مهندسی عمران-راه و ترابری
احمد جواد رامکی؛ رضا امین؛ علی خدائی
چکیده
تشخیص علائم راهنمایی و رانندگی در قلمرو سیستم‌های حمل و نقل هوشمند اهمیت زیادی دارد، زیرا به طور موثر ایمنی جاده‌های ما را افزایش می‌دهد. این فناوری با تجهیز رانندگان به اطلاعات حیاتی در مورد خطرات احتمالی، زمان پاسخگویی را به میزان قابل توجهی کاهش می‌دهد و به تصمیم گیری سریع در ...
بیشتر
تشخیص علائم راهنمایی و رانندگی در قلمرو سیستم‌های حمل و نقل هوشمند اهمیت زیادی دارد، زیرا به طور موثر ایمنی جاده‌های ما را افزایش می‌دهد. این فناوری با تجهیز رانندگان به اطلاعات حیاتی در مورد خطرات احتمالی، زمان پاسخگویی را به میزان قابل توجهی کاهش می‌دهد و به تصمیم گیری سریع در حین کار با وسیله نقلیه کمک می‌کند. با توجه به رشد تصاعدی جمعیت ما، متأسفانه افزایش تعداد وسایل نقلیه منجر به افزایش دردناک تلفات و جراحات ناشی از ترافیک شده است .اگر چه گسترش شبکه حمل و نقل به بحث ترافیک کمک می‌کند اما این گسترش ممکن است به دلیل هزینه‌های مالی بالا، محدودیت‌های جغرافیایی و زیست محیطی و همچنین مدت زمان طولانی برای بهبود زیرساخت های حمل و نقل غیر قابل اجرا باشد. کنترل کیفیت رنگ‌های ترافیکی، شبرنگها، گلاسبیدها و سایر علائم راهنمایی و رانندگی مطابق با استاندارد‌های ملی و بین‌المللی به طور قابل توجهی تعداد کشته شدگان و مجروحان را کاهش می‌دهد. مدیریت یک شهر هوشمند با تاکید بر کاهش ضایعات و استفاده کارامد از منابع، مسئولیت اصلی فعالیت‌های ترافیکی و حمل‌و‌‌نقل است. استفاده از تکنیک های پردازش پیچیده در اتومبیل‌ها برای افزایش ایمنی بدون دخالت در رانندگی به عنوان بخشی از مفهوم شهر هوشمند پیشنهاد شده است. این مطالعه به یک رویکرد جدید نگاه می کند که می‌تواند به ایجاد یک چارچوب برای قرار دادن علائم خیابانی با استفاده از تصاویر گوگل به برنامه مدیریت ترافیک کمک کند. یافته‌ها نشان دهنده کاهش زمان سفر، افزایش استفاده از ناوگان، تعمیر و نگهداری بهتر وسایل نقلیه و کاهش انتشار دی‌اکسید‌کربن از اتومبیل‌های مسافرتی است.
رضا اکبری غیبی؛ داریوش جلیلی؛ وحید بخشی
چکیده
امروزه با افزایش حجم تراقیک و رشد سفرها، ساماندهی و مدیریت ترافیک یکی از ضرورت های مدیریت شهری می باشد. همچنین، شناسایی ترافیک در سال های اخیر به یک کار چالش برانگیز تبدیل شده است. اخیراً روش‌های یادگیری عمیق به طور گسترده برای طبقه‌بندی ترافیک شبکه مورد مطالعه قرار گرفته‌اند. متأسفانه، این مدل ها به حجم زیادی از داده های ...
بیشتر
امروزه با افزایش حجم تراقیک و رشد سفرها، ساماندهی و مدیریت ترافیک یکی از ضرورت های مدیریت شهری می باشد. همچنین، شناسایی ترافیک در سال های اخیر به یک کار چالش برانگیز تبدیل شده است. اخیراً روش‌های یادگیری عمیق به طور گسترده برای طبقه‌بندی ترافیک شبکه مورد مطالعه قرار گرفته‌اند. متأسفانه، این مدل ها به حجم زیادی از داده های آموزشی نیاز دارند. چالش دیگر با اکثر روش های طبقه بندی ترافیک این است که ویژگی ها باید توسط یک متخصص استخراج شوند. در این روش ها یافتن ویژگی های مورد نظر که منجر به دسته بندی بهتر می شود بسیار خسته کننده و زمان بر است. در نتیجه نیاز به اقدامات نوین جهت کاهش ترافیک شهری بیش از پیش لازم می دارد. هدف اصلی از این مطالعه بررسی روش های نوین کنترل ترافیک شهری است. که بیشتر بر پایه تحقیقات پیشین و تحلیل آن‌ها استوار است. مطالعات مربوط به روش ها و مدل های جدید مرتبط با کاهش ترافیک از جمله، تکنولوژی، فناوری و سیستم های هوشمند درسالهای اخیر جمع‌آوری و مورد بررسی قرار گرفتند. نتایج نشان می دهد که استفاده از این فناوری های جدید می تواند باعث تخمین حجم ترافیک های پنهان، بهبود جریان ترافیک، پیش بینی واقعی عملکردهای زمان سفر و حجم ترافیک، تعیین حالت سرویس دهی سطح خدمات مناسب، افزایش ظرفیت و کارایی زیر ساخت های موجود حمل و نقل و مشخص نمودن حداکثر طول صف، توقف صف، تاخیر خودرو، تاخیر توقف و تعداد توقف‌ها شود.
