مهدی قطعی
-
پژوهشنامه بیمه، سال چهاردهم شماره 2 (بهار 1404)، صص 109 -118پیشینه و اهداف
خوشه بندی یکی از روش های اساسی در داده کاوی و یادگیری ماشین است که برای تقسیم مجموعه ای از داده ها به زیرمجموعه های همگن به کار می رود. روش های مختلفی برای انجام خوشه بندی وجود دارد که هریک نقاط قوت و ضعف خاص خود را دارند. یکی از چالش های اصلی در خوشه بندی، یافتن تعداد خوشه های بهینه و تخصیص بهینه داده ها به این خوشه هاست. الگوریتم ژنتیک، به عنوان روش بهینه سازی مبتنی بر تکامل طبیعی، توانایی بالایی در حل مسائل پیچیده و جست وجوی فضای جواب های بزرگ دارد و می تواند به عنوان یک ابزار موثر در خوشه بندی به کار رود. هدف این مقاله، بررسی کارایی و دقت الگوریتم ژنتیک در کلاس بندی داده ها و مقایسه آن با روش های سنتی خوشه بندی برای کلاس بندی است. به منظور ارزیابی عملکرد این الگوریتم، چندین مجموعه داده بیمه استفاده شده و نتایج به دست آمده با معیارهای مختلفی مانند دقت تحلیل می شوند. همچنین، پارامترهای مختلف الگوریتم ژنتیک بررسی شده و تاثیر آن ها بر عملکرد نهایی الگوریتم مطالعه می شود تا بهینه ترین تنظیمات برای کلاس بندی داده ها تعیین شود.
روش شناسی:
در این پژوهش، به منظور تشکیل کروموزوم ها، ابتدا تعداد خوشه ها مشخص شد. با توجه به اینکه هر مرکز خوشه به اندازه تعداد ویژگی های مجموعه داده دارای ویژگی بود، طول هر کروموزوم به صورت حاصل ضرب تعداد خوشه ها در تعداد ویژگی ها تعیین شد. برای فرایندهایCrossover ،Mutation و Survival از روش های نوین و متنوعی بهره گرفته شد. همچنین، معیار ارزیابی مشابه الگوریتم K-means انتخاب شد تا عملکرد خوشه بندی بهینه سازی شود. این رویکرد نوآورانه به بهبود دقت و کارایی فرایند کلاس بندی منجر شد.
یافته هابا اعمال روش توضیح داده شده در این مقاله برای تشخیص تقلب در 3 مجموعه داده بیمه، به نتایج جالب توجهی با 12% بهبود در F1 و 10% افزایش دقت در مجموعه داده اول، 1% بهبود F1 و دقت در مجموعه داده دوم و در نهایت نیز 1% بهبود در F1 و 2% بهبود در دقت مجموعه داده سوم نسبت به روشK-means و سایر روش ها حاصل شده است. با توجه به 2 کلاس بودن داده ها در این مجموعه داده ها ، مسئله به ازای 2 خوشه با استفاده از الگوریتم حل شده و بهترین برچسب برای هر خوشه با توجه به برچسب های واقعی دادگان انتخاب شده و نتیجه به صورت نتایج حاصل از مسائل دسته بندی ارائه شده است، همچنین بهبود چشمگیری در معیارهایی همچون ARI و سایر معیارهای ارزیابی خوشه بندی حاصل شده و پیشرفت چشمگیری نسبت به الگوریتم ژنتیک عادی نیز حاصل شده است.
نتیجه گیریالگوریتم ژنتیک قابلیت حل مسائل پیچیده و بدون راه حل قطعی را دارد و می تواند در خوشه بندی داده ها عملکرد بهتری نسبت به روش های سنتی مانندK-means داشته باشد. این رویکرد با ترکیب احتمالات و تصادفی بودن، امکان بررسی نقاط بیشتر به عنوان مراکز خوشه و بهبود عملکرد خوشه بندی را فراهم می کند. نتایج نشان می دهد که این روش در برخی موارد بهتر از روش های معروف عمل می کند و ساختار مناسبی برای خوشه بندی داده ها ارائه می دهد.
