مطالعات مدیریت ترافیک، جلد ۱۳۹۸، شماره ۵۲، صفحات ۱۹-۴۰

عنوان فارسی مدل سازی کاهش خسارت‌ها در تصادفات جاده‌ای
چکیده فارسی مقاله به‌کارگیری فناوری‌های پیشرفته در خودروها و نیز استفاده از سیستم‌های کنترل و پایش هوشمند حمل‌ونقل جاده­ای، هم‌چنان خسارت‌ها از آمار قابل توجهی برخوردار بوده و به‌تبع، تلاش جهت تشخیص علل رخدادحوادث جاده‌ای نیز دارای اهمیت ویژه­ای است. الگوی­ تشخیص علل رخداد حوادث جاده‌ای، از یک طرف پلیس را در تشخیص دقیق علت حادثه یاری می­کند و از طرف دیگر به کار شرکت­های بیمه­ای در پرداخت بیمه به طرف مقصر، سرعت و دقت ­بخشیده و گردآوری اطلاعات مربوط به خسارت‌ها و پردازش آنها سازندگان خودروها را در جهت ایمن‌سازی محصولات خود و رفع نقایص مدل‌سازی آنها تسهیل می­کند. مسئولان جاده­ای کشور هم برای رفع اشکالات مهندسی راه‌ها و جاده‌ها می­توانند از خروجی‌های الگوی تشخیص علل خسارت‌های خودرو استفاده کنند. هدف از این مطالعه، کاهش تصادفات و خسارات جاده‌ای با استفاده از شبکه عصبی است. روش انجام تحقیق به‌صورت میدانی و روش عملی یعنی مدل‌سازی و ساخت یک سیستم الکترونیکی و تست و آزمایش و ثبت نتایج آزمایش‌های عملی انجام شده با دستگاه مذکور است. این مطالعه طرح یک الگو برای تشخیص علل خسارت‌های جاده‌ای را ارائه می‌کند. الگو با ثبت اطلاعات دریافتی، قبل از لحظه برخوردکردن از کلیه حسگرهای کار گذاشته‌شده در خودرو و هم‌چنین با پردازش و تفسیر آنها، اطلاعات مفیدی را در اختیار پلیس و شرکت‌های بیمه­ای قرار می­دهد. طرح الگو و ملزومات سخت‌افزاری آن‌را که در داخل خودرو نصب می‌شود، توضیح داده شده است. سیستم تشخیص الگو مبتنی بر یک سیستم شبکه عصبی است که قوانین آن از روی نتایج آزمایش‌های عملی متعدد انجام شده است. استخراج قوانین و مدل‌سازی موتور استنتاج شبکه عصبی از روی نمودارهای آزمایش‌های عملی، منجر به پیشنهاد الگویی شده است که رویدادهای پایه مولد برخورد کردن را به‌خوبی تشخیص داده و ارائه می‌کند.
کلیدواژه‌های فارسی مقاله الگوی هوشمند، اطلاعات حسگری، تشخیص علت برخورد، سیستم عصبی، خسارت‌های خودرویی،

عنوان انگلیسی Modeling Damage Reduction in Road Accidents
چکیده انگلیسی مقاله Use of advanced technologies in automobiles as well as the use of intelligent road traffic control and monitoring systems continues to have significant losses and, consequently, the effort to identify the causes of road accidents is of particular importance. The pattern of identifying the causes of road accidents, on the one hand, helps the police in accurately identifying the cause of the accident, and on the other hand, employing insurers to pay for the culprit, speed and accuracy and gathering relevant information. Damage and processing make it easier for automakers to secure their products and fix their modeling defects. Road officials can also use the outputs of the model to identify the causes of car damage to fix road and road engineering bugs. The purpose of this study was to reduce the number of traffic accidents and injuries using neural networks. The method of doing the research is field and practical method, namely modeling and manufacturing of an electronic system, testing and testing and recording the results of practical experiments performed with the mentioned device. This study proposes a model for identifying the causes of road damage. The model provides useful information to the police and insurance companies before recording the moment they hit all the sensors installed in the vehicle, as well as processing and interpreting them. The pattern design and its hardware requirements installed inside the vehicle are explained. The pattern recognition system is based on a neural network system whose rules have been derived from the results of numerous practical experiments. Extracting the rules and modeling the neural network inference engine from the graphs of practical experiments has led to a model that identifies and presents basic collision-generating events.
کلیدواژه‌های انگلیسی مقاله Intelligent Pattern, Sensor Information, Cause Detection, Nervous System, Car Damage

نویسندگان مقاله وحید رنگریز |
گروه مالی دانشکده منابع سازمانی، دانشگاه علوم انتظامی امین


نشانی اینترنتی http://tms.jrl.police.ir/article_91835_016174e0549315fcd390592d1f4e80f6.pdf
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات