پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 610 |
| تعداد مقالات | 9,026 |
| تعداد مشاهده مقاله | 67,082,717 |
| تعداد دریافت فایل اصل مقاله | 7,656,151 |
اولویت بندی اصلاح نقاط پرحادثه راهها با کمک شبکه عصبی مصنوعی | ||
| مدل سازی در مهندسی | ||
| مقاله 6، دوره 8، شماره 20، فروردین 1389، صفحه 71-81 اصل مقاله (290.32 K) | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2017.1554 | ||
| نویسندگان | ||
| غلامعلی شفابخش* ؛ فریبرز فتحی؛ علی زایرزاده | ||
| تاریخ دریافت: 09 بهمن 1395، تاریخ بازنگری: 04 اسفند 1403، تاریخ پذیرش: 09 بهمن 1395 | ||
| چکیده | ||
| روشهای اولویت بندی اصلاح مقاطع پر تصادف، عمدتا ًبر اساس روشهای تک معیاره استوار بوده‌اند. به این ترتیب که با تعریف یک معیار مستقل و مجزا، شناسایی و اولویت بندی مقاطع مختلف انجام می شده است. با توجه به کمبود بودجه برای انجام اقدامات ایمن سازی، اولویت بندی مقاطع غیر ایمن از اهمیت خاصی برخوردار است. در این راستا روشهای متفاوت و متعددی توسط کارشناسان ارائه شده که هر یک بر مبنای خاصی استوار بوده‌اند. در این بین می‌توان به دو ساختار کلی مبتنی بر بررسیهای اقتصادی و فنی اشاره کرد. از طرفی به دلیل ضعف موجود در آمار تصادفات (ناقص، غلط یا بلا استفاده بودن آمار)، بهتر است تا روشهای شناسایی و اولویت بندی ارائه شده، تا حد امکان بدون توجه به آمار تصادفات پایه گذاری و مطرح شوند و در اینجاست که روشهای نو و فرا ابتکاری اهمیت ویژه‌ای پیدا می‌کنند. در این تحقیق که بعنوان مطالعه جدیدی در زمینه ایمنی راه در کشور محسوب می‌گردد، از ابزار قدرتمند شبکه‌های عصبی مصنوعی چند لایه پیش‌خوراند برای پیش‌بینی اولویت اصلاح نقاط حادثه خیز محورهای استان مازندران، استفاده شده است و سعی شده است تا ضمن بررسی مزایای استفاده از شبکه عصبی، با در نظر گرفتن تاریخچه تصادفات نقاط و هزینه‌های اصلاح آنها روش دستیابی به اولویت بندی بهینه مورد تحلیل و بررسی قرار گیرد. | ||
| کلیدواژه‌ها | ||
| اولویت بندی؛ مقاطع پر تصادف؛ هزینه‌های اصلاحی؛ تصادفات؛ شبکه عصبی | ||
| عنوان مقاله [English] | ||
| PRIORITIZATION OF EVENTFUL ROADS CORRECTION USING ARTIFICIAL NEURAL NETWORKS | ||
| نویسندگان [English] | ||
| Shafabakhsh؛ Fathi؛ Zayerzadeh | ||
| چکیده [English] | ||
| Eventful sections prioritization methods usually have been based on single-criterion methods. Therefore, with respect to a separate and distinct criterion, identifying and prioritization of different sections have been done. Due to budget deficiency for immunization actions, prioritization non-immune sections are of great importance. In this regard, several different methods were presented by experts that were based on a specific basis. Among these, we can point to two general structures based on economic and technical studies. On the other hand due to weakness in accidents data (incomplete, incorrect or unused data), It is better to identify and prioritize the proposed methods, evaluated as far as possible without regard to the accidents data, here the new and innovative methods have special significance. In this study which is new in the field of road immune in the country, we use powerful device named multilayer Artificial Neural Networks for predicting prioritization of eventful MAZANDARAN road networks modifying. And tried to investigate the advantages of using neural networks, considering the history of accidents and the costs of their modifying, achieving method to optimal prioritization should be analyzed. | ||
| کلیدواژه‌ها [English] | ||
| Prioritization, Eventful sections, Corrective costs, Accidents, Neural Networks | ||
|
آمار تعداد مشاهده مقاله: 1,083 تعداد دریافت فایل اصل مقاله: 539 |
||