CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مدل پیش بینی تصادف درتقاطعات با استفاده از رگرسیون خطی و غیرخطی و شبکه عصبی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۱۶۴ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: NCRRAF02_016
زبان مقاله: فارسی
حجم فایل: ۱۴۳.۸۲ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدل پیش بینی تصادف درتقاطعات با استفاده از رگرسیون خطی و غیرخطی و شبکه عصبی

  مجتبی علی نژادالمشیری - کارشناس ارشد راه و ترابری دانشگاه گیلان
  ایرج برگ گل - دکتری مهندسی و برنامه ریزی حمل و نقل

چکیده مقاله:

طبق آمارجهانی خسارت وارده به کشورهای در حال توسعه بیش از 1 درصد از تولید ناخالص ملی آنها می باشد که درایران این رقم به 3 درصد تولید ناخالص ملی می رسد با توجه به تصادف د رکلان شهرهای کشور ازجمله شهر رشت که عبنوان معضل ایمنی ترافیک در تقاطع شهری مطرح است پیش بینی تعداد تصادفات در تقاطعات می تواند کمک شایانی درجهت افزایش ایمنی در معابرشهری و بروز از تصادفات احتمالی داشته باشدبدیهی است درجهت نیل به این اهداف شناسایی عوامل و متغیرهای موثر دربروز تصادف در تقاطع چراغدار و چهارراهه شهری و طراحی مدل پیش بینی تصادف براساس این پارامترها مهم می باشد دراین مقاله سعی شده است با استفاده از مجموعه داده های تقاطع شهر رشت پارامترهای موثر چون طرح هندسی تقاطع حجم ترافیک سرعت رویکردها و ... مدلهای رگرسیونی و شبکه عصبی برای پیش بینی تصادفات در تقاطع طراحی شود که نتایج حاکی از آن است مدلهای ریاضی و شبکه عصبی توانسته روند تصادفات در تقاطع را با متغیرهای موجود پیش بینی کند.

کلیدواژه‌ها:

تقاطع، رگرسیونی، شبکه عصبی

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-NCRRAF02-NCRRAF02_016.html
کد COI مقاله: NCRRAF02_016

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:
علی نژادالمشیری, مجتبی و ایرج برگ گل، ۱۳۹۰، مدل پیش بینی تصادف درتقاطعات با استفاده از رگرسیون خطی و غیرخطی و شبکه عصبی، دومین کنفرانس ملی تصادفات جاده ای، سوانح ریلی و هوایی، زنجان، دانشگاه آزاد اسلامی واحد زنجان، https://www.civilica.com/Paper-NCRRAF02-NCRRAF02_016.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: (علی نژادالمشیری, مجتبی و ایرج برگ گل، ۱۳۹۰)
برای بار دوم به بعد: (علی نژادالمشیری و برگ گل، ۱۳۹۰)
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 :

  • - J.W. McDonald, "Relation Between Number of Accidents and Traffic ...
  • - .D. Pickering, R.D. Hall, and M. Grimmer, Accidents at ...
  • - .E. Hauer, J.C.N, Ng, and J. Lovell, "Estimation of ...
  • - J. Bared and H Lum, "Safety Evaluation of Intersection ...
  • Identification Using Structural Genetic System؛ [5]- H. Iba, T. Kuita, ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۱۴۷۷
    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

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • هوش مصنوعی > شبکه عصبی
  • 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.