Bevezetés: a téma jelentősége, rendszer-szintű keret
A közlekedésbiztonságban a legkönnyebben eladható mondatok általában így hangzanak: „bevezetjük ezt az eszközt”, „átalakítjuk azt a csomópontot”, „okosabb lesz a jármű”, „szigorítjuk a vizsgát”, és ettől „biztonságosabb lesz a közlekedés”. A valóságban azonban a biztonság ritkán egyetlen intézkedés „direkt hozama”, sokkal inkább egy rendszer kimenete, amelyben az út kialakítása, a jármű, a szabályozás, az ellenőrzés, a képzés-vizsga logika, valamint az emberi döntések és szokások folyamatosan egymásra reagálnak. Ezt a reakciót – jó esetben rugalmas alkalmazkodást, rosszabb esetben kedvezőtlen mellékhatást – nevezi a szakirodalom viselkedési adaptációnak, és ennek egyik speciális, vitákat kiváltó formája a kockázatkompenzáció (Hedlund, 2000).
A kockázatkompenzációt sokan úgy képzelik el, mint egy „rossz emberi tulajdonságot”: ha kapunk egy védőhálót, akkor „megbolondulunk” és többet kockáztatunk. A közlekedéspszichológia megközelítéséből ez azonban túl egyszerű feltételezés. A vezetés valójában egy állandó, mikrodöntésekből álló szabályozási feladat: sebességet választunk, követési távolságot tartunk, figyelmet osztunk meg, komfortzónát keresünk. Ha egy beavatkozás megváltoztatja a feladat érzetét – könnyebbnek, kiszámíthatóbbnak, „kevesebb munkának” tűnik –, akkor teljesen emberi, hogy ennek megfelelően átállítjuk a saját működésünket. A valódi kérdés nem az, hogy történik‑e alkalmazkodás, hanem az, hogy az milyen irányt vesz, és milyen mechanizmusok miatt csökkenhet a beavatkozás várható nettó hatása (Smiley & Rudin-Brown, 2020).
Azért különösen aktuális mindez az EU-ban – és ebben a keretben Magyarországon is –, mert egyszerre fut több nagy változás: a járművek egyre több vezetőtámogató funkciót kapnak; a sebességmenedzsment (például ISA-jellegű megoldások) erősödik; a képzés és vizsgarendszer pedig egyre inkább szembesül azzal, hogy nem elég a szabályismeret, a „veszély előrejelzés” és „veszélykezelés” képessége is fontos Ha a rendszer bármely pontján a tervezett nyereséget csökkenti egy viselkedési mellékhatás, akkor a döntéshozó számára a legjobb kérdés így hangzik: hogyan őrizzük meg a nettó biztonsági hozamot? (Hedlund, 2000).
Fogalmi keret és definíciók: kulcsfogalmak, taxonómia
A fogalmak tisztázása azért fontos, mert a szakmai viták gyakran nem arról szólnak, amiről gondoljuk. „Kockázatkompenzációt” emlegetünk, miközben valójában „viselkedési adaptációt” mérünk; kockázati egyensúlyról beszélünk, miközben a vezető talán nem a baleseti valószínűséget, hanem a feladat nehézségét szabályozza.
A kockázatkompenzáció (risk compensation) legegyszerűbb állítása: ha valaki egy beavatkozástól (eszköztől, szabálytól, infrastruktúrától) biztonságosabbnak érzi magát, akkor bizonyos helyzetekben megengedőbbé válhat saját magával szemben – gyorsabban megy, később fékez, rövidebb követési távolságot tart. Hedlund (2000) ugyanakkor nagyon világossá teszi: ez nem automatikus, és nem is minden beavatkozásnál egyforma valószínű. Fontos tényező például, hogy a beavatkozás a baleset bekövetkezésének esélyét csökkenti-e, vagy „csak” a sérülés súlyosságát mérsékli; az emberek ugyanis gyakran a közvetlenül érzékelt előnyökre reagálnak (Hedlund, 2000).
A kockázati egyensúly klasszikus jelentése, hogy az emberek egy „célkockázat” körül tartják a viselkedésüket. A modern közlekedéspszichológiai értelmezés azonban gyakran a „kockázat” helyett egy közelebbi, operatív változót emel ki: a vezetési feladat szubjektív nehézségét. Fuller (2005) „Towards a general theory of driver behaviour” című elméleti munkája – amely kifejezetten a kockázati egyensúly és rokon elképzelések kontextusában érvel – amellett tesz hitet, hogy a vezetők sokszor inkább azt próbálják stabilan tartani, mennyire nehéz a feladat az aktuális képességeikhez képest. Ha a környezet „könnyebbnek” tűnik, a sebesség gyakran feljebb megy, mert így a feladat újra „ugyanolyan” lesz – csak gyorsabban zajlik (Fuller, 2005).
