ارزیابی استفاده از سیستم استنتاج فازی جهت افزایش کارایی سیستم‌های هوشمند درون‌خودرویی با استفاده از شاخص‌های ایمنی جایگزین تصادفات

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه شهید باهنر کرمان- بخش مهندسی عمران

2 دانشجوی عمران دانشگاه شهید باهنر کرمان

3 دانشگاه شهید باهنر کرمان

4 دانشگاه شهید رجایی

چکیده

آینده مدیریت و کنترل ترافیک می‌تواند به‌شکل کنترل دیجیتال و خودکار باشد، این موضوع بر کاهش خطاهای انسانی مؤثر خواهد بود. یکی از موارد پرکاربرد در این زمینه، هوشمندسازی خودروها خواهد بود. بحث هوشمندسازی خودروها دارای کارکردهای متنوعی جهت ارتقای ایمنی تردد، بحث مسیریابی، کاهش تراکم ترافیک و درمجموع آرامش و آسایش رانندگان است. این مقاله در نظر دارد تا روشی جهت ثبت و شناسایی به‌موقع موقعیت‎های خطرناک برای هر وسیله‌نقلیه براساس مشخصات خرد جریان ترافیک در خودروهای هوشمند ارائه کند. در اینجا از شاخص‌های ایمنی جایگزین تصادفات استفاده می‌شود. چنانچه بتوان از ویژگی‎های همه شاخص‌های موجود استفاده کرد، کارایی خودروهای هوشمند افزایش پیدا خواهد کرد. برای این منظور در این مقاله از سیستم استنتاج فازی (FIS) جهت ارائه یک شاخص ترکیبی (MI) استفاده می‌شود. جهت جلوگیری از پیچیده شدن مسئله تنها برخوردهای جلوبه‎عقب در نظر گرفته شده است. برای توسعه قواعد فازی به داده‌های خرد جریان ترافیک موقعیت‌های تعقیب خودرو نیاز است. در این راستا از داده‌های خرد جریان ترافیک برداشت شده در بزرگراه مدرس در تهران استفاده می-شود. در نهایت نتایج مربوط به تحلیل ایمنی برمبنای هر یک از شاخص‌ها با یکدیگر و نیز نتایج حاصل از شاخص MI به لحاظ آماری با یکدیگر مقایسه می‌شوند. براساس محاسبات صورت گرفته می‌توان گفت استفاده از FIS می‌تواند احتمال برخورد جلوبه‎عقب را با در نظر گرفتن توأمان شاخص‌های مختلف بهتر مدل کند. بنابراین استفاده از ابزار هوش مصنوعی همراه با شاخص‎های جایگزین تصادفات می‌تواند موجب افزایش کارایی سیستم‌های ارتباطی بین خودرویی شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluation of applying Fuzzy Inference System to increase the efficiency of intelligent vehicles by Surrogate Safety Measures

نویسندگان [English]

  • navid nadimi 1
  • Amirhossein Zare mirhosseini 2
  • Arash Gheibi 3
  • Hamid Shahbazi 4
1 Shahid Bahonar University o Kerman- Civil Engineering Department
2 Shahid Bahonar University of Kerman
3 Shahid Bahonar University of Kerman
4 Shahid Rajaee University
چکیده [English]

In the near future traffic control and management might be fully automatic. This phenomenon would be helpful in decreasing the human errors. One of the most applied systems in this field is intelligent vehicle. Intelligent vehicles have various applications such as safety improvement, route choice, decreasing traffic congestion and totally they would increase human convenience and comfort. This paper, aims to develop a method to detect dangerous situations for each vehicle based on microscopic traffic data for intelligent vehicles. Here, surrogate safety measures (SSM) would be applied. Each SSM has unique characteristics and if we could use the advantages of each SSM simultaneously, then the efficiency of intelligent vehicles might be increased. For this purpose, Fuzzy Inference System would be applied to develop a Mixed Index. The proposed methodology relates to rear-end collisions. Traffic microscopic data collected in Modares highway of Tehran would be used to develop fuzzy rules. Finally, the MI results would be compared by each SSM statistically. Based on the results it can be declared that FIS can be helpful to calculate the rear-end collision probability by MI as a combination of SSMs. Therefore, artificial intelligence beside SSMs can be helpful in increasing the efficiency of intelligent vehicles.

کلیدواژه‌ها [English]

  • safety
  • intelligent vehicle
  • Rear-end
  • Fuzzy