طراحی نرم افزار مبتنی بر مهندسی دانش جهت مدیریت تونل در شرایط برخط

سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 307

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_CER-1-1_001

تاریخ نمایه سازی: 11 خرداد 1398

چکیده مقاله:

استفاده بهینه از تجهیزات حمل­و­نقل در کشورهای پیشگام حمل­ونقل هوشمند امری حائز اهمیت می­باشد. تونل­ها یکی از ساختارهای حمل­ونقل می­باشند که شامل انواع مختلفی از سیستم­های هوشمند نظیر جت­فن­ها، چراغ­های ال­-ای-دی دوربین­های نظارت تصویر و ... می­باشند. وجود یک اتاق کنترل جهت مدیریت این سنسورها، تصمیم­گیری در شرایط مختلف را تسریع می­بخشد. در این مقاله به تشریح نحوه عملکرد این اتاق کنترل جهت مدیریت سیستم­های 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 الگوریتم­های یادگیر به طور مداوم در حال اجرا هستند و ضمن استخراج تجربه، گزارش­هایی را جهت تحویل به مدیریت تونل فراهم می­آورند. در نهایت درخت نیوبیز در کمترین زمان ممکن و بیشترین دقت بهترین نتیجه را روی ارزیابی انجام شده روی تونل نیایش ارائه داده است.

کلیدواژه ها:

سیستم های حمل و نقل هوشمند ، الگوریتم های یادگیر ، مهندسی دانش ، مدیریت تونل

نویسندگان

شادی آب پیکر

دانشجوی دکتری، گروه علوم کامپیوتر،دانشکده ریاضی وعلوم کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران

مهدی قطعی

استادیار گروه علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر و پژوهشکده حمل ونقل و سیستم های هوشمند، دانشگاه صنعتی امیرکبیر، تهران

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 :
  • .     Shah, N. et. al (2012). Optimization models for assessing ...
  • .    Trullols, O. et. al (2010). Planning roadside infrastructure for ...
  • .     Ma, Zh. Et. Al (2009), Characteristics of traffic accidents ...
  • .      Xu,Q. et. al (2013). Preliminary Study on Exhaust Efficiency of ...
  • .    Alvear, D. et. Al (2013).Decision support system for emergency ...
  • .    Vashitz,G. et. Al (2008). In-vehicle information systems to improve ...
  • .    Ülengin,F., Topcu, I.,(2000). Knowledge-Based Decision Support Systems Techniques and ...
  • .    Darmoul, S., Elkosantini, S., (2014). Artificial immunity to control ...
  • .    Sagong, M.,( 2006). Induction of tunnel reinforcement selection rules ...
  • . Mahdevari, S., Torabi, S.R., (2012). Prediction of tunnel convergence ...
  • . Leo, S., Chen, Ch., Chang, Sh., (2001). Data mining ...
  • . Elvic, R. (2008). The predictive validity of empirical Bayes ...
  • . Abpeykar, Sh., Ghatee, M., (2014). Supervised and unsupervised learning ...
  • . Demiral, C., Celikoglu, H., (2011). Application of ALINEA ramp ...
  • . Zhao, Y., Zhang, Y., (2008). Comparison of decision tree ...
  • . Zhang, H., Su, J., (2004). Naive Bayesian Classifiers for ...
  • نمایش کامل مراجع