فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


نویسندگان: 

مه آبادی امین اله

اطلاعات دوره: 
  • سال: 

    1387
  • دوره: 

    6
  • شماره: 

    3 (الف)
  • صفحات: 

    16-29
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    3122
  • دانلود: 

    0
چکیده: 

در این مقاله مدلی نو برای یک سیستم ویدیویی خودکار محاسبه گر حجم تردد خودروهای عبوری، جهت زمان بندی و کنترل هوشمند چراغ راهنمایی ارایه شده است. ضمن محاسبه حجم ترافیک بر اساس خودروها و به تفکیک لاین ها، تردد چهار راه را زمان بندی می کند. به پارامتر انتظار اجتماعی راننده به عنوان زمان پیش فرض توجه دارد. در مقابل ازدحام، سایه ها، تغییرات محیطی و تغییرات آرام نور محیط مقاوم و تا حدودی تغییرات ناگهانی را تحمل کرده و به شعاع پوشش دوربین وابستگی ندارد. سایه و خطاهای موجود را جهت افزایش دقت، از تصاویر حذف می کند و نیازمند به تشخیص و تفکیک خودرو نیست. دارای دقت بالای تشخیص حجم خودروها، حذف سایه خودرو و تشخیص خودرو به صورت مجزا با روش جدیدی است. سیستم 10 فریم در 1 ثانیه برای هر دوربین را پردازش می کند و با افزایش فریم ها نتایج تشخیص بهبود می یابد. به دلیل تناسب سرعت خودروها با سرعت حرکت در چهار راه، سیستم بلادرنگ عمل می کند.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 3122

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

Habibi M. | Broumandnia A. | Harounabadi A.

اطلاعات دوره: 
  • سال: 

    2021
  • دوره: 

    34
  • شماره: 

    4
  • صفحات: 

    854-862
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    24
  • دانلود: 

    0
چکیده: 

Traffic congestion and route guidance are integral parts of urban development in large cities. How cars are routed and the traffic flowing have a direct impact on each other. Therefore, the first step is to determine a criterion for assessing the traffic situation. The type of vehicles should also be considered in routing. Emergency vehicles must arrive at their mission site as soon as possible. Public transportations must also travel according to their plans. Ordinary vehicle drivers can either choose a road as an intermediate destination (out of interest, pick up someone, etc.). In this paper, two new algorithms are proposed to 1) route with intermediate destination selection for ordinary vehicles, and 2) schedule traffic lights to decrease traffic density and routing delay. The first algorithm proposed an agent-based route guidance model that in addition to finding the least expected travel time (LET) routes, drivers could select a part of the route as intermediate destinations according to their interests, to raise their satisfaction level. The second algorithm considers the density of traffic flow and the presence of emergency vehicles. This algorithm evaluates the status of the traffic flow by fuzzy logic. The evaluation is conducted by considering traffic flow speed and density. The output of fuzzy logic is used by the Gradational Search Algorithm (GSA). GSA regards the status of the flow, the priority of the traffic flow, and the distance of the emergency vehicles to the traffic light. The simulation results prove that the proposed algorithms have better performances.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 24

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

نادری شقایق

اطلاعات دوره: 
  • سال: 

    1403
  • دوره: 

    16
  • شماره: 

    59-60
  • صفحات: 

    264-278
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    34
  • دانلود: 

    0
چکیده: 

طبقه بندی و تحلیل ترافیک، یکی از چالش های بزرگ در حوزه داده کاوی و یادگیری ماشین است که نقش مهمی در تأمین امنیت، تضمین کیفیت و مدیریت شبکه دارد. امروزه حجم زیادی از ترافیک انتقالی در بستر شبکه‏ توسط پروتکلهای ارتباطی امن مانند HTTPS رمز می شوند. ترافیک رمز، امکان نظارت و تشخیص ترافیک مشکوک و مخرب در زیرساخت‏های ارتباطی را (در قبال افزایش امنیت و حریم خصوصی کاربر) کاهش می‏دهد و طبقه بندی آن بدون رمزگشایی ارتباطات شبکه‏ای کار دشواری است، چرا که اطلاعات payload از دست می‏رود و تنها اطلاعات سرآیند که بخشی از آن هم در نسخه های جدید پروتکلهای ارتباطی شبکه (نظیرTLS1.03) رمز می‏شود، قابل دسترس است. از اینرو رویکردهای قدیمی تحلیل ترافیک مانند روشهای مختلف مبتنی بر پورت و Payload کارآمدی خود را از دست داده، و رویکردهای جدید مبتنی بر هوش مصنوعی و یادگیری ماشین در تحلیل ترافیک رمز مورد استفاده قرار می گیرند. در این مقاله پس از بررسی روش های تحلیل ترافیک، چارچوب معماری عملیاتی برای تحلیل و طبقه بندی هوشمند ترافیک طراحی شده است. سپس یک مدل هوشمند با رویکرد شناسایی ترافیک برنامه ها مبتنی بر معماری پیشنهادی ارائه گردیده و با استفاده از روشهای یادگیری ماشین روی پایگاه داده ترافیکی Kaggle141 مورد ارزیابی قرار گرفته است. نتایج بدست آمده نشان می دهد که مدل مبتنی بر جنگل تصادفی، علاوه بر قابلیت تفسیرپذیری بالا در مقایسه با روشهای یادگیری عمیق، توانسته است دقت بالایی در طبقه بندی هوشمند ترافیک (95 درصد) در مقایسه با سایر روشهای یادگیری ماشین ارائه دهد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 34