A viselkedési adaptáció (behavioral adaptation) ezzel szemben egy tágabb ernyőfogalom. Nem azt sugallja, hogy a vezető „visszaveszi” a nyereséget, csak azt, hogy változtat. Smiley és Rudin-Brown (2020) tanulmányukban kiemelik, hogy az adaptáció a normál vezetés része: mindig alkalmazkodunk a forgalomhoz, az időjáráshoz, a látási viszonyokhoz, a saját állapotunkhoz. A közlekedésbiztonsági tervezésnek ezért nem „kivételként” kell kezelnie az adaptációt, hanem alapfeltevésként: ha valamit megváltoztatunk, a viselkedés is változni fog – a kérdés, hogy ezt hogyan tereljük a kedvező mederbe (Smiley & Rudin-Brown, 2020).
Ez a fogalmi tisztázás különösen fontos az ADAS világában. Itt ugyanis nem egyszerűen a járművezetők sebességválasztása a fontos, hanem az is, hogy mikor bízik a rendszerben, hogyan épül fel a mentális modellje, és mi történik, ha a rendszer néha téved, néha pedig csendben marad. Az ADAS-szal kapcsolatos kedvezőtlen adaptáció sokszor nem „kockázatéhség”, hanem rossz kalibráció: a vezető azt hiszi, a rendszer „mindent lát”, miközben valójában csak bizonyos feltételek mellett működik jól (Reinmueller & Steinhauser, 2019).
Mérési és módszertani alapok: hogyan mérik, mi a validitás logikája?
A kockázatkompenzációról szóló viták egyik oka, hogy nagyon könnyű félremérni. A baleset ritka esemény; a baleseti adat sok mindentől függ (forgalom, időjárás, járműpark, szabályozás, ellenőrzés, egészségügyi ellátás, jelentési fegyelem). Ezért a kutatások gyakran „köztes” mutatókat mérnek: sebességet, követési távolságot, reakcióidőt, manőverek biztonságát, figyelemmegosztást, kockázatészlelést. Ezek jók, csak tudni kell: mit jelentenek, és mikor torzítanak.
Dulisse (1997) klasszikus módszertani figyelmeztetése ebben a témában szinte tankönyvi: a kockázatkompenzáció hipotézise logikailag elsősorban azoknál tesztelhető, akik észlelik a beavatkozást és annak védőhatását. Ha a mintában sok olyan ember van, aki nem érzékeli a változást – vagy nem használja az eszközt, nem érti a funkciót – akkor az „átlaghatás” könnyen elmosódik, és úgy tűnhet, mintha nem lenne adaptáció, miközben a releváns alcsoportban lehet (Dulisse, 1997). Ez a gondolat különösen jól átvihető a modern ADAS-ra: ha a vezető nem érti a működési feltételeket, akkor nem is ott és nem is úgy fog „kompenzálni”, ahogy a tervező gondolná.
A veszélyészlelés (hazard perception – HP) és veszélyelőrejelzés területén a mérés külön tudomány. Moran, Bennett és Prabhakharan (2019) szisztematikus áttekintésben kifejezetten azt vizsgálja, hogy a HP-tesztek milyen módszertani megoldásokkal tudják jól elkülöníteni a kezdő és tapasztalt közlekedőket. Ez azért fontos a kockázatkompenzáció szempontjából is, mert a kompenzáció gyakran nem „szándékos rosszalkodás”, hanem a veszély felismerésének és a helyzet megértésének minőségén múlik: aki későn látja a kockázatot, későn is korrigál – és ha közben egy támogató rendszer „kényelmet” ad, könnyebben csúszik bele egy rossz stratégiába (Moran et al., 2019).
A mérés fejlődésének jó példája Castro és munkatársai (2020) cikke, amelyben veszélyészlelés és -előrejelzés tesztet fejlesztettek különböző közlekedői nézőpontra (gyalogos, kerékpáros, autós) vonatkoztatva, éppen arra építve, hogy a „globális forgalmi helyzet megértése” több perspektívát igényel. Ez a gondolat képzés-vizsga oldalról azért lényeges, mert a közlekedési helyzetekben a veszély gyakran nem a vétkes sofőrt fenyegeti, hanem a másik szereplő perspektívájából érkezik; a jó vezető folyamatosan perspektívát vált. Egy ilyen teszt- és tréninglogika csökkentheti annak esélyét, hogy a vezető csak a „saját sávjában” gondolkodjon, és közben túl sokat bízzon egy technológiában vagy egy „biztonságosabbnak” tűnő környezetben (Castro et al., 2020).
