کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6965894 1452924 2014 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A model to identify high crash road segments with the dynamic segmentation method
ترجمه فارسی عنوان
یک مدل برای شناسایی بخش های بزرگی از تصادف با روش تقسیم بندی پویا
کلمات کلیدی
بخش بزرگراه تصادف بالا، تقسیم بندی، اولویت بندی، نظریه ویولت، قطعنامه های چندگانه،
ترجمه چکیده
در حال حاضر، هزینه های اجتماعی و اقتصادی بالا علاوه بر عواقب جسمی و روحی، ایمنی جاده را در میان مهم ترین موضوعات قرار می دهد. این مقاله با هدف ارائه یک رویکرد جدید، قادر به شناسایی محل و همچنین طول بخش های جاده ای با تصادف بالا است. این تمرکز بر موقعیت حوادث در طول جاده ها و مناطق موثر آنها است. به عبارت دیگر، با توجه به کاربرد و محدودیت های بودجه در بهبود ایمنی بخش های جاده، ممکن است تمام قسمت های جاده ای که با تصادف بالا شناخته می شوند شناسایی شوند. بنابراین، برای شناسایی بخش های بزرگی از سقوط و طول واقعی آنها، برای شناسایی پیشرفت ایمنی در جاده ها، اهمیت فوق العاده ای دارد. در این مقاله، پس از ارزیابی کمبودهای مدل های تقسیم جاده جاده ای، انواع خطاهای ناشی از این روش ها مورد توجه قرار گرفته است. یکی از کمبودهای اصلی این مدل ها این است که آنها نمی توانند طول بخش های جاده ای را که دارای تصادف بالا هستند شناسایی کنند. در این مقاله، شناسایی طول بخش های جاده ای با تصادف بالا (مربوط به ترتیب حوادث در امتداد جاده) با تبدیل داده های حادثه به سیگنال پاسخ جاده از طریق ترافیک با یک مدل پویا بر اساس نظریه موجک به دست می آید. مزیت قابل توجهی از روش ارائه شده، تقسیم بندی چند بعدی است. به عبارت دیگر، این مدل بخش های بزرگی از تصادف با طول های مختلف را شناسایی می کند و همچنین می تواند بخش های کوچکی را در بخش های طولانی تشخیص دهد. اعمال مدل ارائه شده به یک مورد واقعی برای شناسایی 10-20 درصد از بخش بزرگی تصادف، بهبودی نسبت به روش های موجود بهبودی 25-38 درصد را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی بهداشت و امنیت شیمی
پیش نمایش مقاله
یک مدل برای شناسایی بخش های بزرگی از تصادف با روش تقسیم بندی پویا
چکیده انگلیسی
Currently, high social and economic costs in addition to physical and mental consequences put road safety among most important issues. This paper aims at presenting a novel approach, capable of identifying the location as well as the length of high crash road segments. It focuses on the location of accidents occurred along the road and their effective regions. In other words, due to applicability and budget limitations in improving safety of road segments, it is not possible to recognize all high crash road segments. Therefore, it is of utmost importance to identify high crash road segments and their real length to be able to prioritize the safety improvement in roads. In this paper, after evaluating deficiencies of the current road segmentation models, different kinds of errors caused by these methods are addressed. One of the main deficiencies of these models is that they can not identify the length of high crash road segments. In this paper, identifying the length of high crash road segments (corresponding to the arrangement of accidents along the road) is achieved by converting accident data to the road response signal of through traffic with a dynamic model based on the wavelet theory. The significant advantage of the presented method is multi-scale segmentation. In other words, this model identifies high crash road segments with different lengths and also it can recognize small segments within long segments. Applying the presented model into a real case for identifying 10-20 percent of high crash road segment showed an improvement of 25-38 percent in relative to the existing methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Accident Analysis & Prevention - Volume 73, December 2014, Pages 274-287
نویسندگان
, , , ,