ارزیابی تقاطعهای درون شهری جهت ارتقاء مدیریت ترافیک با استفاده از مدل GIS,Chang (مطالعه موردی: شهر سنندج)

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 758

This Paper With 8 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCUD04_094

تاریخ نمایه سازی: 25 مهر 1393

Abstract:

به طور کلی هدف مدیریت ترافیک، استفاده بهینه از شبکه های راه های ارتباطی موجود و افزایش ایمنی راهها ست. به عبارت دیگر مدیریت ترافیک، استفاده از امکانات موجود، افزایش بهره وری آنها و حفظ منافع عمومی مربوط به شبکه راههای ارتباطی است. وقوع تصادفات ترافیکی در شبکه درون شهری یکی از عوامل موثر بر عملکرد سیستم حمل و نقل است. هدف از این پژوهش ارزیابی تقاطع های درون شهری جهت ارتقاء مدیریت حمل و نقل است. لذا جهت این امر 14 تقاطع اصلی شهر سنندج انتخاب گردید که با بررسیهای میدانی، دادههای تصادفات تقاطع ها و نظرات کارشناسان، معیارهای اصلی تصادفات در تقاطعها مشخص گردید و با استفاده از روش تحلیل سلسله مراتبی Fuzzy AHP (چانگ) و روش رامیک و کروینی، توسط کارشناسان حمل و نقل در محیط فازی، مقایسه زوجی بین شاخص ها انجام شد که شاخص های مؤثر در تصادفات تقاطعهای درون شهری سنندج پس از قیاس زوجی در محیط فازی، توسط نرم افزار Excel به روش تحلیلی فوق وزن دهی شد. و درنهایت با استفاده از تحلیلهای GIS مهمترین عامل تصادفات تقاطعهای درون شهری و همچنین نقاط پر حادثه نشان داده شد. نتایج حاصل از پژوهش نشان میدهد: تغییر مسیر ناگهانی موثرترین عامل در وقوع تصادفات در این 14 تقاطع میباشد، همچنین تقاطعهای کشاورز- بهشتی و کارگر –شهدا به ترتیب با شاخص تصادف 0.1218، 0.0261 حادثه خیزترین و امن ترین تقاطع های ارزیابی گردیده است.

Keywords:

ایمنی , سیستم اطلاعات جغرافیاییGIS , تحلیل سلسله مراتبی فازی , تحلیل گسترش یافته چانگ

Authors

سهراب زارعی

کارشناس ارشد عمران راه و ترابری، باشگاه پژوهشگران جوان و نخبگان، سنندج، ایران.

محسن علاء

کارشناس ارشد عمران راه و ترابری دانشگاه آزاد زنجان

شرمین کریمی

دانشجوی کارشناسی کارتوگرافی دانشگاه زنجان

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 :