ارزیابی تکامل ترافیک روزانه در سیستم های حمل و نقل هوشمند (ITS) براساس انتساب مدل تعادل کاربر و مدل پویا
محل انتشار: همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 743
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSITM01_156
تاریخ نمایه سازی: 10 شهریور 1393
چکیده مقاله:
با توسعه سریع و همچنین از زمانی که امکانات جدید حمل و نقل و خدماتی که ممکن است برر روی رفتار مسافران در انتخاب مسیر تاثیر بگذارد معرفی شدند، ارزیابی عرضه حمل و نقل (TSD) مورد توجه قرار گرفت. TSD شامل طراحی سیستم های حمل و نقل هوشمند (ITS) مانند سیستم های پیشرفته اطلاعات مسافرتی (ATIS) و یا سیستم های پیشرفته کمک راننده (ADAS) می باشد. راه حل های موجود برای حل تمام مسائل فوق بر پایه انتساب تعادل کاربر (UE) و م دل های انتخاب مسیرهای احتمالی است. در این پژوهش در ابتدا یک سیستم ترافیک داینامیکی با ادغام نظریه چشم انداز پویا و تجمعی BNN برای توصیف مسیر روزانه مسافران، تغییر رفتارها و بررسی فرآیند و شرایط دستیابی به تعادل کاربر (UE) تحت ATIS را شرح می دهیم که ثابت می شود بدون درنظرگرفتن حالت اولیه و اینکه آیا نقاط مراجعه مسافران ثابت هستند و یا تحت قانون خاصی به روز می شوند، سیستا دینامیکی در نهایت می تواند به UE تکامل پیدا کند. با این حال، بهینه سازی عرضه حمل و نقل با فرض تعادل ممکن است که ی راه حل موثر را تضمین نکند همچنین ممکن است نتایج بدست آمده از ارزیابی پروژه براساس انتساب تعادل گمراه کننده باشد. از سوی دیگر، با توصیف ی مدل فرایند قطعی که شامل تغییر در طول زمان با مازاد کاربر است نشان داده می شود که مدل های پویا رویکرد عمومی تری را برای انتساب تقاضا ارائه می دهند که حالت تعادل یک مورد خاص از آن است. یک برنامه ساده اما موثرنشان می دهد که روش ارائه شده را می توان به عنوان مدل موثرITS بکار برد.
کلیدواژه ها:
نویسندگان
سپیده صبرجو
دانشجوی کارشناسی ارشد، دانشگاه پیام نور
مهدی جوانمرد
استادیار دانشگاه پیام نور
حسین نایب
کارشناس ارشد مهندسی محیط زیست (آب و فاضلاب)، دانشگاه تهران
مجیدرضا کدیوریان
دانشجوی کارشناسی ارشد، دانشگاه پیام نور
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 :