ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
Paper
Title

Safety Assessment on Merge and Diverge Areas using Fuzzy Inference System,Artificial Neural Network, and Particle Swarm Optimization

Page: 20 | View: 211 | Review: 0
Year: 1396
COI: JR_CRPASE-3-1_003
Language: Englishglish
(This Paper With 20 Page And PDF Format Ready To Download)

Download guide

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این Paper را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این Paper، ابتدا تعداد صفحات Paper را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 20 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این Paper : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

Hamid Behbahani - Department of Civil Engineering, Iran University of Science and Technology, P.O. Box 13114-16846, Tehran, Iran
Sayyed Mohsen Hosseini - Department of Civil Engineering, Iran University of Science and Technology, P.O. Box 13114-16846, Tehran, Iran
Alireza Taherkhani - Department of Civil Engineering, Iran University of Science and Technology, P.O. Box 13114-16846, Tehran, Iran
Hemin Asadi - Department of Civil Engineering, Iran University of Science and Technology, P.O. Box 13114-16846, Tehran, Iran

Abstract:

In this paper, it was attempted to predict safety level of merge and diverge areas by simulating 2880 different types of them with different geometry and traffic characteristics. After analyzing trajectory data, safety level was obtained for each merge and diverge area by defining an index called No-Collision Potential Index . This index depends on the number and severity of near-crash events and could be determined by combining four traffic conflict techniques using fuzzy inference system. A database containing geometric and traffic characteristics as variables and safety level as function was generated after determination of safety level for all types of merge and diverge areas. By using this database, two models were developed to predict safety level of the two areas, one by artificial neural network and another using particle swarm optimization algorithm. Models were tested, validated and their errors were checked. The results indicated good accuracy of similarity between the results of models in predicting safety level of merge and diverge areas and that of simulations. Five merge areas and five diverge areas as case studies were surveyed to verify the models. Statistical analysis showed that there was no significant difference between means of safety level predicted by models and safety level obtained from case studies.

Keywords:

Safety level,Near-crash events,Diverge area,Merge area,Fuzzy inference system

Paper COI Code

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/764360/

How To Citation:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Behbahani, Hamid و Hosseini, Sayyed Mohsen و Taherkhani, Alireza و Asadi, Hemin,1396,Safety Assessment on Merge and Diverge Areas using Fuzzy Inference System,Artificial Neural Network, and Particle Swarm Optimization,,,,,https://civilica.com/doc/764360

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396, Behbahani, Hamid؛ Sayyed Mohsen Hosseini و Alireza Taherkhani و Hemin Asadi)
برای بار دوم به بعد: (1396, Behbahani؛ Hosseini و Taherkhani و Asadi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 20,504
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

New Papers

Share this page

More information about COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

Support