پیش بینی تصادفات جاده ای با استفاده از روش فازی
Publish place: Road Journal، Vol: 29، Issue: 108
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 205
نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ROAD-29-108_002
تاریخ نمایه سازی: 24 مهر 1400
Abstract:
با افزایش حمل و نقل جاده ای در ایران ،آسیب های ناشی از تصادفات نیز به طور چشمگیری افزایش یافته است که در صورت پیش بینی دقیق با استفاده از تکنیک های مناسب می توان درصد عوامل واقعی وتاثیرگذار آنرا در جهت بهبود شرایط حادثه مشخص نمود.در این تحقیق با استفاده از منطق فازی در نرم افزار متلب ابتدا تحلیل دقیقی روی داده انجام شده و سپس نتایج آن بدست آمده است. مدل ارایه شده شامل سه قسمت ورودی،موتور استنتاج در روش فازی و خروجی می باشد. در مرحله اول شش متغییر بعنوان ورودی در نظر گرفته شدند که عبارتند از شیب طولی، سرعت، شانه راه، تقاطع فرعی، شعاع قوس ، فاصله دید قایم . این عوامل با توجه به بیشترین تاثیرگذاری بر تصادفات جاده ای در نظر گرفته شده اند.مرحله بعد نقاط حادثه خیز به عنوان خروجی در نظر گرفته شد و در مرحله سوم برای موتور استنتاجی قوانینی بصورت توصیفی نوشته شد در آخر نتایج حاصل با آمار واقعی مقایسه می شوند. این شیوه قابلیت پیش بینی تصادفات در سالیانه آتی و تعیین بهترین روش اصلاح مولفه ها به منظور حداقلی نمودن تصادفات در جاده را دارا می باشد. روش انتخابی به صورت موردی در محور بیرجند قاین پیاده سازی و ارزیابی می گردد. . نتایج بر آن است که چارچوب استنتاجی پیشنهادی قادر به کشف الگوهای تصادف و پیش بینی شدت تصادف خودرو ها در جاده و در نتیجه انتخاب بهترین گزینه و مورد اولویت قرارگرفتن به منظور اصلاح ، ترمیم و نگهداری راه خواهد بود.
Keywords:
Authors
فاطمه ایزدفر
دانش آموخته کارشناسی ارشد، دانشکده فنی و مهندسی ، دانشگاه آزاد بیرجند ، بیرجند ، ایران
محمد عابدینی
مهندسی عمران،دانشکده فنی و مهندسی،دانشگاه آزاد بیرجند،بیرجند،ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :