CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

برآورد تعداد روزانه تصادفات جادهای با استفاده از شبکههای عصبی با تکیه بروضعیت تردد

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۳۹۳ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: FJCFIS02_156
زبان مقاله: فارسی
حجم فایل: ۵۷۰.۰۱ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۷ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله برآورد تعداد روزانه تصادفات جادهای با استفاده از شبکههای عصبی با تکیه بروضعیت تردد

    عباس محمودآبادی - دانشجوی دکتری مهندسی صنایع – دانشکده فنی - دانشگاه پیام نور
  اعظم صفی صمغ آبادی - استادیار – دانشکده فنی – دانشگاه پیام نور

چکیده مقاله:

در این مقاله تعداد روزانه تصادفات جادهای بر اساس عوامل تاثیرگذار در بروز حوادث رانندگی با تکیه بر تغییرات میزان تردد با استفاده از تکنیکو مدلهای شبکههای عصبی برآورد میگردد که در آن از شبکه عصبی استفاده شده است. اهمیت این برآورد نیز باتوجه به این که نوع تصادفات به سه دسته تصادفات فوتی، جرحی و خسارتی تفکیک شدهاند, آن است که دستگاههای مسئول میتوانند فراخور وظایف خود اقدامات اجرایی و عملیات خود را ساماندهی و برنامهریزی نمایند. در پایان مقاله برای اعتبارسنجی مدل خروجیهای مدل شبکه عصبی با خروجیهای مدلهای رگرسیون چند متغیره مورد ارزیابی قرار گرفته است و نشان داده شده است که شبکه ها ی عصبی دارای خطای مدل کمتری نسبت به مدلهای رگرسیون میباشند. در مدل شبکه عصبی توسعه داده شده در این مقاله ضریب ترکیب ترافیکی که نشان دهنده سهم وسایل نقلیه سنگین در ترافیک بینشهری است وارد شده که میتوان آن را ابتکاری جدید در این مقاله محسوب نمود

کلیدواژه‌ها:

مدلهای تخمین، تصادفات جادهای، شبکههای عصبی، رگرسیون چند متغیره

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-FJCFIS02-FJCFIS02_156.html
کد COI مقاله: FJCFIS02_156

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محمودآبادی, عباس و اعظم صفی صمغ آبادی، ۱۳۸۷، برآورد تعداد روزانه تصادفات جادهای با استفاده از شبکههای عصبی با تکیه بروضعیت تردد، دومین کنگره مشترک سیستم های فازی و سیستم های هوشمند، مشهد، دانشگاه فردوسی مشهد، https://www.civilica.com/Paper-FJCFIS02-FJCFIS02_156.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (محمودآبادی, عباس و اعظم صفی صمغ آبادی، ۱۳۸۷)
برای بار دوم به بعد: (محمودآبادی و صفی صمغ آبادی، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • سید ابراهیم عبدالنافی, محمود احمدی‌نژاد، ...
  • مجلس شورای اسلامی, قانون برنامه پنج ساله چهارم توسعه اقتصادی، ...
  • D. Delen, R. Sharda, M. Bessonov, ...
  • computer modeling, No. 15, 2007 ...
  • _ _ F. Gomez. G.T. Toussaint, Computing shortest paths for ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه پیام نور
    تعداد مقالات: ۳۸۵۱۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.