Empirikus eredmények szintézise: konszenzusok, eltérések, magyarázó mechanizmusok
A nagy kép talán így foglalható össze: a legtöbb komoly kutatás nem azt mondja, hogy „a biztonsági beavatkozások nem érnek semmit”, hanem azt, hogy a nettó hatás attól függ, milyen csatornákon érintjük az embert. A viselkedés a legtöbbször ott változik, ahol a vezető a legtöbb „szabadságfokot” érzi: sebességben, követési távolságban, figyelemben, manőverek időzítésében. És ezek közül a sebesség különösen fontos, mert sok más változóval együtt mozog: ha gyorsabban megyünk, rövidebb időnk marad az esetleges reakciókra, másképp osztjuk a figyelmet, és a hiba ára is nő.
Infrastruktúra: amikor a biztonságérzet „megengedi” a gyorsulást
Assum és munkatársai (1999) a közvilágítás kapcsán egy kifejezetten szemléletes kérdést tesz fel: ha az út „biztonságosabbnak” tűnik a világítás miatt, akkor a vezető változtat-e a viselkedésén? Eredményeik azt sugallják, hogy bizonyos értelemben igen: megjelenhet gyorsulás és a koncentráció jellegének változása, ami a kompenzáció logikájával kompatibilis. A kutatás üzenete nem az, hogy „ne legyen közvilágítás”, hanem az, hogy a beavatkozás mellé célszerű olyan kísérő elemeket is tervezni, amelyek a kívánt sebesség- és figyelemszintet stabilizálják (Assum et al., 1999).
A „feladatnehézség-szabályozás” gondolatát Lewis-Evans és Charlton (2006) szimulátoros kísérlete keretezte: amikor a kutatók az út szélességét manipulálták, a vezetők sebessége és oldaltartása is változott, részben olyan módon, ami nem teljesen tudatos folyamatokra utalt. Itt érhető tetten Fuller (2005) elméleti állítása a gyakorlatban: a vezető nem feltétlenül „kockázatot számol”, hanem egy vezetési élményt – terhelést, komfortot – tart egy tartományban, és ebben a sebesség a legkézenfekvőbb szabályozó (Lewis-Evans & Charlton, 2006; Fuller, 2005).
Járműbiztonság: ABS, légzsák és a „váratlan” mintázatok
A járműbiztonsági eszközök világa azért érdekes a kockázatkompenzáció szempontjából, mert itt sokszor nem az történik, hogy „többet vállalunk”, hanem az, hogy a vezető és a technológia közötti együttműködés nem optimális. Harless és Hoffer (2002) az ún. ABS-anomáliát tárgyalja, és azt mutatja, hogy a kedvezőtlen mintázat magyarázatában nem csak a kockázatkompenzáció hipotézise merül fel, hanem a „nem megfelelő üzemeltetés” – vagyis az, hogy bizonyos vezetői állapotokban vagy szokások mellett az ABS-szel felszerelt járművet nem úgy kezelik, ahogy kellene. A cikk egyik erős üzenete, hogy a technológiai beavatkozás eredménye sokszor nem pusztán pszichológia, hanem kompetencia és helyes használat is (Harless & Hoffer, 2002).
Sagberg, Fosser és Sætermo (1997) taxisok körében vizsgálta a légzsák és ABS melletti viselkedési adaptációt. A taxis minta persze speciális, de éppen ezért tanulságos: sok vezetési óra, rutinszerű forgalmi helyzetek, stabil munkakörnyezet. A vizsgálat arra irányul, hogy a passzív és aktív biztonsági elemek együtt hogyan alakíthatják a követési távolságot, valamint más viselkedésmutatókat. A részletekbe menő következtetések mindig kontextusfüggők, de a szélesebb üzenet átvihető: ha a vezető úgy érzi, hogy a saját kockázatvállalási hajlandóságának maximumát még nem érte el, akkor a különbözet egy részét hajlamos elhasználni – gyakran nem tudatos „kompenzációként”, hanem egyszerűen más beállításként (Sagberg et al., 1997).
ADAS: megbízhatóság, elvárások és túlzott bizalom
Az ADAS világában a kockázatkompenzáció kérdése sokkal finomabb, mint a sebesség megfelelő megválasztásának kérdésköre. Itt gyakran az történik, hogy átrendeződik a vezető figyelme és döntési küszöbe: később reagál, mert „úgyis szól”; kevesebb tartalékot hagy, mert „úgyis beavatkozik”; vagy éppen összezavarodik, mert a rendszer néha jól működik, néha pedig nem ott és nem úgy segít, ahogy várta.
Reinmueller és Steinhauser (2019) cikkükben adaptív frontális ütközésre figyelmeztető (forward collision warning – FCW) rendszert vizsgáltak, és megállapították, hogy az imperfect, azaz nem tökéletes technológia két úton hibázhat: közvetlenül azzal, hogy rossz jelzést ad, és közvetetten azzal, hogy megsérti a vezető elvárásait, így kedvezőtlen eljárást indít be. Ez a gondolat rendkívül gyakorlati: a megbízhatóság nem csak „minőségi paraméter”, hanem a biztonsági hatás egyik feltétele. Ha a rendszer néha meglepően viselkedik, a vezető rossz helyen tanul rossz szabályt (Reinmueller & Steinhauser, 2019).