کلید واژگان: الگوریتم ژنتیک، بیمه خودرو، تشخیص تقلب، خوشه بندی، هوش مصنوعیBACKGROUND AND OBJECTIVESClustering is one of the basic techniques in data mining and machine learning, which is used to divide a set of data into homogeneous subsets. There are different methods for clustering, each of which has its own strengths and weaknesses. One of the main challenges in clustering is finding the optimal number of clusters and optimal allocation of data to these clusters. Genetic algorithm, as an optimization method based on natural evolution, has a high ability to solve complex problems and search for large solution spaces and can be used as an effective tool in clustering. The purpose of this article is to investigate the efficiency and accuracy of genetic algorithm in data classification and compare it with traditional clustering methods for classification. In order to evaluate the performance of this algorithm, several insurance data sets are used and the obtained results are analyzed with different criteria such as accuracy. Also, different parameters of the genetic algorithm are examined and their effects on the final performance of the algorithm are studied in order to determine the most optimal settings for data classification.
METHODSIn this research, to form chromosomes, at first, the number of clusters was determined. Considering that each cluster center had as many features as the number of features in the data set, the length of each chromosome was determined by multiplying the number of clusters by the number of features. New and diverse methods were used for Crossover, Mutation and Survival processes. Also, the evaluation criterion similar to the K-means algorithm was chosen to optimize the clustering performance. This innovative approach led to improving the accuracy and efficiency of the classification process.
FINDINGSBy applying the method described in this article to three insurance data sets for fraud detection, we have interesting results with 12% improvement in F1 and 10% increase in accuracy in the first data set, 1% improvement in F1 and 1% improvement in accuracy in the first data set. Second and finally, 1% improvement in F1 and 2% improvement in the accuracy of the third data set compared to the K-means method and other methods have been achieved. Due to the 2-mode data in this data set, the problem is solved for two clusters using the algorithm and the best label for each cluster is selected according to the real labels of the data and the result is presented as the results of classification problems. Additionally, significant improvements in metrics such as ARI and other clustering evaluation criteria have been achieved, and remarkable progress has been made compared to the standard genetic algorithm.
CONCLUSIONGenetic Algorithm is able to solve complex problems without definite solution and can perform better in data clustering than traditional methods such as K-means. By combining probabilities and randomness, this approach provides the possibility to examine more points as cluster centers and improve clustering performance. The results show that this method works better than the famous methods in some cases and provides a suitable structure for data clustering.
Keywords: Artificial Intelligence, Car Insurance, Clustering, Fraud Detection, Genetic Algorithm -
در این مقاله یک سامانه دستیار راننده مبتنی بر دوربین منفرد برای کسب جزییات در نقاط کور ارایه می کنیم که بدون داده ی برچسب گذاری شده، به صورت خود یادگیر آموزش می بیند. سامانه پیشنهادی بر اساس شبکه های عمیق توسعه یافته است که به عنوان ورودی از تصویر خاکستری و جریان نوری1 استفاده می کند. نقطه قوت این مقاله در مقایسه با مقالات مشابه، پردازش اطلاعات دنباله ای از تصاویر به منظور ارزیابی ریسک بروز تصادف با توجه به اشیای متحرک در نقاط کور است. در این مقاله با استفاده تشخیص و ردگیری اشیا در تصویر، وجود وسایل نقلیه و سرعت نسبی آنها تعیین می گردد و از روی آن برای نقاط کور خودرو، ریسک بروز تصادف پیش بینی می شود. ادغام جریان نوری با تصویر و همچنین ترکیب نتایج با ویژگی های استخراج شده از یک شبکه عصبی عمیق، باعث توانمندی سامانه پیشنهادی شده است. در کاربرد پیشنهادی مقاله، دوربین بر روی آینه کناری خودرو نصب شده است و با 96 درصد دقت، خطر بروز تصادف هنگام چرخش به طرفین یا تغییر خط تخمین زده شده است.
