Sam Jarman tərəfindən , Phys.org

Sadie Harley tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Kredit: Pixabay/CC0 İctimai Sahə

Bir çox sürücü bu hissi tanıyacaq: arxada qaldığınız daha yavaş avtomobili qabaqlayır və qarşınızdakı açıq yolu öz daha yüksək sürətlə idarə edirsiniz. Növbəti svetofora çatanda daha yavaş avtomobili çox geridə qoyduğunuza əmin olursunuz – amma təəccüblüdür ki, güzgüdə eyni avtomobilin arxanızda olduğunu görürsünüz. Dəhşət həvəskarları hətta maskalı cani Ceyson Vurxizin yavaş-yavaş yeriməsinə baxmayaraq, həmişə qaçış qurbanlarına çatdığı “13-cü Cümə” filmindəki səhnələri də xatırlaya bilərlər.

Royal Society Open Science jurnalında dərc olunmuş yeni bir araşdırmada Dublin Şəhər Universitetindən Konor Boland bu narahatedici dərəcədə geniş yayılmış hadisənin sadə riyaziyyatla izah edilə biləcəyini göstərir. Onun modeli, daha yavaş bir nəqliyyat vasitəsinin ötüldükdən sonra nə vaxt və niyə çatdığını dəqiq şəkildə ortaya qoyur və ayrı-ayrı nəqliyyat vasitələrinin yol siqnalları ilə necə qarşılıqlı əlaqədə olduğuna dair yeni məlumatlar təqdim edir.

İki avtomobil probleminin modelləşdirilməsi

Sadə dillə desək, iki obyekt eyni yolda fərqli sabit sürətlə hərəkət edirsə, onların istənilən nöqtəyə fərqli vaxtlarda çatmasını gözləyirik. Lakin, indiyə qədər yol hərəkəti modelləri ötmə hadisəsi svetoforun təsadüfi vaxtı ilə toqquşduqda nə baş verdiyini hələ nəzərə almayıb.

Boland bir çox nəqliyyat vasitəsinin orta axınını təsvir etmək əvəzinə, yalnız iki avtomobil arasındakı cüt qarşılıqlı təsirlərə diqqət yetirdi. Onun yanaşması yol siqnalını təsadüfi bir hadisə kimi qəbul edir: ötmə sürücüsü zaman üstünlüyü qazandığı anda, siqnalın qırmızı-yaşıl dövrəsində nə qədər məsafədə olduğunu bilmək mümkün deyil.

Sadə bir ehtimal çərçivəsindən istifadə edərək və sürücünün qırmızı-yaşıl dövrəsində təsadüfi bir nöqtədə siqnala çatdığını fərz edərək, Boland, daha yavaş avtomobilin növbəti qırmızı işıqda çatma ehtimalı üçün bir düstur çıxardı.

Bu ehtimalın yalnız üç kəmiyyətdən asılı olduğu ortaya çıxır: ötmə ilə qazanılan zaman üstünlüyü; siqnalın qırmızı-yaşıl dövrünün ümumi uzunluğu; və həmin dövrünün qırmızıya sərf olunan hissəsi.

Voorhees Yol Hərəkəti Qanunu

Əgər sürücünün vaxt üstünlüyü qırmızı işıq hissəsindəki dövrə nisbətində böyükdürsə, daha yavaş avtomobil, demək olar ki, yenidən peyda olmayacaq. Lakin bu üstünlük, tez-tez işlək yollarda qısa və daha riskli ötmələr zamanı baş verdiyi kimi, azaldıqca, yetişmə ehtimalı əhəmiyyətli dərəcədə artır. Bu, nəhayət, Bolandın “Vurhees yol hərəkəti qanunu” adlandırdığı şeyi izah edə bilər.

Uzun müddətdir davam edən sürücülük problemini həll etməkdən əlavə, Bolandın çərçivəsi yol hərəkəti modelləşdirməsi üçün yeni imkanlar aça bilər. Əsas modeli çoxişıqlı dəhlizlərə genişləndirməklə, o, hər əlavə siqnalla ən azı bir çatışma hadisəsinin ehtimalının əhəmiyyətli dərəcədə artdığını göstərir və bu da Vurhees qanununun daha uzun şəhər səyahətlərində niyə qaçılmaz olduğunu izah etməyə kömək edir.

Psixoloji səviyyədə, model, niyə geridə qalma anlarını bu qədər aydın xatırladığımızı izah etməyə kömək edə bilər. Vurhees qanunu, geridə qalma hadisələrinin statistik olaraq çox yayıldığını sübut edərkən, daha yavaş avtomobillərin sarsıdıcı şəkildə yenidən ortaya çıxma tezliyinin yalnız beyninizdə olmadığını göstərir.

Müəllifimiz Sam Jarman tərəfindən sizin üçün yazılmış, Sadie Harley tərəfindən redaktə edilmiş və Robert Egan tərəfindən faktlar yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu reportaj sizin üçün vacibdirsə, xahiş edirik ianə etməyi düşünün (xüsusilə aylıq). Təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Nəşr detalları

Conor S. Boland, Voorhees yol hərəkəti qanunu: qarşınızdan keçən avtomobilin niyə həmişə geri qayıtdığını izah edən stoxastik model, Kral Cəmiyyəti Açıq Elm (2026). DOI: 10.1098/rsos.260310

Jurnal məlumatı: Kral Cəmiyyəti Açıq Elm 

© 2026 Science X Network