|
|
راهور، جلد ۱۵، شماره ۴۳، صفحات ۱۴۱-۱۶۲
|
|
|
| عنوان فارسی |
مدلسازی تاثیر آلودگی سطحی رویه راه‌ها براحتمال وقوع تصادفات به روش شبکه عصبی |
|
| چکیده فارسی مقاله |
زمینه و هدف: یکی از عوامل موثر در کاهش تصادفات بهبود اصطکاک روسازی موجود است که این اصطکاک اغلب با پارامتری مرسوم به مقاومت در برابر لغزندگی سنجیده می شود. مقاومت در برابر لغزندگی ازخصوصیات مهم رویه راه است، که در ارتباط با تامین ایمنی و پیشگیری از تصادفات ناشی از لغزندگی نقش موثری را دارا می باشد هدف از این تحقیق مدلسازی اثر آلاینده های مختلف بر مقاومت لغزندگی مخلوط های آسفالتی وایمنی جاده‌ها به کمک شبکه عصبی می‌باشد. روش: آلاینده های مختلفی وجود دارند که بر مقاومت لغزندگی روسازی ها تأثیر می گذارند، که از آن جمله می توان به گرد و غبار، ماسه بادی، روغن و گازوئیل، دوده ی اگزوز اتومبیل ها و ... اشاره کرد.در تحقیق حاضر با توجه تفسیرپذیر و قابل درک بودن نتایج حاصل از شبکه عصبی که روشی از داده‌کاوی است،این راهکار در پیش بینی‌ها و مدلسازی آماری استفاده گردید. یافته ها: از نتایج این تحقیق می توان در انتخاب نوع مخلوط آسفالتی با توجه به شرایط آب و هوایی هر منطقه استفاده کرد بطوریکه مشهود است همواره در مناطق کویری میزان زیادی ماسه بادی بر روی سطح جاده می نشیند و باعث کاهش مقاومت لغزندگی می شود و یا در مناطق پر رفت و آمد دود ناشی از اگزوز کامیون‌ها و همچنین در بعضی مناطق گرد و غبار موجود در هوا بر روی سطح جاده نشسته و باعث کاهش مقاومت لغزندگی می شود. نتایج و پیشنهادات: اعداد بدست آمده با استفاده از روش شبکه عصبی مصنوعی تحلیل شدند و مشاهده شد که نوع آلاینده‌ها بیشترین تأثیر را در تغییر مقاومت لغزندگی نمونه‌ها دارند بازدید میدانی و نصب وسایل الکتریکی در محلهای دارای آلودگی بالا و بازدید پیوسته از آنها، اشاره کرد.برای کاهش حوادث،پیشنهاد می‌شود، نقاط حادثه خیز قبل از اولین بارندگی بعد از فصول خشک جهت جلوگیری از خطرات ناشی از لغزنده بودن جاده، به طریقی آلودگی ها برطرف شوند. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Assessment of contaminants impact on the surface of pavements In the probability of accidents by Neural Network approach |
|
| چکیده انگلیسی مقاله |
Introduction: One of the effective factors in the reduction of the accidents is the improvement of the friction of the existing pavement surface structures, which is often measured with a conventional parameter against skid. Resistance to skid is an important feature of road pavement surface, which has a significant role in providing safety and prevention of accidents resulting from skidding. The aim of this study is to investigate the effect of various contaminants on the skid resistance of asphalt mixture. Method: There are various pollutants that affect the skid resistance of pavements, such as dust, dune sand, oil and diesel, exhaust fumes, etc. Present research has taken in account the interpretive and comprehensible results from the neural network, which is a data mining method used in predictions and statistical modeling. Results: The results of this research can be used to select the type of asphalt mix according to the weather conditions of each region. As it is evident, in the desert areas, there is a lot of dune sand on the road surface, which reduces the resistance of the skids or in busy transportation areas, smoke due to the exhaust of trucks, as well as the dust in the air settle on the road surface and reduce the skid resistance. Suggestions: The data obtained was analyzed using artificial neural network method and it was observed that the sort of contaminants had the most impact on the variation of the skid resistance of the samples. Field observation and installation of electrical equipment in high contamination sites and inspections were performed, and for the reduction of accidents it was recommended that accident prone areas should be eliminated before the first rainy season after the dry seasons, in order to avoid the dangers of skidding. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
محمدمهدی خبیری |
درون سازمانی
|
|
| نشانی اینترنتی |
|
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|