کلید واژگان: سامانه دستیار راننده، نقاط کور، پردازش تصویر، یادگیری عمیق، آموزش خودیادگیر، تشخیص شی ء در تصویر، ردگیری اشیاIn this paper, we propose a single camera-based driver assistance system for blind spots that is selfsupervised and learn without labeled data. The proposed system is developed based on deep neural network and uses gray scale image and optical flow as input. The strength of this paper compared to similar articles is the processing of image sequence information to assess the risk of accident due to moving objects in blind spots. In this paper, based on detection and tracking of the required objects, the existence of vehicles and its relative speed are estimated and the accident can be predicted for the blind spots of the car. The fusion of image with optical flow and features extracted using a deep neural network has increased robustness of the proposed system. In the proposed application of the article, the camera is mounted on the side mirror of the vehicle and is estimated to have a 60% accuracy, the risk of accidentally turning on the sides or changing lanes.
Keywords: Traffic light planning, Traffic Assignment, Data mining, Meta-heuristic Algorithms, Cooperative management, Master-slave -
حمل ونقل آینده با مباحث هوش مصنوعی به شدت در هم تنیده شده است. در این راستا ابزارهای هوش مصنوعی مانند شبکه های عصبی نقشی بی بدیل در حوزه پیش بینی، تصمیم گیری و کنترل حمل و نقل بر عهده خواهند داشت. مقاله حاضر یک سامانه مبتنی بر هوش مصنوعی به منظور احراز هویت راننده (شناسایی راننده) به کمک داده های جمع آوری شده توسط تلفن همراه هوشمند ارایه می دهد. در این سامانه، تلاش شده است تا حریم شخصی راننده نقض نشده و شناسایی راننده بصورت خودکار، مطمین و بی درنگ انجام گردد. معماری سامانه شامل سه ماژول جمع آوری داده، پیش پردازش و شناسایی است. در ماژول جمع آوری داده، اطلاعات حسگرهای شتاب سنج و ژیروسکوپ رانندگان با استفاده از یک تلفن همراه هوشمند جمع آوری می شوند. در ماژول پیش پردازش، حذف نویز، پاک سازی، پنجره بندی صورت می گیرد. در این بخش مقادیر گم شده ترمیم و داده های وضعیت توقف خودرو حذف خواهند شد. در نهایت، ویژگی های آماری موثر از پنجره های داده استخراج می شوند. در ماژول شناسایی، الگوریتم های یادگیری برای شناسایی الگوهای داده های آموزش استفاده می شوند. ورودی های این الگوریتم ها، ویژگی های استخراج شده از پنجره ها شامل هیستوگرام، میانگین، واریانس، اختلاف و ضریب همبستگی می باشند. الگوریتم های یادگیری استفاده شده در این مقاله، شامل آدابوست، درخت تصمیم، بوستینگ، نزدیک ترین همسایه، ماشین بردار پشتیبان، لجستیک، شبکه عصبی، شبکه بیزین و درخت تصادفی بوده اند. با توجه به آزمایشات صورت گرفته، بهترین الگوریتم برای احراز هویت راننده، شبکه عصبی با حداکثر دقت 96% بوده است. از این راهکار میتوان در حمل و نقل آینده به منظور توسعه سامانه های بیمه مبتنی بر رفتار رانندگی و نیز توسعه سامانه های اعمال جرایم یا مشوق ها بهره برد.
