عنوان پایان‌نامه
توسعه سامانه هوشمند ارزیابی مکانی-زمانی خطر پذیری شبکه ی راه های برون شهری
- رشته تحصیلی
- مهندسی عمران-سیستمهای اطلاعات جغرافیایی(GIS)
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1988;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 50169
- تاریخ دفاع
- ۲۵ خرداد ۱۳۹۰
- دانشجو
- نوید رشدیه
- استاد راهنما
- محمودرضا دلاور
- چکیده
- در کشور‌های در حال توسعه، مردم و دولت خسارات زیادی را در اثر حوادث و تصادفات جاده‌ای متحمل می‌شوند. دلیل برخی از این حوادث، بی احتیاطی یا عدم توجه رانندگان بوده و برخی دیگر مربوط به نقص هندسه‌ی مسیر و یا تجهیزات ایمنی راه می‌باشد. به منظور کاهش خسارات فوق، در حال حاضر دستگاه‌های اجرایی با عدم وجود سامانه‌ای موثر برای ذخیره سازی و تحلیل اطلاعات مربوط به ایمنی شبکه راه‌ها، روبرو هستند. مدیریت خطرپذیری جاده‌ای با استفاده از چنین سامانه‌هایی می‌تواند نقش چشمگیری در کاهش خسارات و تلفات ناشی از حوادث جاده‌ای داشته باشد. به منظور تصمیم گیری مناسب در جهت رفع نواقص و افزایش ایمنی نیاز به اطلاعات به هنگام، دقیق، صحیح و مکان مرجع امری بدیهی می‌باشد. همچنین جهت تحلیل اطلاعات تاریخی تصادفات، ثبت تغییرات وضعیت هندسی و تجهیزات شبکه‌ی راه‌ها با گذر زمان امری ضروری می‌باشد. به همین دلیل استفاده از سیستمهای اطلاعات مکانی زمانمند جهت ذخیره سازی و تحلیل اطلاعات تاریخی شبکه راه‌ها، می‌تواند اقدامی موثر قلمداد شود. هدف این پایان نامه، ارائه‌ی مدلی جهت مدل سازی داده‌های تاریخی شبکه‌ی راه‌ها و اطلاعات مربوط به ایمنی راه‌ها می‌باشد، به نحوی که بستر مناسبی جهت ذخیره‌سازی و به‌هنگام‌سازی تغییرات ایمنی شبکه‌ی راه‌ها به‌وجود آورده و امکان تحلیل خطرپذیری جاده‌ای و مدیریت هوشمند آن را، فراهم سازد. در این راستا، مفاهیم سیستمهای اطلاعات مکانی زمانمند مورد مطالعه قرار گرفته و همچنین عوامل موثر در تصادفات جاده‌ای و اطلاعات حائز اهمیت در ارزیابی و مدیریت خطرپذیری جاده‌ای و نحوه‌ی تحلیل آن‌ها، شناسایی و بررسی شده‌اند. در نهایت، مدل مورد نظر طراحی و پیاده‌سازی شده است. در طراحی این مدل داده از سیستم مرجع‌دهی خطی استفاده شده و جهت ذخیره‌سازی تغییرات نیز شیوه‌ی شیء مبنا، مورد استفاده قرار گرفته است. ذخیره‌سازی اطلاعات و عوارض مرتبط با جهات عبوری متفاوت و خطوط عبوری مجزا، از دیگر قابلیت‌های این مدل می‌باشد. برای این مدل داده عملگرهای به‌هنگام سازی و بازیابی اطلاعات نیز طراحی شد. سپس بر مبنای این مدل داده و عملگرهای طراحی شده، سامانه‌ای جهت ارزیابی و مدیریت ایمنی راه‌ها پیاده سازی شده است. این سامانه به دلیل دارا بودن قابلیت ذخیره‌سازی و تحلیل زمانمند اطلاعات ایمنی راه‌ها و همچنین نمایش نتایج تحلیل‌ها در قالب نقشه، نمودار و جداول مختلف، می‌تواند شیوه‌ای موثر جهت مدیریت خطرپذیری جاده‌ای را به مسئولان و دست اندر‌کاران حمل و نقل جاده‌ای، معرفی نماید. در ادامه تحقیق، ارزیابی ایمنی راه‌ها در بازه های زمانی خاص مورد مطالعه قرار گرفت. بدین منظور تصادفات 6 محور برون شهری در کشور انگلستان از سال 1998 تا 2008 مورد استفاده قرار گرفتند. مکان وقوع تصادفات بر محور ها تصویر شده و کیلومتراژ وقوع تصادفات استخراج گردید. در روش تراکم تصادفات که روشی معمول برای ارزیابی ایمنی راه‌ها است، تمامی تصادفات دارای اهمیتی یکسان در تعیین مقاطع حادثه‌خیز می‌باشند. در این تحقیق امکان لحاظ نمودن وزن برای تصادفات بر اساس زمان وقوع آن ها برای بهبود ارزیابی ایمنی در بازه های زمانی خاص مورد بررسی قرار گرفت. بهترین ترکیب وزن‌ها برای ارزیابی ایمنی راه‌ها در بازه های زمانی خاص با استفاده از روش بهینه‌سازی مبتنی بر الگوریتم ژنتیک محاسبه شد. الگوریتم ژنتیک به دلیل دارا بودن قابلیت در دستیابی به مجموعه‌ای از جواب های بهینه در این فرآیند مورد استفاده قرار گرفت و به این طریق الگوی کلی جواب های بهینه به دست آمده و مورد بررسی قرار گرفت. در طی این فرآیند بهینه سازی تصادفات سال های 1998 تا 2004 برای پیش بینی تصادفات بازه های خاص زمانی در سال های 2005 تا 2007 در نظر گرفته شده و برآزندگی جواب ها از مقایسه ارزیابی صورت گرفته با محل وقوع تصادفات در این دو سال محاسبه شدند. در نهایت مدل به دست آمده با تصادفات سال 2008 مورد مقایسه و ارزیابی قرار گرفت. این شیوه، پیش بینی تصادفات با روش تراکم تصادفات را در یک ماه خاص به طور نسبی به میزان 18/9% بهبود بخشید.