A kockázatkompenzáció ADAS-nál ráadásul nem áll meg a felhasználónál. Kinosada és munkatársai (2021) cikke egy nagyon elegáns, ugyanakkor kicsit nyugtalanító jelenséget mutat: ha a vezető azt hiszi, hogy a másik jármű AEB-vel (automatikus vészfékezéssel) rendelkezik, akkor csökkenhet a „defenzív vezetésre való hajlandóság”, például később fékez. Vagyis nem kell, hogy a saját járműben legyen ADAS – elég, ha a közlekedés résztvevői azt feltételezik, a többiek járműve „majd megoldja”. Ez a mechanizmus szabályozási és kommunikációs szempontból kulcs: a technológia társadalmi elterjedése új normákat és új elvárásokat építhet, és ezek visszahatnak a kockázatra (Kinosada et al., 2021).
Az intelligens sebességadaptáció (ISA) kapcsán Jamson, Chorlton és Carsten (2012) szimulátoros vizsgálata azért hasznos, mert rávilágít: egy alapvetően biztonsági célú sebességmenedzsment eszköz a manőverdöntések világában (például előzés) olyan kompromisszumokat hozhat elő, amelyeket külön kell tesztelni. Ez megint a rendszer-szemlélet felé való elmozdulást erősíti: nem elég azt kérdezni, hogy „csökken-e az átlagsebesség”, azt is nézni kell, hogyan alakulnak a kritikus manőverek, és nem hozunk-e létre újfajta kockázati helyzeteket (Jamson et al., 2012).
Smiley és Rudin-Brown (2020) rövid, de nagyon „józan” üzenete ebben a kontextusban különösen erős: a vezetők alkalmazkodnak, ezért a beavatkozások tervezésének része kell legyen az adaptáció előrejelzése és menedzselése. ADAS-nál ez tipikusan HMI (Human–Machine Interface – ember–gép kapcsolat) kérdés (mit jelez a rendszer, mikor, milyen következetességgel), képzés-kérdés (mit ért a vezető a működési tartományból), és visszacsatolás-kérdés (tanul-e a vezető a helyes szabályt) (Smiley & Rudin-Brown, 2020).
Védőfelszerelés: kerékpáros és motoros sisak – kompenzáció vagy biztonsági viselkedéscsomag?
A sisak körüli viták különlegesek, mert a sisak tipikusan a sérülés súlyosságát csökkenti, nem a baleset bekövetkezését. Ilyenkor a kockázatkompenzáció hipotézise gyakran úgy jelenik meg, hogy „sisakban bátrabbak vagyunk”. A valós kép azonban árnyalt.
Adams és Hillman (2001) klasszikus vitaindító rövid cikke a kerékpáros sisak és a kockázat kompenzáció kapcsolatát tárgyalja, és rámutat: a jelenség elméletileg lehetséges, de a következtetéseknél különösen óvatosnak kell lenni. A lényeg itt nem az, hogy „van-e” kompenzáció, hanem hogy milyen körülmények között és hogyan mérjük (Adams & Hillman, 2001).
Lardelli-Claret és munkatársai (2003) kifejezetten empirikus úton, kerékpáros adatokkal közelít a kérdéshez: a sisakhasználat és a közlekedési szabályszegések (például forgalmi vétségek) kapcsolatát elemzik, a kockázat kompenzáció hipotézis tesztelésével. Az ilyen típusú vizsgálatok egyik állandó nehézsége a szelekció: lehet, hogy aki sisakot hord, eleve más típusú közlekedő. De ettől még értékesek, hiszen a valós világ mintázatairól adnak képet, és segítenek elkülöníteni azt a két narratívát, hogy a sisakhasználatot az egyébként is extrémebbnek tekinthető kerékpárhasználat, vagy az óvatosság – mintegy biztonsági viselkedéscsomag – indokolja (Lardelli-Claret et al., 2003).
Phillips, Fyhri és Sagberg (2011) a sisak-kockázat kapcsolatot még közelebb hozza a viselkedéshez: nem csak önbevalláson alapuló adatokat vizsgál, hanem viselkedési változókat és egy lehetséges objektív indikátort is (például a szubjektív kockázatérzethez kapcsolt fiziológiai mutatók vizsgálatának előkészítésével). A cikk értéke itt az, hogy a „kompenzáció” kérdését több csatornán próbálja megfogni, és ezzel jelzi: a vita nem oldható fel egyetlen mutatóval. Ráadásul az eredmények interpretációja óvatos: a mérés módszertana és a kontextus nagyon sokat számít (Phillips et al., 2011).