کلید واژگان: احراز هویت راننده، تلفن همراه هوشمند، شتاب سنج، ژیروسکوپ، یادگیری ماشین، استخراج ویژگی -
مجله جنگل ایران، سال دهم شماره 2 (تابستان 1397)، صص 139 -152جاده های جنگلی به منظور ایجاد دسترسی به جنگل احداث می شوند و تاثیر زیربنایی در سازماندهی منطقه دارند. هدف این پژوهش، معرفی راهکاری هوشمند مبتنی بر شبکه های عصبی مصنوعی با تلفیق GIS برای طراحی شبکه جاده جنگلی با در نظر داشتن اصول و معیارهای فنی شبکه جاده جنگلی است. ابتدا معیارهای موثر با استفاده از روش دلفی شناسایی شد و وزن دهی آنها با استفاده از روش AHP، انجام گرفت. با تلفیق لایه های مختلف و وزن نظیر هر یک به روش وزن دهی خطی، نقشه شایستگی بخش پاتم برای عبور شبکه جاده تهیه شد. ارزش هر پیکسل از نقشه ها به همراه مختصات، با استفاده از نرم افزار ENVI استخراج شد. به منظور آماده سازی داده ها برای ورود به نرم افزار MATLAB، همه داده ها به دامنه 0 تا 1 نگاشت شدند. در این مطالعه برای مدل سازی، از دو شبکه عصبی پرسپترون چندلایه و شعاع مبنا استفاده شد. شبکه های عصبی درجه مطلوبیت عبور جاده برای پنج بخش جنگل را براساس بخش پاتم برآورد کردند. با استفاده از برنامه جانبی PEGGER دو شبکه جاده نیز طراحی شد. در انتها جاده های طراحی شده با جاده موجود توسط GIS مقایسه و ارزیابی شد. نتایج نشان داد که شبکه عصبی مصنوعی پرسپترون چندلایه توانایی بیشتری در برآورد درجه مطلوبیت عبور جاده دارد و ضریب تبیین آن 994/0 به دست آمد. برای مقایسه نتایج شبکه های عصبی پیشنهادی از رگرسیون خطی استفاده شد. نتایج نشان داد هر دو شبکه عصبی نتایج بهتری از رگرسیون خطی ارائه دادند و قابلیت لازم را برای تعیین میزان مطلوبیت در طی فرایند طراحی شبکه جاده دارند. براساس نتایج به دست آمده گزینه دوم طراحی شده، برپایه میزان ارزش واحد طول به عنوان شبکه جاده بهینه معرفی شدکلید واژگان: رگرسیون خطی، سیستم اطلاعات جغرافیایی، شبکه جاده جنگلی، شبکه عصبی مصنوعی، نقشه شایستگیForest roads are constructed to facilitate forest protection, reforestation, logging operations and maximizing the value of forest products. Therefore forest roads are key infrastructures in the development of the region. This study aims to plan forest road network using artificial neural network and GIS regarding forest road technical principles. First the criteria were chosen using Delphi method and then they were weighted regarding their importance in road planning. After that the criteria were combined with corresponding weighs to achieve suitability map based on the degree of suitability for road allocation. Value and coordinates of each pixel were extracted by ENVI software and were normalized in the range of 0-1 for modeling by MATLAB software. In this study two neural networks were used for modeling, including multilayer perceptron (MLP) and radial-bases functions (RBF). The neural networks estimated suitability of different pixels in other districts based on the Patom district results. Using an ArcView GIS extension, PEGGER, two forest road networks were planned. The results showed that MLP provides better ability for estimating suitability of pixels for road passage in comparison with RBF with the R2 of 0.994. A linear regression was also used to compare the results of the proposed neural networks. The results revealed that neural network improves the results in comparison with the linear regression and results showed that the second road alternative was optimum network with regard to the unit costKeywords: artificial neural network, Forest road network, GIS, Linear regression
-
نسل جدید سامانه های هشدار تصادف مبتنی بر ارسال داده های مکانی بین خودروها می باشند. راهکار کنونی این ارسال و دریافت استفاده از ارتباطات اختصاصی کوتاه برد است که با محدودیت هایی همراه است. گسترش فناوری ارتباطی سلولی و ناحیه تحت پوشش آن، زمینه جایگزینی و بهره گیری از این فناوری را در ارتباطات بین خودرویی فراهم نموده است. در این پژوهش ابتدا سناریوهای هشدار تصادف و نیازمندی های هر سناریو از جهت زمان تاخیر مورد بررسی قرار گرفته و نشان داده شده است که زمان تاخیر 100 میلی ثانیه در همه سناریوهای ضروری نیست. سپس قابلیت استفاده از نسل سوم (3G) و چهارم شبکه ارتباطی تلفن همراه (LTE) برای جایگزینی در سناریوهای حساس به زمان مورد ارزیابی قرار گرفته است. نتایج آزمون ها نشان می دهد نسل چهارم تلفن همراه در کشور قابلیت جایگزینی ارتباطات اختصاصی کوتاه برد را دارد به طوری که تاخیر ارسال و دریافت در 98.14 درصد موارد کمتر 100 میلی ثانیه هست. در حالی که نسل سوم شبکه ارتباطی تلفن همراه با متوسط تاخیر 250 میلی ثانیه صرفا در سناریوهایی قابل استفاده هست که سرعت خودروها کم و فاصله بین آن ها زیاد باشد.