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

NAGHIBZADEH M. | FATHI M.

نشریه: 

SCIENTIA IRANICA

اطلاعات دوره: 
  • سال: 

    2003
  • دوره: 

    10
  • شماره: 

    4
  • صفحات: 

    471-476
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    356
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

Rate-monotonic scheduling algorithm is one of the most widely used scheduling strategies, for real-time systems. Since 1973, when it was first introduced, many researchers have studied its behavior and practical safety verification algorithms have been developed. In this paper, a possible modification to the traditional Rate-Monotonic (RM) algorithm is examined. Namely, by eliminating unnecessary preemption, processor utilization is well improved. Another less important result, due to this modification is that the number of context switching is decreased, which, in turn, reduces overhead time. The new scheduling strategy is called a preemption Intelligent Rate- Monotonic (IRM) algorithm. It is proved that a system of two tasks is safe if, and only if, the processor load factor is U£1. It has also been proved that any system that is safe with the rate-monotonic algorithm is also safe with the IRM algorithm.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 356

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1400
  • دوره: 

    3
  • شماره: 

    1
  • صفحات: 

    10-17
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1254
  • دانلود: 

    0
چکیده: 

افزایش ازدحام جاده ها، زمان سفر، تعداد تصادفات، انتشار دی اکسیدکربن و مصرف سوخت از پیامدهای رشد تعداد خودرو است. بنابراین، کنترل کننده های هوشمند ترافیک برای حل مشکلات ازدحام ترافیک جاده ای مورد نیاز هستند. نتایج روشهای رایج، از جمله کنترل کننده زمان چرخه از پیش تعیین شده و کنترل کننده فعال شده توسط وسیله نقلیه، نشان داد که آنها در لحظات اوج ترافیک به طور موثر عمل نمی کنند. بنابراین، به دلیل کمبود روشهای متداول، کنترل کننده های سیگنال ترافیک مبتنی بر منطق فازی توجه بسیاری از محققان را به خود جلب کرده اند. در این مقاله، الگوریتمی مبتنی بر منطق فازی برای تقاطع های 4 طرفه ارائه شده است و شامل دو مرحله اصلی برای مرتب سازی فاز و تعیین مدت زمان چراغ سبز است. سیستم پیشنهادی در محیط برنامه نویسی MATLAB شبیه سازی شده و عملکرد کنترلر طراحی شده و یک کنترل کننده معمولی برای برخی از شرایط فرض مقایسه می شود. نتایج حاصل از استفاده از سیستم پیشنهادی نشان می دهد که این الگوریتم در شرایط مختلف ترافیکی عملکرد بهتری نسبت به کنترل کننده زمان چرخه از پیش تعیین شده دارد و می تواند تعداد وسایل نقلیه پشت چراغ راهنمایی در تقاطع ها و زمان انتظار مسافران را کاهش دهد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1254

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    2019
  • دوره: 

    2
  • شماره: 

    1
  • صفحات: 

    1-10
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    239
  • دانلود: 

    0
چکیده: 