A motoros sisak kapcsán Ouellet (2011) különösen tiszta mondatot fogalmaz meg: a vizsgált adatok nem támasztják alá, hogy a sisak által nyújtott többletbiztonságot a motorosok általánosan „visszavennék” fokozott kockázatvállalással; a cikkben ugyanakkor megjelenik az a finom jelzés, hogy a sisakhasználat összefügghet a nagyobb kitettséggel (több utazással), ami megint csak a szelekció és az expozíció fontosságára hívja fel a figyelmet (Ouellet, 2011).
Beavatkozások / tréningek / szabályzási lehetőségek: mi működik, milyen feltételekkel?
A korábban bemutatottak alapján a beavatkozások nem vákuumban hatnak, és a viselkedés a „szabadon állítható” paramétereken keresztül reagál. Innen nézve a szabályozási kérdés nem az, hogy hogyan lehet az emberi természetet módosítani, hanem az, hogy hogyan tervezzünk úgy, hogy az emberi adaptáció ne a várható előnyöket csökkentse, hanem inkább ráerősítsen arra.
ADAS esetén az első ilyen feltétel a megbízhatóság és a kiszámíthatóság. Reinmueller és Steinhauser (2019) eredményei alapján a hibás vagy váratlan jelzések nem csak pillanatnyi problémát jelentenek; a vezető tanul a rendszerből, és ha rossz szabályt tanul, a későbbi helyzetekben hibás döntésekhez vezethet. Ez a kialakítás szintjén azt jelenti, hogy az adaptív rendszereknél a „mikor és hogyan avatkozunk be” logikája legalább akkora biztonsági tényező, mint maga az érzékelő teljesítménye (Reinmueller & Steinhauser, 2019).
A második feltétel a kommunikáció és a várakozásmenedzsment – nem csak a felhasználó, hanem a teljes közlekedői közösség felé. Kinosada és munkatársai (2021) alapján a puszta hit is, hogy a másik jármű képes automatikusan vészfékezni, módosíthatja a saját viselkedésünket. Emiatt a „mit állítunk a rendszerről” és a „mit hisz róla a közösség” nem PR-kérdés, hanem közvetett biztonsági tényezők (Kinosada et al., 2021).
A harmadik feltétel a képzés és a kompetencia. Harless és Hoffer (2002) az ABS példáján mutatja, hogy a kedvezőtlen mintázatok mögött lehet helytelen használat és nem optimális vezető–technológia együttműködés is. Vagyis bizonyos technológiák bevezetésének része kell legyen a „használati tudás” – akár képzésben, akár tájékoztatásban, akár a járműben megjelenő visszajelzésekben (Harless & Hoffer, 2002).
A HP‑tréningek területén ezzel szemben kedvezőbb a kép, mivel több friss, összegző bizonyíték is rendelkezésre áll. Horswill és munkatársai (2021) hat alkalmas, automatizált online tréninget mutat be, amely sok videós példával dolgozik, és kifejezetten arra épít, hogy a hagyományos járművezető-oktatásban túl kevés „ritka, de kritikus” eseményt látunk ahhoz, hogy abból tanulni lehessen. A tanulság különösen jól illeszkedik vizsgarendszeri gondolkodásba: ami ritka a valóságban, azt a képzésnek kell „gyakorisággá” tennie, különben a tanuló nem épít stabil mintázatfelismerést (Horswill et al., 2021).
Prabhakharan és munkatársai (2024) szisztematikus áttekintése és elemzése pedig azt az összképet erősíti, hogy a HP tréningek általában javítják a készséget, és módszertani szinten azt is sugallja, hogy az aktív, bevonó tréningek és a nem egyszeri alkalmak következetesebb javulást hozhatnak. A kockázatkompenzáció szempontjából itt az a lényeg, hogy a tréning ne csak „gyors reakciót” tanítson, hanem kockázati kalibrációt is: a jó veszélyészlelés nem arra való, hogy bátrabban menjünk, hanem arra, hogy hamarabb lássuk a „nem látható” veszélyt, és így több reakcióidő-tartalékunk legyen (Prabhakharan et al., 2024; Moran et al., 2019).
Implementáció (képzés/vizsga/rendszer): mérési pontok, digitális értékelés, bevezetési logika
A gyakorlati megvalósítás kulcsa az, hogy a kockázatkompenzációt ne „erkölcsi vitaként”, hanem minőségbiztosítási feladatként kezeljük. Ha bevezetünk egy új eszközt vagy új vizsgakomponenst, akkor előre megfogalmazzuk: mi a kívánt hatás, és melyek azok a viselkedésmutatók, amelyek – ha kedvezőtlen irányba mozdulnak – azt jelzik, hogy a várt előnyök egy része elillan. Ez pontosan az a gondolat, amire Hedlund (2000) épít: a kompenzációt nem tagadni vagy túlmisztifikálni kell, hanem be kell építeni az értékelési tervbe.
