• شماره ركورد
    19580
  • شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
    ۱۹۵۸۰
  • پديد آورنده

    اسماالسادات دبيري

  • عنوان
    ارائه متدولوژي افزايش كارايي شبكه اقتضائي بين خودرويي جهت بهبود وضعيت ايمني بزرگراه ها با استفاده از شبكه عصبي و سيستم استنتاج فازي
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    راه و ترابري
  • تاريخ دفاع
    ۱۳۹۶/۷/۱۱
  • استاد راهنما
    دكتر حميد بهبهاني
  • دانشكده
    عمران
  • چكيده
    آينده مديريت و كنترل ترافيك به‌طور حتم به شكل كنترل ديجيتال و خودكار خواهد بود. بي‌ترديد يكي از مواردي كه در آينده نزديك بيشتر مطرح خواهد شد، شبكه اقتضائي بي‌سيم بين خودروهاست. در اين شبكه هر خودرو به‌منزله گره‌اي است كه مي¬تواند هم به‌صورت گيرنده و هم فرستنده عمل كند و اطلاعات مختلف بدين ترتيب ميان وسايل¬نقليه پخش خواهد شد. كاربردهاي كلي اين سيستم به دودسته كلي موارد ايمني و غير ايمني (نظير پيدا كردن محل پمپ‌بنزين) تقسيم مي‌شود. در اينجا بر قابليت‎هاي اين سيستم در بخش ايمني ترافيك تمركز خواهد شد. به‌طوركلي 3 عامل انسان، وسيله‌نقليه، راه و محيط اطراف به‌عنوان عوامل مؤثر در رخداد تصادف محسوب مي‎شوند. در اينجا دو مورد انسان و وسيله‎نقليه خود به‌عنوان عامل اصلي عمده تصادفات در نظر گرفته مي‎شود. اين موضوع محرك مناسبي براي ارائۀ ايده‎ها و طرح‎هاي جديد جهت كاهش خطاهاي انساني و حذف (يا كاهش) تأثير انسان بر كنترل وسيله‌نقليه خواهد بود. يكي از جديدترين موضوعات در اين رابطه توسعه خودروهاي هوشمند و نيز شبكه اقتضائي بين خودروئي يا vehicle ad hoc network (VANET) است. بدين ترتيب هر خودرو سعي دارد تا با مانيتور نمودن محيط اطراف و بر اساس خط سير وسايل‎نقليه نسبت به تعيين ريسك انواع برخورد اقدام نموده و اطلاعات به‌دست‌آمده را از طريق شبكه بدون سيم با ساير وسايل نقليه نيز به اشتراك بگذارد. در اين پايان¬نامه در نظر است تا بدون توجه به جزئيات مربوط به اجراي اين سيستم‎ها و با فرض وجود زيرساخت لازم به لحاظ خودروهاي هوشمند و نيز VANET، متدلوژي ثبت و شناسايي به‌موقع موقعيت‎هاي خطرناك براي هر وسيله‌نقليه بر اساس مشخصات خرد جريان ترافيك ارائه گردد. براي اين منظور از ابزارهايي نظير شبكه عصبي براي پيش‌بيني مسير و نيز وضعيت حركت وسايل نقليه و نيز سيستم استنتاج فازي جهت تعيين شاخصي تركيبي مناسب با توجه به شاخص‎هاي ايمني جايگزين تصادفات استفاده‌شده است. در اين پژوهش براي بررسي داده¬ها با مدل¬هاي شبكه عصبي مصنوعي از بيست جفت خودرو تعقيب¬كننده كه با بررسي درصد خطاي نسبي كمتر به‌دست‌آمده، استفاده‌شده و اختلاف فاصله بين دو خودرو و سرعت خودروهاي جلويي و عقبي با مدل¬هاي شبكه عصبي مصنوعي پيش‌بيني‌شده‌اند. سپس شاخص‎هاي ايمني جايگزين تصادفات براي داده¬هاي واقعي و پيش‌بيني‌شده محاسبه شده است. در مرحله بعدي ازآنجاكه ممكن است بر اساس يك شاخص موقعيت موردنظر ايمن و بر اساس ديگري ناايمن باشد، شاخص تركيبي جديدي با توجه به سيستم استنتاج فازي محاسبه گرديده كه با يكپارچه نمودن نتايج در هرلحظه و گزارش يك عدد به‌عنوان نتيجه جهت بررسي برخورد جلو به عقب، توسعه‌يافته است. با بررسي نتايج حاصل از شاخص‎هاي ايمني جايگزين تصادفات و شاخص تركيبي، مشخص گرديد كه موقعيت¬هاي بحراني با پيش‌بيني داده¬ها با مدل¬هاي شبكه عصبي مصنوعي بيشتر شده و خودروها در موقعيت¬هاي ناايمن بيشتري قرارگرفته‌اند كه در اعلام موقعيت¬هاي خطرناك به رانندگان مفيد و مثمر ثمر است
  • تاريخ ورود اطلاعات
    1397/08/05
  • تاريخ بهره برداري
    10/27/2018 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    اسماالسادات دبيري