| نوع مدرک: | متون چاپی |
| سرشناسه | فخری فخرآبادی ، عبداله، نویسنده |
| رده‌بندی کنگره : | COM soft 65 |
| عنوان : | بهبود سیستم‌های هشدار دهنده و شناسایی هوشمند خطرات و نقاط حادثه‌خیز جاده‌ها در شبکه‌های بین خودرویی توسط اینترنت اشیاء |
| عنوان موازی : | Improving warning systems and identifying hazards and accident hotspots on intercity networks by the Internet of Things |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1401 |
| صفحه شمار: | 120ص |
| شابک/شاپا | 24550 |
| یادداشت | پایان‌نامه کارشناسی ارشد رشته کامپیوتر گرایش مهندسی نرم‌افزار |
| شناسه افزوده : | خیام باشی ، محمدرضا، استاد راهنما |
| توصیفگرها | منطق فازی ، اینترنت اشیاء، شبکه‌های بین خودرویی (VANETs)، موتور استنتاج ، سیستم هشداردهنده fuzzy logic, Internet of Things, inter-vehicle networks (VANETs), inference engine, warning system |
| چکیده : | امروزه با افزایش حجم ترافیک و تقاضا برای جابجایی از یک‌سو و همچنین آمار رو به افزایش تصادفات جاده‌ای و مرگ‌ومیر ناشی از آن از سوی دیگر، لزوم ایجاد مهندسی ایمنی و ترافیک در جاده‌ها را بیشتر از پیش نمایان می‌سازد، آمار تلفات جانی و خسارات مالی تصادفات در کشور ما قابل‌توجه است. جهت کاهش تلفات و خسارات ناشی از تصادفات، باید نقاط حساس و حادثه‌خیز شناسایی گردد تا بتوان اقدامات لازم را در این جهت انجام داد. شناسایی و رتبه‌بندی نقاط پرحادثه یا نقاط سیاه در یک شبکه حمل‌ونقل گامی جدی و اساسی در برنامه بهبود ایمنی ترافیک است.
در این تحقیق بخش‌های بزرگراه بر اساس سطح ریسک ارزیابی‌شده به پنج سطح تقسیم شدند و خسارات اقتصادی تصادفات رانندگی به‌عنوان شاخص‌های ارزیابی مورداستفاده قرار گرفت. با تأثیر عوامل متعدد و ویژگی‌های عدم قطعیت، از آمار ریاضی و سیستم‌های خبره فازی (FESs) برای تعیین عوامل مؤثر در بخش‌های خطرناک بزرگراه‌های کوهستانی استفاده شد. توابع عضویت و مبنای قوانین فازی با توجه به داده‌های تصادفات بزرگراه و تجربیات کارشناسان تشکیل گردید، قواعد استدلال فازی این تجربه تخصصی پس از پردازش ایجاد شد. هسته اصلی FES در این مطالعه مدل استدلال فازی ممدانی است که از ترکیب چند موتور استنتاج فازی ، مولد فازی ، قوانین فازی و فازی زدایی تشکیل شده است. مقادیر ریسک 35 مقاطع منحنی افقی با این روش به دست آمد و نتایج خوبی با استفاده از روش شناسایی مقاطع خطرناک حاصل شد. نتایج نشان داد که طبقه‌بندی مقاطع خطرناک علاوه بر شعاع افقی ، درجه و زاویه انحراف منحنی افقی تا حد زیادی تحت تأثیر سوابق تصادفات، ضریب اصطکاک جاده و محدوده دید نیز می‌باشد. نتایج به‌دست‌آمده از FES ها به‌طورکلی با داده‌های تصادف واقعی مطابقت دارد. میزان ضریب همبستگی شاخص خسارت مالی و بزرگی خطر به‌دست‌آمده در روش مقاله پایه 872/0و ضریب همبستگی روش پیشنهادی 909/0 می¬باشد؛ که نشان از بهبود روش قبلی در سیستم پیشنهادی می¬باشد همچنین درصد اطمینان نمودارهای پراکندگی 95% اختصاص داده شده که بیانگر دقت خوب و قابل‌قبول این روش می¬باشد.
فرض این مقاله بر این است که داده‌های مربوط به هرکدام از مقادیر مذکور در شبکه¬های بین خودرویی و در غالب اینترنت اشیاء و توسط حسگرهای متصل به خودرو و یا بانک‌های اطلاعاتی موجود در واحدهای کنار جاده (RSU) به‌دست‌آمده و در اختیار می‌باشد |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=13625 |
| زبان مدرک : | فارسی |
بهبود سیستم‌های هشدار دهنده و شناسایی هوشمند خطرات و نقاط حادثه‌خیز جاده‌ها در شبکه‌های بین خودرویی توسط اینترنت اشیاء (1401) / فخری فخرآبادی ، عبداله، نویسنده