Képzés és vizsga szintjén a HP ebben kiváló „híd”. Moran és munkatársai (2019) áttekintése megmutatja, hogy a HP tesztek módszertanilag jól megfoghatóak, és képesek különbséget tenni tapasztalati szintek között. Castro és munkatársai (2020) pedig azt hangsúlyozzák, hogy a mérés ne csak a személygépjármű vezetők szemszögét vegye figyelembe, hanem több perspektívát integráljon. Ha a vizsgarendszer képes mérni, hogy a jelölt mikor észleli a veszélyt, hogyan jósolja meg a következő lépést, és mennyire tud „másik közlekedő fejével” gondolkodni, akkor kisebb eséllyel alakul ki az a helyzet, hogy a jelölt egy új technológiát vagy egy „biztonságosabbnak” tűnő utat magasabb kockázatvállalási hajlandósággal kezel.
ADAS-irányban a képzés-vizsga implementáció legérzékenyebb pontja a bizalom kalibrációja. A Reinmueller és Steinhauser (2019) által bemutatott várakozás-sértés és a Kinosada et al. (2021) által kimutatott „nem-felhasználói adaptáció” együtt arra figyelmeztet, hogy a rendszer kommunikáció és a felhasználói mentális modell figyelembevétele nem hanyagolható el. Vagyis az ADAS-funkciókhoz (különösen a fékezéshez, követési távolsághoz, sebességhez kapcsolódókhoz) célszerű olyan tananyagot és mini-validációt társítani, amely nem csak „mit csinál”, hanem „mikor nem csinál” típusú tudást is mér. A vizsgának itt nem kell „mérnöki részletekbe” mennie; elég, ha a jelölt stabilan érti a korlátokat és a saját felelősségét – ez már csökkenti a hamis biztonságérzet kockázatát.
A bevezetés ütemezésében a legbiztonságosabb, ugyanakkor leginkább tanulóképes megoldás a pilot–mérés–iteráció. A pilot lényege nem az, hogy „kicsiben kipróbáljuk”, hanem az, hogy előre rögzítjük a mutatókat: például HP teljesítmény, döntési idők, kritikus manőverek (előzés, kereszteződés-megközelítés) hibamintái, és ADAS-szal kapcsolatos elvárások. Itt Dulisse (1997) módszertani figyelmeztetése különösen hasznos: a kiértékelésben érdemes elkülöníteni azokat, akik valóban „észlelik” a beavatkozást (például aktív ADAS-használók, vagy olyan jelöltek, akik erős bizalommal írják le a rendszert), mert a kompenzáció – ha van – gyakran náluk látszik.
Magyar és EU-s környezetben a fenti logika azért előnyös, mert nem feltételezi, hogy minden részletes, összehasonlítható adat azonnal rendelkezésre áll. Ha bizonyos bontások vagy hosszú idősorok jelenleg korlátozottan hozzáférhetők összehasonlítható formában, akkor a pilot mérései (digitális HP tesztek, standardizált kérdőívek, szimulátoros modulok) gyorsan képesek „helyben” evidenciát termelni – és ez később skálázható EU-s sztenderdekhez is (Moran et al., 2019; Prabhakharan et al., 2024).
Korlátok és kutatási hiányok: óvatosan, építően
A kockázatkompenzáció témájában a legfontosabb intellektuális fegyelem az, hogy ne akarjunk egyetlen mondattal „lezárni” egy komplex jelenséget. A legtöbb bizonyíték kontextusfüggő: más a hatás szimulátorban és más a valóságban; más fiataloknál és más tapasztaltaknál; más városban és más külterületen; más akkor, ha a beavatkozás mindenki számára látható, és más akkor, ha csak a felhasználó „érzi”.
Módszertani oldalon a legnagyobb kockázat a hamis nulla eredmény: ha rossz a design, ha a releváns alcsoportot nem különítjük el, ha a mutatóink nem azt fogják meg, ahol a viselkedés ténylegesen változik, akkor könnyen mondhatjuk azt, hogy „nincs kompenzáció” – miközben csak nem láttuk meg (Dulisse, 1997).
Az ADAS-nál a hosszú távú tanulási görbék figyelembevétele jelenti a kutatási hiányokat. A szimulátoros vizsgálatok – például Reinmueller és Steinhauser (2019), Jamson et al. (2012), Kinosada et al. (2021) – nagyon erősek abban, hogy megmutatják az elvárás-sértés, a bizalom és a döntési küszöbök logikáját, de a valós világban hónapok alatt alakul ki a rutin, és a rutin néha jobban számít, mint az első benyomás. Ezért a bevezetési értékelésekben érdemes nem csak az „első héten” mért mutatókat nézni, hanem későbbi utánkövetést is tervezni.
