovarajućeprogramskepaketekojisujojpotrebniusvom

radu,kaoštosuMSOffice,SPSS,programizacrtanje,itd.Govoriipišeengleskijezik.

468

PRILOG1.Izjavaoautorstvu

PotpisanimrMarjanaV.Čubranić‐Dobrodolac

brojindeksa:

Studijskiprogram:________________

Izjavljujem

dajedoktorskadisertacijapodnaslovom:


rezultatsopstvenogistraživačkograda, dapredloženadisertacijaucelininiudelovimanijebilapredloženazadobijanjebilo

kojediplomepremastudijskimprogramimadrugihvisokoškolskihustanova, dasurezultatikorektnonavedenii danisamkršioautorskapravaikoristiointelektualnusvojinudrugihlica.

UBeogradu,_________________

Potpisdoktorantkinje


469

PRILOG2.

Izjavaoistovetnostištampaneielektronskeverzijedoktorskograda

Imeiprezimeautora:mrMarjanaV.Čubranić‐Dobrodolac

Brojindeksa:

Studijskiprogram:________________

Naslovrada:


Mentor:Prof.drSvetlanaČičević,redovniprofesorSaobraćajnogfakultetauBeogradu

PotpisanimrMarjanaV.Čubranić‐Dobrodolac

Izjavljujemdaještampanaverzijamogdoktorskogradaistovetnaelektronskojverzijikojusam predao za objavljivanje na portalu Digitalnog repozitorijuma Univerziteta uBeogradu. Dozvoljavamdaseobjavemoji ličnipodacivezanizadobijanjeakademskogzvanjadoktoranauka,kaoštosuimeiprezime,godinaimestorođenjaidatumodbranerada.

Ovi lični podaci mogu se objaviti na mrežnim stranicama digitalne biblioteke, uelektronskomkataloguiupublikacijamaUniverzitetauBeogradu.

UBeogradu,_________________



470

PRILOG3.Izjavaokorišćenju

OvlašćujemUniverzitetskubiblioteku"SvetozarMarković"dauDigitalnirepozitorijumUniverzitetauBeograduunesemojudoktorskudisertacijupodnaslovom:UTICAJKARAKTERISTIKAPUTEVANAPERCEPCIJURIZIKAIPONAŠANJEVOZAČAkojajemojeautorskodelo.

Disertacijusasvimprilozimapredalasamuelektronskomformatupogodnomzatrajnoarhiviranje.

MojudoktorskudisertacijupohranjenuuDigitalnirepozitorijumUniverzitetauBeogradumogu da koriste svi koji poštuju odredbe sadržane u odabranom tipu licenceKreativnezajednice(engl.CreativeCommons)zakojusamseodlučila.

1.Autorstvo

2.Autorstvo–nekomercijalno

3.Autorstvo–nekomercijalno–bezprerade

4.Autorstvo–nekomercijalno–delitipodistimuslovima

5.Autorstvo–bezprerade

6.Autorstvo–delitipodistimuslovima

(Molimodazaokružitesamojednuodšestponuđenihlicenci,kratakopislicencidatjenapoleđinilista).

UBeogradu,_________________



471

1.Autorstvo–Dozvoljavateumnožavanje,distribucijuijavnosaopštavanjedela,iprerade,akosenavede imeautorananačinodređenodstraneautora ilidavaoca licence, čak iukomercijalnesvrhe.Ovojenajslobodnijaodsvihlicenci.

2.Autorstvo–nekomercijalno.Dozvoljavateumnožavanje,distribucijuijavnosaopštavanjedela, iprerade,akosenavede imeautorananačinodređenodstraneautora ilidavaocalicence.Ovalicencanedozvoljavakomercijalnuupotrebudela.

3.Autorstvo–nekomercijalno–bezprerade.Dozvoljavateumnožavanje,distribucijuijavnosaopštavanje dela, bez promena, preoblikovanja ili upotrebe dela u svom delu, ako senavede imeautorananačinodređenodstraneautora ilidavaoca licence.Ova licencanedozvoljavakomercijalnuupotrebudela.Uodnosunasveostalelicence,ovomlicencomseograničavanajvećiobimpravakorišćenjadela.

4. Autorstvo – nekomercijalno – deliti pod istim uslovima. Dozvoljavate umnožavanje,distribucijuijavnosaopštavanjedela,iprerade,akosenavedeimeautorananačinodređenod strane autora ili davaoca licence i ako se prerada distribuira pod istom ili sličnomlicencom.Ovalicencanedozvoljavakomercijalnuupotrebudelaiprerada.

5.Autorstvo–bezprerade.Dozvoljavateumnožavanje, distribuciju i javno saopštavanjedela,bezpromena,preoblikovanjailiupotrebedelausvomdelu,akosenavedeimeautorananačinodređenodstraneautorailidavaocalicence.Ovalicencadozvoljavakomercijalnuupotrebudela.

6. Autorstvo – deliti pod istim uslovima. Dozvoljavate umnožavanje, distribuciju i javnosaopštavanjedela,iprerade,akosenavedeimeautorananačinodređenodstraneautorailidavaocalicenceiakosepreradadistribuirapodistomilisličnomlicencom.Ovalicencadozvoljavakomercijalnuupotrebudelaiprerada.Sličnajesoftverskimlicencama,odnosnolicencamaotvorenogkoda.

UTICAJ KARAKTERISTIKA PUTEVA NA PERCEPCIJU RIZIKA I ...

Documents

Transcript of UTICAJ KARAKTERISTIKA PUTEVA NA PERCEPCIJU RIZIKA I ...