![]() |
مهندس مهدی رفعتی فرد دانشجوی دوره دکتری این دانشکده گرایش حمل و نقل، 11 تیرماه سال 98 از رساله خود تحت عنوان «ارائه مدل رفتار حرکتی رانندگان برای سیستمهای نامنظم ترافیک» در محل سالن کنفرانس دکتر عباسنیا با راهنمایی دکتر افشین شریعت دفاع نمود. |
چکیده این رساله به شرح زیر میباشد: در پژوهش حاضر با یک نگاه جامع به موضوع توسعه مدلهای ریزنگر ترافیک، چهار حوزه جمعآوری دادههای خط سیر خودرو، بازسازی و اصلاح دادههای خط سیر، توسعه مدل غیر خط مبنا و چگونگی کالیبراسیون و اعتبارسنجی مدل مورد توجه قرار گرفت. در بخش جمع آوردی داده، نرمافزاری جهت استخراج دادهها از تصاویر ویدیویی برداشت شده توسط پهباد توسعه داده شد که در آن از مجموعهای از الگوریتمهای کارا جهت پایدارسازی تصاویر، شناسایی خودروها و ردیابی آنها در دنبالههای ویدیویی استفاده شده است. مقایسه دادههای استخراج شده با استفاده از نرمافزار توسعه داده شده و دادهای استخراج شده به صورت دستی، دقت مناسب الگوریتمهای توسعه داده شده جهت استخراج اتوماتیک دادهها را نشان میدهد. در بخش بازسازی و اصلاح دادههای خط سیر خودرو، روشی مبتنی بر تبدیلات موجک توسعه داده شده است که در آن اصلاح دادهها طی دو گام صورت میپذیرد. در گام اول ابتدا دادههای دور افتاده شناساییشده و سپس به صورت محلی اصلاح میشوند. در نهایت در گام دوم نویز موجود در دادهها حذف میگردد. مقایسه نتایج روش پیشنهادی با جدیدترین روشهای ارائه شده برای بازسازی دادهها، عملکرد بهتر روش پیشنهادی را نشان میدهد. بهگونهای که روش پیشنهادی قادر است با حفظ اطلاعات مفید و ساختار خط سیر مقدار بیشتری از نویز موجود در دادهها را حذف نماید. در بخش توسعه مدل غیر خط مبنا، با استفاده از نظریه میدان، چارچوبی عمومی جهت مدلسازی رفتار حرکتی رانندگان ارائه گردیده است که میتواند برای هر دو جریان ترافیک منظم و نامنظم مورد استفاده قرار گیرد. در این مدل، محیط پیرامونی راننده به صورت یک میدان پتانسیل در نظر گرفته شده که عناصر موجود در این میدان (نظیر خودروهای پیرامونی، علائم رانندگی، لبههای راه) نیروهایی را به راننده وارد میکنند که برآیند این نیروهای درک شده چگونگی حرکت طولی و جانبی خودرو را تعیین مینماید. بررسیها و شبیهسازیها انجام شده در ارتباط با بخشهای مختلف مدل ارائه شده، عملکرد منطقی و مناسب مدل پیشنهادی را نشان میدهد. علاوه بر این مدل پیشنهادی دارای چارچوبی انعطافپذیر بوده، بهطوریکه امکان اضافه کردن تحریکهای جدید (نیروهای حاصل از عناصر جدید در میدان ادراکی راننده) با کمترین تغییرات در مدل وجود دارد. در نهایت در بخش کالیبراسیون، الگوریتمی کارا جهت برآورد پارامترهای مدل ارائه شده است. در این الگوریتم عملگرهای جهش و ادغام موجود در الگوریتم ژنتیک با ساخت و نمونهگیری از یک تابع توزیع احتمالی جایگزین شده است. مقایسه الگوریتم پیشنهادی با الگوریتم ژنتیک (که بهطور گستردهای در کالیبراسیون مدلهای ریزنگر مورد استفاده قرار گرفته است.) عملکرد بهتر روش پیشنهادی را در افزایش دقت برآوردها و صرف هزینه کمتر جهت تخمین پارامترها نسبت به الگوریتم ژنتیک نشان میدهد. رایانامه جهت ارتباط با دانشجوی فوق: rafati [AT] iust.ac.ir |