A sisakviselés megítélésének esetében a kutatási hiány gyakran az expozíció pontos mérése. Ouellet (2011) is jelzi, hogy a sisakhasználat és a megtett távolság összefügghet; ez már önmagában bonyolítja a „kompenzál-e?” kérdést, mert a kockázat az expozícióval is nő. Ugyanez igaz kerékpárral közlekedőkre is: nem mindegy, ki mennyit, hol, vagy milyen forgalomban közlekedik. A biztonsági viselkedéscsomag jelenség (sisak és más óvatossági viselkedések) és a kockázatkompenzáció elválasztása ezért empirikusan nehéz, de nem lehetetlen – csak pontos, többváltozós gondolkodást igényel (Lardelli-Claret et al., 2003; Ouellet, 2011).
Összegzés és vezetői üzenetek
A közlekedésbiztonsági beavatkozások tervezésekor érdemes kiindulópontként elfogadni azt az alapvető megfigyelést, hogy a közlekedők viselkedése alkalmazkodik a környezethez és a technológiákhoz. A vezetők nem passzív szereplők: érzékelik a környezet változásait, és ennek megfelelően módosítják viselkedésüket, például sebességválasztásukat, figyelmi stratégiáikat vagy kockázatvállalási hajlandóságukat. Ezért a közlekedésbiztonsági intézkedések hatását nem lehet kizárólag technikai paraméterek alapján megítélni; a viselkedési alkalmazkodást a tervezési és értékelési folyamat szerves részévé kell tenni (Hedlund, 2000; Smiley & Rudin-Brown, 2020). Ebből következik az is, hogy a kockázatkompenzáció kérdését nem érdemes elméleti vitaként kezelni. Sokkal produktívabb, ha a jelenséget mérési és minőségbiztosítási problémaként fogjuk fel: a beavatkozások hatását előre definiált indikátorokkal, pilotvizsgálatokkal és iteratív értékeléssel kell követni, így a viselkedési hatások is empirikusan vizsgálhatók (Dulisse, 1997; Hedlund, 2000).
Az infrastruktúra tervezése különösen érzékeny a viselkedési alkalmazkodásra. Ha egy út vagy útszakasz „könnyebbnek” vagy biztonságosabbnak tűnik, az gyakran nagyobb sebességválasztást tesz lehetővé a vezetők számára. Emiatt a fizikai kialakítás mellett a vezetők sebességérzetét és a kritikus helyzetek felismerését támogató elemekre is szükség lehet, például optikai sebességcsillapításra, vizuális ritmusokra vagy olyan környezeti jelzésekre, amelyek stabilizálják a sebességválasztást (Assum et al., 1999; Lewis-Evans & Charlton, 2006; Fuller, 2005). Hasonló logika érvényesül a járműbiztonsági technológiák esetében is. Egy új biztonsági rendszer bevezetése nem csupán technológiai kérdés: a hatás jelentős részben attól függ, hogy a felhasználók hogyan értik és használják az adott rendszert. A kedvezőtlen használati mintázatok mögött sokszor nem szándékos kockázatvállalás, hanem a technológia és a vezetői kompetencia közötti illeszkedési probléma, illetve a használati rutinok hiánya áll (Harless & Hoffer, 2002).
Ez különösen igaz a vezetéstámogató rendszerek (ADAS) esetében, ahol a megbízhatóság és a kiszámíthatóság kulcsfontosságú. Egy váratlan vagy nehezen értelmezhető jelzés nem csupán egyszeri működési hiba lehet, hanem a felhasználók tanulási folyamatait is kedvezőtlen irányba befolyásolhatja, például bizalmatlanságot vagy téves használati mintázatokat alakíthat ki (Reinmueller & Steinhauser, 2019). Emellett azt is figyelembe kell venni, hogy az új technológiák hatása nem korlátozódik a közvetlen felhasználókra. A közlekedés összetett rendszer: a közlekedők egymás viselkedésére reagálnak, és az elvárások gyorsan terjednek. Egyes technológiák – például az automatikus fékezés vagy más aktív biztonsági rendszerek – a többi közlekedő viselkedését is befolyásolhatják, akár a járművel szembeni elvárások módosításán keresztül (Kinosada et al., 2021).
A viselkedési tényezők kezelése szempontjából különösen ígéretes beavatkozási pont a vVeszélyfelismerés mérése és fejlesztése. A HP tréningek egyszerre fejlesztik a közlekedési helyzetek értelmezését és az előrelátó figyelmi stratégiákat, miközben a videóalapú digitális tesztek lehetővé teszik az objektív, skálázható mérési megoldásokat. Ezért a HP-mérés a képzés és a vizsgarendszer összekapcsolásának egyik ígéretes eszköze lehet (Moran et al., 2019; Horswill et al., 2021; Prabhakharan et al., 2024). Végül a védőfelszerelések – például a sisakhasználat – körüli viták arra emlékeztetnek, hogy a közlekedésbiztonsági hatások értékelésekor az egyszerű oksági narratívák gyakran félrevezetők. A viselkedési szelekció, az expozíció változása és az úgynevezett biztonsági viselkedéscsomag jelenség – vagyis hogy a biztonsági intézkedések gyakran együtt jelennek meg más viselkedési vagy környezeti változásokkal – mind befolyásolhatják a megfigyelt hatásokat. Emiatt a kommunikáció célja nem a túlzott biztonságérzet erősítése, hanem a kockázatok reális kalibrációja kell legyen (Adams & Hillman, 2001; Lardelli-Claret et al., 2003; Ouellet, 2011).
