مدل سازی ظرفیت U-turn در بریدگی ها با استفاده از شبکه عصبی پس انتشار (BPNN) (مطالعه موردی: شهررشت)
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 631
فایل این مقاله در 14 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:
TTC14_351
تاریخ نمایه سازی: 30 دی 1394
چکیده مقاله:
امروزه برای افزایش کارایی تقاطع ها و جلوگیری از ازدحام بیش ازحد آن ها، حرکت های گردش به چپدر محل تقاطع ها حذف شده و به صورت U-turn در پایین دست یا بالادست تقاطع انجام می شود. همین امر سبب افزایش بیش ازپیش ظرفیت بریدگیها شده است. در بیشتر مطالعات ی که در زمینهتخمین ظرفیت حرکت U-turn انجام شده، تنها به تأثیر یک پارامتر، بر ظرفیت بریدگی اشاره شده که این خود باعث عدم اطمینان به مدل های به دست آمده خواهد شد. از اینرو در این مقاله از شبکهعصبی مصنوعی (ANN) که دارای کارایی بیشتری نسبت به سایر روش ها می باشد، برای مدل سازی استفاده شده است. داده ها از بریدگی های واقع بر راه های شریانی شهر رشت گردآوری شده اند . در مدل های به دست آمده، چگونگی تأثیر سه پارامتر؛ ظرفیت متداخل ، فاصله عبور بحرانی و زمان دنباله روی بر ظفیت U-turn نشان داده شد. بر اساس نتایج به دست آمده، چنانچه ظرفیت ترافیک مسیر اصلی کم باشد، ظرفیت بریدگی تحت تأثیر دو پارامتر فاصله عبور بحرانی و زمان د نباله روی بوده و با بالا رفتن ظرفیت در مسیر اصلی، این پارامتر نقش بیشتری در کاهش یا افزایش ظرفیت U-turn خواهد داشت.
نویسندگان
ایرج برگ گل
استادیار و عضو هیئت علمی دانشگاه گیلان، دانشکده فنی
علی جان نثار طلوع
کارشناس ارشد مهندسی راه و ترابری
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 :