رویکرد چندمعیاره در شرایط عدم قطعیت مبتنی بر تئوری شواهد برای شناسایی و رتبه بندی نقاط پرتصادف جاده ها
محل انتشار: پژوهشنامه حمل و نقل، دوره: 23، شماره: 2
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 176
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TRJ-23-2_023
تاریخ نمایه سازی: 1 تیر 1405
چکیده مقاله:
شناسایی و رتبه بندی نقاط حادثه خیز جاده ای، گامی بنیادی در ارتقای ایمنی راه ها و کاهش تصادفات محسوب می شود. در این پژوهش، یک مدل تصمیم گیری ترکیبی نوآورانه بر پایه تحلیل پوششی داده ها (DEA)، روش تصمیم گیری چندمعیاره TOPSIS و تئوری شواهد ارائه شده است که با هدف مدیریت عدم قطعیت موجود در داده ها و افزایش دقت رتبه بندی نقاط پرخطر توسعه یافته است. در گام نخست، کارایی هر یک از ده نقطه فرضی حادثه خیز با استفاده از مدل DEA محاسبه شد. سپس، نتایج حاصل به روش TOPSIS برای رتبه بندی اولیه نقاط مورد استفاده قرار گرفت. در مرحله نهایی، تئوری شواهد به منظور تجمیع نتایج و ارائه رتبه بندی نهایی مقاوم و قابل اعتماد به کار گرفته شد. داده های ورودی شامل ده شاخص کمی و کیفی مرتبط با ایمنی جاده ای است که با استفاده از نظرات خبرگان و داده های فرضی استخراج گردید. نتایج نشان داد نقطه P۷ با امتیاز ۰.۸۹۲ به عنوان ایمن ترین و نقطه P۹ با امتیاز ۰.۳۱۷ به عنوان پرخطرترین مکان شناسایی شد. مدل پیشنهادی ضمن ارائه نتایج پایدار در برابر نوسانات ورودی ها، از توانایی بالایی در مدیریت عدم قطعیت برخوردار بوده و می تواند به عنوان ابزاری کارآمد در پشتیبانی تصمیم گیری های مدیریتی و بهبود ایمنی شبکه های جاده ای مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
عظیم سهرابی
گروه مهندسی صنایع ، واحد بین المللی کیش، دانشگاه آزاد اسلامی، کیش ، ایران
علی جهان
گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد سمنان ، سمنان ، ایران
کاوه خلیلی دامغانی
گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :