پیش بینی تصادفات عابرین پیاده در تقاطعهای همسطح با روش شبکهی عصبی
محل انتشار: یازدهمین کنفرانس مهندسی حمل و نقل و ترافیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,264
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TTC11_060
تاریخ نمایه سازی: 20 مرداد 1391
چکیده مقاله:
سفرهای درونشهری به شکلهای مختلف با وسایل نقلیه یا بصورت پیاده انجام میشود ولیکن در تمام سفرها بخشی از سفر ناگزیر بصورت پیاده انجام میگیرد که عمدتاً در برگیرنده تقاطعها و محلهای نزدیک مبدأ و مقصد میباشد. از طرفی تقاطعها به عنوان گرههای ترافیکی عامل تعیین کنندهی ظرفیت شبکه حمل- ونقل بوده و هر گونه اختلالی در آنها باعث کاهش شدید ظرفیت شبکه خواهد شد. یکی از عوامل ایجاد ایناختلال تصادفات هستند و تصادفات عابرین با توجه به آسیبپذیری شدید این کاربرِ شبکه حمل و نقل، از اهمیت ویژهای برخوردار است. تحلیل تصادفات بدلیل زیاد بودن عوامل مؤثر و پیچیدگی آنها به کمکروشهای کلاسیک آماری نتایج مناسب و فراگیری در بر ندارد. لذا در این تحقیق از روش شبکه های عصبی که جزء روشهای نوین تحلیل دادهها میباشند برای پیش بینی تصادفات عابرین در تقاطعها استفاده شده است. برای این منظور دادههای مربوط به 230 تقاطع و تصادفات عابرین مربوط به آنها جمعآوری گردیده و در انواع مختلف شبکه های عصبی تحت آموزش و تست قرار گرفتند. در نهایت یکشبکهی پیشخور با پسانتشار خطا با سه لایه و 40 نرون در لایهها قادر به پیشبینی تصادفات عابرین با احتمال 85 درصد گردید. نتایج حاصل از این تحقیق علاوه بر پیشبینی تصادفات عابرین پیاده در تقاطعها، میتواند در اولویت بندی اصلاح تقاطعها از نظر ایمنی و حساسیت سنجی عوامل مختلف در تصادفات عابرین مورد استفاده قرار گیرد
کلیدواژه ها:
نویسندگان
میر حامد فرزین
دانشجوی کارشناسی ارشد راه و ترابری دانشگاه صنعتی خواجه نصیرالدین طوس
منصور حاجی حسینلو
استادیار دانشکده مهندسی عمران دانشگاه صنعتی خواجه نصیرالدین طوسی
سید مهدی ابطحی
استادیار دانشکده مهندسی عمران دانشگاه صنعتی اصفهان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :