ارائه ی مدل پیش بینی تصادفات بر اساس خصوصیات هندسی مسیر مطالعه ی موردی محور اندیمشک پل زال

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 934

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACA01_385

تاریخ نمایه سازی: 24 خرداد 1393

چکیده مقاله:

تصادفات جاده ای یکی از مهم ترین دلایل مرگ و میر در جهان و به ویژه در ایران است به طور ی که در سال 1391 تعداد متوفیات ناشی از حوادث رانندگی در ایران 19089 نفر و تعداد مصدوم ین 318802 نفر بوده است که سهم استان خوزستان از این تعداد 1020 نفر فوتی و 19744 نفر مصدوم می باشد. با توجه به میزان بالای تصادفات می بایستی راهکارهای مناسب جهت بالا بردن ایمنی راهها اندیشیده شود. عوامل مختلفی بر ایمنی راه ها تاثیرگذار می باشند که یکی از این عوامل طرح هندسی مسیر میباشد لذا می بایستی مدل های مناسبی جهت ارزیابی ایمنی مسیرها در زمان طرح هندسی وجود داشته باشد که بر مبنای این مد لها بتوان پیش بینی مناسبی از میزان تصادفات احتمالی انجام داد.مطالعات زیادی در کشورهای جهان در زمینه مدل سازی تصادفات انجام شده است.برای بدست آوردن یک مدل پیش بینی می توان از مد لهای شبکه عصبی مصنوعی استفاده کرد در این راستا در این تحقیق برای پیش بینی نرخ تصادفات با استفاده از دادههای جمع آوری شده تصادفات و هندسه محور اندیمشک پل زال از مدل های شبکه عصبی بهره گرفته شده است و مناسب ترین مدل انتخاب می شود.مطابق نتاج به دست آمده و با توج به ضریب همبستگی و میزان خطای بدست آمده برای مدل به نظرمی رسد که مدل پیشنهادی خروجی های مناسبی را ارائه میدهد به این ترتیب بر اساس چنین مدلی هم در زمان طراحی مسیروهم در زمان تصحیح نقاط حادثه خیز م ی توان ارزیابی مناسبی از وضعیت مسیر پس از ساخت در اختیار داشت.

کلیدواژه ها:

پیش بینی تصادفات ، ایمنی ، طرح هندسی ، مدل شبکه عصبی مصنوعی

نویسندگان

سیدجعفر حجازی

عضوهیئت علمی دانشگاه شهیدچمران اهوازاستادیار رشته عمران گرایش راه وترابری

سیروس رادکیا

دکتری راه و ترابری سازمان نظام مهندسی ساختمان استان خوزستان

محمد شیرزادی ده کهنه

دانشجوی کارشناسی ارشد رشته عمران گرایش راه و ترابری دانشگاه شهیدچمران اهواز

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 :