نرم افزارهای مبتنی بر هوش مصنوعی با کارکرد ارزیابی شبکه حمل و نقل شهری
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,846
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
ICS11_163
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
وقتی که یک سیستم گرافیکی توسط مدل های شبیه سازی رایانه ای بررسی می شود اثرات ناشی از اعمال استراتژی های مختلف مدیریت گرافیک بر روی معیارهای عملکرد سیستم به آسانی قابل بررسی است و می توان تغییر معیار های کارایی سیستم را در اثر ایجاد هر نوع تغییر فرضی، بررسی و ارزیابی نمود. بدین ترتیب با بهره گیری از شبیه سازی و بدون صرف هزینه و زمان قابل توجه و بدون نیاز به انجام آزمایش های عملی که مستلزم انقطاع جریان ترافیک و ایجاد تغییرات در محیط ترافیکی است و عواقب اقتصادی و اجتماعی نیز به دنبال دارد، می توان اثرات حاصل از طرح مورد نظر را قبل از اجرای آن مورد بررسی قرار داد. در سالهای اخیر نرم افزارهای شبیه سازی یکی از قوی ترین و پر استفاده ترین ابزار در این زمینه بوده و دلیل قدرت پاسخگویی ان در موارد سؤال های «اگر-آنگاه» می باشد simTraffic، CORSIM، AIMSUN، Transyt و ... از قبیل نرم افزارهای شبیه ساز ترافیکی می باشند که در ادامه به مقایسه سه نرم افزار معروف و موجود در کشور پرداخته می شود، که در انتها نرم افزار Synchro توصیه می شود و این نرم افزار بهترین برنامه بر اساس زمان تاخیر برای شرایط اشباع می باشد
Keywords:
Authors
صابر ستایشی
گروه مهندسی عمران گرایش برنامه ریزی حمل ونقل ترافیک از دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
کامران رحیم اف
گروه مهندسی عمران گرایش برنامه ریزی حمل ونقل ترافیک
شهریار افندی زاده
گروه مهندسی عمران گرایش برنامه ریزی حمل ونقل ترافیک
سعید ستایشی
دانشگاه صنعتی امیرکبیر
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 :