کلید واژگان: نسل سوم و چهارم ارتباطات سلولی، خودروهای متصل، هشدار تصادف، تاخیر در شبکه های بین خودروییNowadays collison warning systems are based on sharing position data between vehicles. The most common solution is using Dedicated Short Range Communication(DSRC). But this technology has met a lot of limitations. The spread of cellular network technology and it’s wide area coverage can make cellular network a proper alternative for DSRC. In this paper,first the collision senarios have been reviewed and their use cases are specified. It has been showed that 100 msec time delay is not essential in all collision senarios. Then 3G and 4G/LTE are evaluated for using as the main network in connected vehicles. The results show that 4G/LTE has the proper potential for using in vehicular network instead of DSRC. The time delay in 4G/LTE was below 100 msec in 98.14 per cent of samples. Also 3G had the mean time delay of 250 msec and can only be used in senarios that the vehicle’s speed are low and the distance between vehicles is high.
Keywords: 3G, 4G, LTE cellular network, connected vehicles, collision warning, time delay in vehicularnetwork -
قریب به یک سوم تلفات انسانی در تصادفات مربوط به عابرین پیاده است ، از این رو حفظ ایمنی عابرین یکی از مسایل مهم حوزه حمل و نقل می باشد. بدین منظور عمدتا از سامانه های هشدار تصادف در خودرو استفاده می گردد. در این پژوهش با استفاده از محاسبه و ارسال موقعیت تلفن همراه هوشمند راننده و عابر پیاده ، سرعت خودرو و عابر پیاده ، جهت حرکت عابر پیاده و خودرو و شتاب خودرو ، به سامانه فازی جدیدی ، هشداردهی لازم ارایه می گردد. سامانه پیشنهادی شامل سه فاز است. در فاز فعالسازی ، این سامانه با توجه به موقعیت و الگوی حرکتی خودرو و عابران اطراف خودرو نسبت به شناسایی و فعال کردن سامانه برای عابران مستقر در محدوده فعال سازی ، اقدام می نماید. در فاز دوم عابران شناسایی شده ، مورد پایش لحظه ای قرار می گیرند تا پارامترهای موثر در برخورد استخراج گردد و در گام سوم با فازی سازی عوامل موثر و تحلیل ریسک تصادف ، هشدار سطح قرمز (هشدار توقف) یا زرد (هشدار توجه) صادر می شود. نتایج ارزیابی نشان می دهد ، فعالسازی سامانه دارای دقت 86 درصد بوده است و وضعیت های هشدار یا عدم هشدار در 95 درصد موارد به درستی تشخیص داده می شود. همچنین هشدار زرد و هشدار قرمز با دقت 62 درصد و 100 درصد به درستی و در زمان مناسب داده شده اند.
کلید واژگان: ایمنی عابر، سامانه های هشدار تصادف، تلفن همراه هوشمند، کاربران آسیب پذیر ترافیکیNearly one third of accident casualties is related to pedestrians. Therefore pedestrian safety is one of the important transportation issues. For this purpose collision warning systems are mainly used. In this research, the necessary warnings are provided by computing and sending the vehicle and pedestrian smartphone positions, vehicle and pedestrian speeds, vehicle and pedestrian directions and vehicle acceleration to new fuzzy system. The proposed system includes three phases. In activation phase, the system according to position and trajectory of the vehicle and the pedestrians around the vehicle, is activated for the pedestrians in the activation area. In the second phase, detected pedestrians are monitored momentary to extract the effective collision parameters. And in the third phase, red level warning or yellow level warning is provided by fuzzification of effective parameters and accident risk analysis. The results show that activation of the system has 86 percent accuracy and warning or no warning situations are correctly detected in 95 percent of the cases. Also yellow warning and red warning accuracy was 62 and 100 percent.
