شبیه سازی ماشین های خودران با استفاده از روش های یادگیری ماشین
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 107
This Paper With 25 Page And PDF Format Ready To Download
- 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_JTE-15-2_003
تاریخ نمایه سازی: 6 اسفند 1402
Abstract:
افزایش جمعیت و گسترش شهرنشینی باعث افزایش ترافیک در شهرها، زمان و هزینه سفر، مصرف سوخت، آلودگی هوا و ... شده است. در چنین شرایطی، روش هایی لازم است که کارایی سیستم های حمل و نقل افزایش یابد. در این راستا، یکی از روش ها می تواند استفاده از ماشین های خودران باشد. این ماشین ها توجه محققین و صنایع را به خود جلب کرده اند به نحوی که بسیاری از کارشناسان حمل و نقل در حال حاضر بر روی توسعه ی این مفهوم کار می کنند. این سیستم می تواند پایه ای برای رشد اقتصادی و توسعه کشورها باشد. در این مقاله، نقش ماشین های خودران در سیستم حمل و نقل مورد بحث قرار گرفته است. شاکله اصلی این تحقیق، استفاده از شبکه عصبی به عنوان یکی از روش های یادگیری ماشین است. وظیفه ی این قسمت، یادگیری سیستم و تصمیم گیری بر اساس حالت کنونی است. بدین منظور از ترکیب شبکه های عصبی Dense و Convolutional و شبیه ساز Udacity استفاده شده است. این نحقیق نشان داد که این شبیه ساز می تواند موجب تسریع در فرآیند طراحی ماشین های خودران و پیاده سازی آن ها شود. نتیجه به دست آمده نشانگر درصد مشابهت بالا بین ماشین کنترل شده توسط انسان و ماشین خودران حاصل از طرح پیاده سازی توسط شبیه ساز بود.
Keywords:
Authors
علیرضا هویدافرد
دانشجوی دکتری حمل و نقل، گروه مهندسی عمران، واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی، تبریز، ایران
سینا فرد مرادی نیا
استادیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد تبریز، ایران
بابک گلچین
استادیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی، اردبیل، ایران
علی غفاری
دانشیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد تبریز، 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 :