A vision-based intelligent traffic control system is a robust framework that controls the traffic flow in real-time by estimating the traffic density near traffic lights. In this paper, a traffic light control system based on fuzzy Q-learning is proposed according to the vehicle density and the pedestrian number estimated from the visual information. The aim of proposed approach is to minimize the pedestrian and the car waiting time and maximize throughput for an isolated 4-way traffic intersection. Also, the pedestrian traffic light is controlled based on the fuzzy logic. The states and actions of the Q-learning variables are set by a fuzzy algorithm which can be learned through environmental interactions. The system can detect the number of pedestrians and vehicles using visual information from cameras and machine vision algorithms. The fuzzy control system can adjust the sequence of green phases to decrease the total waiting time and the mean of the queue length. The proposed algorithm was simulated for one hour for each of 14 different traffic conditions and was assessed and compared with the preset cycle time and vehicle actuated approaches. The results showed the proposed algorithm could decrease the total waiting time and the mean of the queue length effectively.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 239

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

NAZARI FARNAZ | AKBARI MOHAMMAD ESMAEIL

اطلاعات دوره: 
  • سال: 

    2012
  • دوره: 

    1
  • شماره: 

    3
  • صفحات: 

    29-37
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    279
  • دانلود: 

    0
چکیده: 

Nowadays, because of the growing numbers of vehicles on streets and roads, the use of intelligent control systems to improve driving safety and health has become a necessity. To design and implement such control systems, having information about traffic light colors is essential. There are the wide variety of traffic lights in terms of light intensity and color. Therefore it seems that design and practical implementation of these systems with acceptable performance is difficult. The study has been discussed extracting, Categories and the offer of a specific model for color and intensity of traffic signals based on an improved algorithm. The proposed intelligent system will detect traffic lights through images by installing camera instead of using electronic sensors. After capturing, the image sequence will then be analyzed using computer based programs for extracting of lights specifications.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 279

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نشریه: 

بیمارستان

اطلاعات دوره: 
  • سال: 

    1389
  • دوره: 

    9
  • شماره: 

    2-1 (مسلسل 34)
  • صفحات: 

    93-101
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    2316
  • دانلود: 

    795
چکیده: 

سابقه و هدف: هزینه نیروی انسانی هر بیمارستان، به عنوان بزرگترین ارایه کننده مراقبت های بهداشتی و درمانی به آحاد جامعه، بخش عمده منابع و اعتبارات تخصیص یافته به بخش بهداشت و درمان کشور را به خود اختصاص می دهد.در این پژوهش، هدف مدلسازی بیمارستان و استفاده از سیستم های هوشمند برای تنظیم برنامه نوبت کاری و تعیین تعداد بهینه کارکنان به منظور افزایش کارایی بیمارستان و حداقل نمودن هزینه ها، می باشد. از آنجایی که حضور بیماران در بیمارستان و ترخیص آنها می تواند بصورت یک سیستم واقعه گسسته با ویژگی های فرآیندهای مارکوف در نظر گرفته شود، در گام نخست، با استفاده از مدل های زنجیره ای مارکوف، تخمین مناسبی از شرایط سیستم نظیر تعداد تخت های مورد نیاز و تخت های اشغال شده، ارایه می گردد که می تواند در بهینه سازی استفاده از ظرفیت ها، کمک شایانی نماید. در گام دوم، در راستای توسعه مدل، با استفاده از شبکه پتری، رویکردی جهت حداقل نمودن هزینه ها بیان می شود. در نهایت، جهت کنترل و بهینه سازی مدل با بکارگیری الگوریتم ژنتیکی برای نوبت دهی بهینه منابع انسانی مانند پرستاران ارایه می شود.مواد و روشها: این مطالعه کاربردی واز دسته مطالعات توصیفی - تحلیلی است که به صورت طراحی نرم افزار بوده و ابزار گردآوری داده ها چک لیست برنامه نوبت کاری و پرونده های بیماران بیمارستان بوعلی بود، که روایی آن توسط متخصصین مربوط ، مورد تایید قرار گرفت که پس از مشاهده، زمان سنجی، همچنین زمان سرویس دهی منابع انسانی به انواع بیماران و مطالعه برنامه نوبت کاری پرستاران و پزشکان با استفاده ازطراحی سیستم های هوشمند مورد بررسی قرار گرفته است. تجزیه و تحلیل داده ها و برنامه ریزی به روش شبکه پتری و زنجیره مارکوف و الگوریتم ژنتیکی با استفاده از نرم افزار مطلب و Hpsim انجام شده است.یافته ها: مقایسه برنامه تهیه شده و سیستم طراحی شده، میزان 42% بهبود کاهش هزینه و 87%صرفه جویی در زمان سرویس دهی به بیمار را نشان می دهد.نتیجه گیری: مدل های متنوع تحقیق در عملیات همچون سیستم های هوشمند و مدلسازی می تواند به عنوان ابزار مفیدی برای زمان بندی و تعیین تعداد بهینه کارکنان مورد نیاز بخش های مختلف یک بیمارستان که از اهمیت حیاتی و ویژه ای برخوردار است، مورد استفاده قرار گیرد، از آنجا که سیستم طراحی شده در این پژوهش محدود به داده های اخذ شده از بخش ها مرکز آموزشی و درمانی بوعلی وابسته به واحد پزشکی دانشگاه آزاد اسلامی می باشد، برای تعمیم آن و استفاده بهینه در بیمارستان های دیگر نیازمند ایجاد تغییرات در برنامه نویسی بر اساس داده ها می باشد. لذا توصیه می شود برای قابل استفاده نمودن این سیستم ها در بیمارستانهای دیگر و افزودن قیود، بطوریکه برنامه تهیه شده به دنیای واقعی نزدیکتر شود، انجام پذیرد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 2316