Keywords: pedestrian safety, collision warning systems, smartphone, vulnerable traffic users -
استفاده بهینه از تجهیزات حمل و نقل در کشورهای پیشگام حمل ونقل هوشمند امری حائز اهمیت می باشد. تونل ها یکی از ساختارهای حمل ونقل می باشند که شامل انواع مختلفی از سیستم های هوشمند نظیر جت فن ها، چراغ های ال -ای-دی دوربین های نظارت تصویر و... می باشند. وجود یک اتاق کنترل جهت مدیریت این سنسورها، تصمیم گیری در شرایط مختلف را تسریع می بخشد. در این مقاله به تشریح نحوه عملکرد این اتاق کنترل جهت مدیریت سیستم های هوشمند درون تونل پرداخته شده است و بر اساس دیدگاه های مهندسی دانش، به استخراج تجربیات در مدیریت تونل اقدام شده است. این تجربیات به عنوان پایگاه دانش یک سیستم خبره تبدیل شده و از آن برای مدیریت تونل استفاده می شود. در بخش مهندسی دانش الگوریتم های یادگیر به طور مداوم در حال اجرا هستند و ضمن استخراج تجربه، گزارش هایی را جهت تحویل به مدیریت تونل فراهم می آورند. در نهایت درخت نیوبیز در کمترین زمان ممکن و بیشترین دقت بهترین نتیجه را روی ارزیابی انجام شده روی تونل نیایش ارائه داده است.
کلید واژگان: سیستم های حمل و نقل هوشمند، الگوریتم های یادگیر، مهندسی دانش، مدیریت تونلOptimal usage of transportation equipments are very important issue in many countries which use ITS. Tunnel is one of the transportation structures which has many transportation systems as Jet fans، LED، CCTV،… so there is a need to have a control room in tunnel، which helps using these sensors، and make decisions in different critical situations rapidly. In this paper operation of control room to manage tunnel intelligent transportation system، is mentioned and then based on knowledge engineering rule extractions are discussed. These rules are used as a database for expert system. Then they used for tunnel management. In knowledge engineering، learnable algorithms are run، and near extracting of rules، they made a report for tunnel administrator. As a result Naive bayes decision tree with lower process time and higher accuracy made a best result for Niayesh tunnel in Tehran.Keywords: Intelligent Transportation Systems, Learnable Algorithm, Knowledge Engineering, Tunnel Management -
According to the statistics, 18 thousand of individuals are killed each year by traffic accidents in Iran and main reason of accidents is drowsiness of drivers. This paper recommended a cheap and efficient software for detecting drowsiness of drivers by mobile phone. So the Abdabost algorithm is applied for extracting the conditions of eyes. The achieved positions of eyes included ECD and PERCLOSE are applied as input data for measuring drowsiness of drivers.Keywords: According to the statistics, 18 thousand of individuals are killed each year by traffic
-
هدایت مسیر گروهی یکی از خدمات مهم سیستم پیشرفته اطلاع رسانی رانندگان (ATIS) است که هدف آن اطلاع رسانی وضعیت ترافیکی شبکه بزرگراهی به گروهی از رانندگان با استفاده از امکاناتی مانند تابلوهای متغیر خبری (VMS)، سایت های وب و رسانه های ملی می باشد. اطلاعات زمان سفر پویا یکی از مولفه های اصلی سیستم هدایت مسیر پویا است که قابلیت ایجاد هدایت مسیر پویا برای رانندگان، افزایش قابلیت اطمینان شبکه بزرگراهی و کاهش ترافیک دارد. در این مقاله راهکارهای پیش بینی زمان سفر بررسی شده است و نتایج حاصل از سه روش شبکه-های عصبی فازی و شبکه های عصبی پرسپترون برای تخمین سری های زمانی مقایسه شده است. با مقایسه نتایج دو روش فوق بر روی اطلاعات رمپ چمران غربی به نیایش جنوبی شبکه بزرگراهی تهران به نظر می رسد که روش شبکه های عصبی فازی نتایج دقیق تری نسبت به و شبکه عصبی پرسپترون به دست می دهد.