- Abstract
- People and authorities in developing countries receive lots of damages due to road traffic accidents. These accidents are partly caused by the vehicle driver carelessness and also partly caused due to road geometrical and instrumental defections. At this time, official authorities lack a unified system which store and analyze road safety information to mitigate the traffic accident damages. Road risk management with such systems could play an impressive role in decreasing damages and injuries of road accidents. In order to make suitable decision about most effective countermeasures, accurate and up to date information is required. Also to analyze historical accident data, recording road geometrical and instrumental changes with time is necessary. Hence, using spatio-temporal information systems could be an effective approach in this context. The purpose of this research is to present a spatio-temporal model which could provide a foundation for storing and updating road network changes and also analyzing and managing road traffic accident risk. In that direction, concepts of spatio-temporal information systems were studied and important factors in causing accidents and assessing road risks were identified and examined. The proposed model has been designed and implemented using linear referencing system and object-based method for storing the changes. Considering related features of different road pass directions and also separate lanes are other advantages of the designed model. Retrieve and update operators have been designed too, and road risk management system was implemented based on the designed model and operators. This system can present a novel approach in road risk management to formal transportation authorities. Accident risk assessment during specific time-intervals was investigated in the thesis, too. In Accident Density method, every accident that has occurred in a segment of road has an equal influence in determining risk index of that section, independent from time of occurrence. In this research, the possibility of considering different weights for accidents based on their time of occurrence was investigated to predict the accident locations in specific months of the year with better precision. The best configuration of weights has been computed through genetic algorithm optimization. The data set used in this research, was accident records of U.K. major roads from 1998 to 2008. Accidents of 1998 to 2004 were used for predicting accident locations in specific months and accidents of 2005 to 2007 were used for computing the fitness of the solutions, in genetic optimization process. Finally, computed weights were used for predicting locations of accidents in specific months in 2008. The results proved that the presented approach has improved the performance of Accident Density method by 9.18%.