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 795 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    2015
  • دوره: 

    1
تعامل: 
  • بازدید: 

    135
  • دانلود: 

    0
چکیده: 

TRAFFIC IS AN ISSUE THAT MANY BIG CITIES ARE CONFRONTED WITH BECAUSE OF EVER-INCREASING POPULATION GROWTH. IN THIS PAPER WE PROPOSE A TWO PHASE TRAFFIC LIGHT CONTROL SYSTEM BASED ON FUZZY Q-LEARNING FOR AN ISOLATED 4-WAY INTERSECTION. THE STATES AND ACTIONS OF THE Q-LEARNING VARIABLES IS SET BY A FUZZY ALGORITHM WHICH CAN BE LEARNED THROUGH ENVIRONMENTAL INTERACTIONS AND TAKING ADVANTAGE OF FUZZY LOGIC. THE PROPOSED ALGORITHM WAS SIMULATED FOR A PERIOD OF ONE HOUR FOR EACH OF 14 DIFFERENT TRAFFIC CONDITIONS. COMPARISON WITH OTHER METHODS WAS CARRIED OUT ON THE 14 TRAFFIC CONDITIONS. THE RESULTS SHOWED THAT THE PROPOSED ALGORITHMS DECREASE THE TOTAL WAITING TIME AND THE MEAN OF QUEUE LENGTH. ...

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 135

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
اطلاعات دوره: 
  • سال: 

    1402
  • دوره: 

    2
  • شماره: 

    2
  • صفحات: 

    6-18
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    89
  • دانلود: 

    0
چکیده: 

امروزه با گسترش روزافزون روش های مختلف اخذ اطلاعات گسسته مانند پویشگرها و دوربین های دیجیتالی، پردازش تصویر کاربرد فراوانی یافته است. مادامی که اطلاعات ویدیویی به دنباله های آماری تبدیل نشوند، می توانند در تصمیمات مدیریت شهری، نقشی ایفا کنند. در این مقاله، یک سیستم آنالیز تشخیص تعداد خودروها در واحد طول و زمان ارائه شده است. در این روش، اطلاعات ویدیویی به دنباله های آماری شاخص های ترافیکی تبدیل می شوند. ابتدا، تصاویر مربوط به هر فریم، بر اساس مدل مخلوط گوسی به تصاویر پس زمینه مدل می شوند که در برابر تغییرات نور مقاوم هستند. این عملیات در تعداد زیادی فریم به کار گرفته می شود تا اصطلاحاً یک تصویر پس زمینه آموزش دیده شده ایجاد گردد. در روش های سنتی پردازش تصاویر ترافیکی، مدل کردن تصویر پس زمینه مورد توجه قرار نمی گرفت. بالعکس در روش ارائه شده، از این مدل جهت تشخیص شیء در حال حرکت استفاده می شود. سپس، با مقایسه تک تک فریم های اصلی ورودی به این سیستم و تصویر پس زمینه آموزش دیده شده، خودروهای در حال حرکت تشخیص داده می شوند. از اطلاعات تعداد خودروها در واحد طول و زمان که به ترتیب، به مفهوم حجم و چگالی ترافیکی است، جهت تخمین جریان ترافیکی استفاده می شود. با توجه به شبیه سازی های انجام شده و مقایسه نتایج به دست آمده با نتایج مقالات دیگر، عملکرد بالای روش ارائه شده در این مقاله، برای تشخیص خودرو و محاسبه دقیق تعداد آن، با توجه به آموزش صحیح تصاویر پس زمینه، اثبات می شود. همچنین، این روش را می توان برای پردازش تصاویر با کیفیت نامطلوب نیز استفاده کرد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 89

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
litScript
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button