26544

مدل‌سازي جريان عابر پياده در تقاطعات چراغدار شهر رشت با استفاده از روش استنتاجي فازي-عصبي تطبيقي

كارشناسي ارشد

مهندسي عمران گرايش راه و ترابري

1397

1400/8/26

دكتر محمود عامري- دكتر برات مجردي

عمران

عابرين پياده در تقاطعات نقش كليدي ايفا مي‌كنند. تقاطعات يكي از عوامل مهم و تاثير‌گذار بر ظرفيت شبكه مي‌باشند و هر گونه اختلال و تعارض بين عابرين و وسايل نقليه در تقاطعات منجر به كاهش شديد ظرفيت شبكه مي‌گردد. شناخت ويژگي‌هاي رفتاري عابرين پياده يكي از اركان مهم در طراحي تقاطعات و تسهيلات پياده‌روي مي‌باشد و از سوي ديگر مدل‌سازي جريان عابر پياده به دليل رفتار‌هاي غير‌قابل پيش‌بيني و تصميم‌گيري‌هاي پيچيده آنان، امري چالش بر‌انگيز مي‌باشد. هدف از اين مطالعه مدل‌سازي جريان عابر پياده به منظور پيش‌بيني چگالي در تقاطعات چراغدار مي باشد. از اين رو با تصويربرداري از تقاطعات چراغدار برگزيده شده در كلانشهر رشت به جمع‌آوري اطلاعات 8277 عابرپياده عبوري پرداخته شد و سپس با استفاده از مدل‌هاي فازي، شبكه عصبي و فازي-عصبي(ANFIS) جريان عابرين پياده مدل‌سازي شد. نتايج نشان داد كه در شرايط عبور از محل‌هاي خط‌كشي شده و در نظر گرفتن هردو شرايط عبور(خط‌كشي-غير خط‌كشي) مدل شبكه عصبي با ضريب همبستگي(R^2) به ترتيب 99/939 و 99/90، و در شرايط عبور از محل‌هاي غير خط‌كشي مدل ANFIS با ضريب همبستگي(R^2) 98/10 به عنوان مدل برتر برگزيده شدند. همچنين نتايج نشان داد كه محل‌هاي خط‌كشي شده با عبور دادن نرخ جريان بيشتر در مقايسه با محل‌هاي غير خط‌كشي، براي عبور عابرين پياده مهيا‌تر و از مطلوبيت بيشتري برخوردار است. همچنين مشخص گرديد كه رفتار عابرين در شرايط عبور از خط‌كشي و عبور از محل‌هاي غير خط‌كشي با 95 درصد اطمينان داراي اختلاف معنادار مي‌باشد.

1401/03/09

Modeling of pedestrian flow density in signalized intersections using Neural-Fuzzy Method(Case Study:Rasht city)

11/17/2022 12:00:00 AM

Pedestrians play a key role at intersections. Signalized intersections are among the facilities where pedestrians may have collisions with vehicles, which can lead to serious injuries and damages, and ultimately a severe reduction in network capacity. For this reason, recognizing the behavioral characteristics of pedestrians is the most important element in designing intersections and pedestrian facilities. On the other hand, pedestrian flow modeling is challenging due to their unpredictable behaviors and complex decisions. The purpose of this study is to model the flow of pedestrians at signalized intersections. Therefore, by investigating two signalized intersections in Rasht city, Iran, data of 8277 pedestrians were collected and then the flow of pedestrians was modeled using fuzzy method, neural network and neuro-fuzzy (anfis). The results showed that in marked crosswalk crossing conditions and considering both crossing conditions (marked-unmarked), Neural network model Was selected as the superior model with correlation coefficient (R^2) of 99.90% and 99.39% respectively. also in unmarked crosswalk crossing conditions anfis model Was selected as the superior model with correlation coefficient (R^2) of 98.10%. The results also indicated that the marked crosswalk crossing conditions by moving a higher flow rate compared to unmarked areas are more suitable and desirable for pedestrians. Also determined that the behavior of pedestrians in the marked and unmarked crosswalk crossing has a significant difference with 95% confidence.

عابر پياده , تقاطعات چراغدار , خط‌كشي , فازي-عصبي , مدل‌سازي جريان

Pedestrian , Signalized intersections , marked crosswalk , Anfis , Flow modeling

amin alizadeh tajan

dr-mahmoud ameri dr-barat mojaradi