کلید واژگان: سامانه پیشرفت اطلاع رسانی راننده، شبکه ترافیک، پیش بینی، شبکه های عصبی فازیA route guidance system is one of the most important services of advanced traveler information systems (ATIS) for drivers,which aims to inform the state of the highway’s traffic to a group of drivers using variable message sign (VMS), web sites, medias and etc. Dynamic travel time information is one of the major components of the dynamic route guidance system which can increase the highway networks reliability, lighten the traffic flow and create dynamic route guidance for drivers. In this paper different methods are reviewed and the results of neuro-fuzzy neural networks and perceptron neural networks are compared. Comparing the results of these methods for predicting the data collected from the Chamran to Niyayesh ramp in Tehran highway network, shows that fuzzy-neural approach can achieve more accurate results.Keywords: Advanced traveler information systems (ATIS), Traffic network, Prediction, Neuro, fuzzy neural networks -
ارائه دو مدل جدید برای مساله مکان یابی شمارنده های ترافیکی به منظور بیشینه سازی / پوشش مسیره ا: مطالعه موردی روی بزرگراه های تهراندر سال های اخیر به دلیل ازدیاد حجم ترافیک در کلان شهرها، برآورد میزان عرضه و تقاضا مابین نواحی تولید و جذب سفر بسیار مورد توجه قرار گرفته است.از آنجا که تعیین این مقادیر، بین نواحی مختلف شبکه ی شهری از طریق آمارگیری کاری بسیار پرهزینه و وقت گیر می باشد، استفاده از شمارنده های ترافیکی بر روی لینک های شبکه به منظور تعیین حجم ترافیک بسیار مورد توجه قرار گرفته است. اما به منظور تعیین کمترین تعداد و مکان شمارنده ها مدل های مکانیابی مختلفی ارائه شده است. یکی از ابزارهای مورد استفاده در این زمینه، دوربینهای تشخیص پلاک خودرو ها می باشد. در این مقاله، با توجه به نحوه ی عملکرد این دوربینها، دو مدل جدید برای مکانیابی دوربینها ارائه می شود. در مدل اول با اضافه نمودن قید بودجه به مساله مکانیابی، به بیشینه سازی پوشش مسیرها توجه شده است.در مدل دوم با توجه به تابع هدف بیشینه سازی تعداد مسیرهای اسکن شده و کمینه سازی تعداد دوربینها به صورت همزمان جواب مساله تعیین می شود. در پایان نتایج شبیه سازی هر دو مساله با استفاده از نرم افزار ایمز بر روی بخش غربی شبکه ی بزرگراهی شهر تهران ارائه می گردد و کارایی هر مدل بررسی می شود.
In recent years, due to increase in thed volume of traffic in large cities, estimating supply and demand estimates between production areas and to attract muchorigins and destinations attention has been under focusbeen. Since finding such the values using census between from different regions of the census metropolitan area network is very costly and time consuming, tThe use of traffic counters to determine the volume of traffic on network links is highly importantregarded. But in order to determine the minimum number and location of the counters locate different models is have been presented. One of the tools used in this context, is the vehicle license plate recognition cameras. In this paper, based on the performance of the cameras, the new two models is have been proposed to locate cameras. In tThe first model tries maximization of path coverage by adding a budget constraint to the location problem, to maximize coverage of paths is given. TIn the second model tries, simultaneous the maximization of the number of the scan lines and minimization ofing the number of the cameras to find the simultaneously answer the question to be determined. The simulation results study of both the problems on west Tehran highway network has been presented using both the AIMMS software package on the western part of Tehran's highway network is provided and performance of each model is has been checkedevaluated.Keywords: Origin – Destination Model Demand_Locating Models_Maximization -
طراحی زمان بندی های بهینه چند هدفه در سیستم اسکتس برای کنترل متغیر با جریان چراغهای راهنمایی
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.