Forrás:
Adams, J., & Hillman, M. (2001). The risk compensation theory and bicycle helmets. Injury Prevention, 7(2), 89–90. https://doi.org/10.1136/ip.7.2.89
Assum, T., Bjørnskau, T., Fosser, S., & Sagberg, F. (1999). Risk compensation—the case of road lighting. Accident Analysis & Prevention, 31(5), 545–553. https://doi.org/10.1016/S0001-4575(99)00011-1
Dulisse, B. (1997). Methodological issues in testing the hypothesis of risk compensation. Accident Analysis & Prevention, 29(3), 285–292. https://doi.org/10.1016/S0001-4575(96)00082-6
Fuller, R. (2005). Towards a general theory of driver behaviour. Accident Analysis & Prevention, 37(3), 461–472. https://doi.org/10.1016/j.aap.2004.11.003
Harless, D. W., & Hoffer, G. E. (2002). The antilock braking system anomaly: A drinking driver problem? Accident Analysis & Prevention, 34(3), 333–341. https://doi.org/10.1016/S0001-4575(01)00030-6
Hedlund, J. (2000). Risky business: Safety regulations, risk compensation, and individual behavior. Injury Prevention, 6(2), 82–90. https://doi.org/10.1136/ip.6.2.82
Horswill, M. S., Hill, A., Silapurem, L., & Watson, M. O. (2021). A thousand years of crash experience in three hours: An online hazard perception training course for drivers. Accident Analysis & Prevention, 152, 105969. https://doi.org/10.1016/j.aap.2020.105969
Jamson, S., Chorlton, K., & Carsten, O. (2012). Could Intelligent Speed Adaptation make overtaking unsafe? Accident Analysis & Prevention, 48, 29–36. https://doi.org/10.1016/j.aap.2010.11.011
Kinosada, Y., Kobayashi, T., & Shinohara, K. (2021). Trusting Other Vehicles’ Automatic Emergency Braking Decreases Self-Protective Driving. Human Factors, 63(5), 880–895. https://doi.org/10.1177/0018720820907755
Lardelli-Claret, P., Luna-del-Castillo, J. de Dios, Jiménez-Moleón, J. J., García-Martín, M., Bueno-Cavanillas, A., & Gálvez-Vargas, R. (2003). Risk compensation theory and voluntary helmet use by cyclists in Spain. Injury Prevention, 9(2), 128–132. https://doi.org/10.1136/ip.9.2.128
Lewis-Evans, B., & Charlton, S. G. (2006). Explicit and implicit processes in behavioural adaptation to road width. Accident Analysis & Prevention, 38(3), 610–617. https://doi.org/10.1016/j.aap.2005.12.005
Moran, C., Bennett, J. M., & Prabhakharan, P. (2019). Road user hazard perception tests: A systematic review of current methodologies. Accident Analysis & Prevention, 129, 309–333. https://doi.org/10.1016/j.aap.2019.05.021
Ouellet, J. V. (2011). Helmet use and risk compensation in motorcycle accidents. Traffic Injury Prevention, 12(1), 71–81. https://doi.org/10.1080/15389588.2010.529974
Phillips, R. O., Fyhri, A., & Sagberg, F. (2011). Risk compensation and bicycle helmets. Risk Analysis, 31(8), 1187–1195. https://doi.org/10.1111/j.1539-6924.2011.01589.x
Prabhakharan, P., Bennett, J. M., Hurden, A., & Crundall, D. (2024). The efficacy of hazard perception training and education: A systematic review and meta-analysis. Accident Analysis & Prevention, 202, 107554. https://doi.org/10.1016/j.aap.2024.107554
Reinmueller, K., & Steinhauser, M. (2019). Adaptive forward collision warnings: The impact of imperfect technology on behavioral adaptation, warning effectiveness and acceptance. Accident Analysis & Prevention, 128, 217–229. https://doi.org/10.1016/j.aap.2019.04.012
Sagberg, F., Fosser, S., & Sætermo, I.-A. F. (1997). An investigation of behavioural adaptation to airbags and antilock brakes among taxi drivers. Accident Analysis & Prevention, 29(3), 293–302. https://doi.org/10.1016/S0001-4575(96)00083-8
Smiley, A., & Rudin-Brown, C. M. (2020). Drivers adapt – Be prepared for It! Accident Analysis & Prevention, 135, 105370. https://doi.org/10.1016/j.aap.2019.105370
