تخمین فراوانی تصادفات در نواحی شهری با استفاده از سیستم استنتاج عصبی - فازی انطباقی: مطالعه موردی شهر مشهد

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 550

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TTC13_041

تاریخ نمایه سازی: 25 خرداد 1393

چکیده مقاله:

شناسایی عوامل موثر در وقوع تصادفات و به تبع آن، پیش‌بینی تعداد تصادفات می‌تواند کمک شایانی به برنامه‌ریزان شهری، سیاست‌گذاران و متخصصان وادی حمل و نقل در ارزیابی پروژه‌های حمل و نقلی نماید و نقش بی‌دلیلی در تدوین برنامه‌ریزی‌های آتی شهری ایفا کند. در راستای نیل به این هدف، تلاش های قابل توجهی درجند دهه اخیر جهت بررسی رابطه بین تصادفات و عوامل دخیل در آن‌ها صورت پذیرفته است و پیرو این تلاش هاع مدل‌های «تخمین تعداد تصادفات» گوناگونی ارائه شده است. در این میان، در سال‌های اخیر، باتجلی شبکه‌های عصبی مصنوعی، تونایی این ابزار برای تخمین تعداد تصادفات مورد بررسی و ارزیابی قرار گرفته است. در ادامه سیر این پژوهش‌ها، دراین مقاله سعی می‌شود که از قابلیت‌ها و مزایای «سیستم استنتاج عصبی – فازی انطباقی» ANFIS به عنوان یک تخمین‌گر غیر خطی توانمند برای برآورد تعداد تصادفات نواحی شهری استفاده گردید. بدین منظور در این پژوهش، از داده‌های هم‌فزون نواحی شهر مشهد جهت پرداخت و اعتبارسنجی مدل ارائه شده ، بهره برده شده است. و در نهایت، نتایج به دست آمده از این مدل با نتایج حاصل از مدلی مبتنی بر شبکه‌های عصبی مصنوعی مقایسه گردیده است. نتایج این مقایسه، بیانگر توانایی «سیستم استنتاج عصبی – فازی انطباقی» و برتری آن نسبت به شبکه‌های عصبی مصنوعی در تخمین تعداد تصادفات نواحی شهری است.

نویسندگان

مجتبی رجبی بهاء آبادی

دانشجوی دکتری مهندسی برنامه ریزی حملونقل، دانشگاه علم و صنعت ایران،

علی توکلی کاشانی

استادیار دانشکده مهندسی 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 :
  • Hadayeghi, A., A.S. Shalaby, and B.N. Persaud, Development of planning ...
  • Lovegrove, G.R., C. Lim, and T.A. Sayed. Using macrolevel collision ...
  • Wier, M., et al., An area-level model of vehicle-pede strian ...
  • Ladron de Guevara, F., S.P. Washington, and J. Oh, Forecasting ...
  • Hadayeghi, A., A.S. Shalaby, and B.N. Persaud, Macrolevel accident prediction ...
  • Naderan, A. and J. Shahi, Aggregate crash prediction models: Introducing ...
  • S eyedabri shami, S. and Y. Shafahi, Expert Knowl edge-Guided ...
  • Mucsi, K., A.M. Khan, and M. Ahmadi, An Adaptive Neuro-Fuzzy ...
  • Andrade, K., K. Uchida, and S. Kagaya, Development of transport ...
  • Transportation Research Record: Journal of the Transportation Research Bord, 2006. ...
  • Jang, J.S.R., ANFIS: Adaptive -network-bas ed fuzzy inference system . ...
  • Buragohain, M. and C. Mahanta, A novel approach for ANFIS ...
  • Ying, L.-C. and M.-C. Pan, Using adaptive network based fuzzy ...
  • Takagi, T. and M. Sugeno. Derivation of fuzzy control rules ...
  • MTTO, C omprehensive Transportation Studies of Mashhad City, Mashhad Transportation ...
  • Fuzzy Logic Toolbox User's Guide, The Math Works Inc., Apple ...
  • نمایش کامل مراجع