مقایسه مدل شبکه عصبی و مدل دوجمله ای منفی در برآورد تعداد تصادفات آزادراههای برونشهری با تکیه بر عوامل جاده ای(مطالعه موردی)
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,025
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:
TTC12_173
تاریخ نمایه سازی: 23 خرداد 1392
چکیده مقاله:
آنالیز تصادفات و پیشگیری از وقوع آن موضوعات بسیار مهم در مطالعات حمل و نقل می باشد چون این مساله با جان انسانها در ارتباط است. در کشور ما برخلاف کشورهای مختلف دنیا که در زمینه ایمنی و تصادفات سرمایه گذاری هنگفتی صورت داده و تحقیقات علمی گسترده ای انجام داده اند، تلاش در جهت توجه به مساله ایمنی و تحقیقات و پژوهش اصولی و علمی پیرامون آن اندک می باشد. در این تحقیق سعی بر آن شده که یک کار پژوهشی بر پایه علمی در زمینه تصادفات صورت گیرد و یک پایه و بنیادی برای تحقیقات علمی دیگر در زمینه ایمنی ایجاد گردد. با توجه به قدرت بالای مدل شبکه های عصبی در پیش بینی و طبقه بندی مشکلات و مسائل، در این مقاله تعداد تصادفات آزاد راههای برون شهری کشور، بر اساس عوامل تاثیر گذار مربوط به جاده با استفاده از شبکه های عصبی برآورد شده که آزاد راه تهران- قم به صورت مطالعه موردی مورد نظر قرار گرفته است . پارامترهای موثر در تصادفات آزادراهها که درمدل در نظر گرفته شده شامل وضعیت روسازی، تعداد دسترسی ها، فاصله محل تصادف تا مبدا و وجود عوارضی در قطعه می باشد و تعداد تصادفات درسال به عنوان متغیر خروجی مدل مورد محاسبه قرار گرفته است . در انتها ، خروجیهای مدل شبکه عصبی با خروجی های مدل دوجمله منفی مورد ارزیابی قرار گرفته است و مشخص شده است که مدل شبکه عصبی از کارایی بهتری نسبت به مدل دوجمله منفی برخوردار است.
کلیدواژه ها:
نویسندگان
فاطمه باقری خلیلی
کارشناس ارشد برنامه ریزی حمل و نقل، کارشناس سازمان راهداری و حمل و نق
لیلا عزیزی
کارشناس ارشد برنامه ریزی حمل و نقل، کارشناس سازمان راهداری و حمل و نق
عبدالرضا شیخ الاسلامی
استادیار، دانشکده عمران، دانشگاه علم و صنعت ایران
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 :