به دلیل اهمیت تخلیه سریع شهر هنگام وقوع حوادث طبیعی یا غیر طبیعی، اعمال یک سیاست کنترلی بهینه برای جلوگیری از بروز تراکم و توقف وسایل نقلیه امری لازم و ضروری است. روشهای موجود برای مدیریت ترافیک در شرایط بحران کمتر به استفاده از رویکردهای هوش مصنوعی پرداختهاند و به هم چکیده کامل
به دلیل اهمیت تخلیه سریع شهر هنگام وقوع حوادث طبیعی یا غیر طبیعی، اعمال یک سیاست کنترلی بهینه برای جلوگیری از بروز تراکم و توقف وسایل نقلیه امری لازم و ضروری است. روشهای موجود برای مدیریت ترافیک در شرایط بحران کمتر به استفاده از رویکردهای هوش مصنوعی پرداختهاند و به همین دلیل، هدف اصلی مؤلفین در این پژوهش ارائه یک رویکرد کنترلی بهینه و هوشمند برای ترافیک تخلیه شهر است. در این رویکرد از سیستم استنتاج فازی برای تصمیمگیری هر عامل و از آتوماتای احتمالی برای بهینهکردن عملکرد عاملها با توجه به ترجیحات هر کدام از آنها در طول زمان استفاده شده است. برای بررسی میزان موفقیت رویکرد کنترلی پیشنهادی، شبیهسازی مبتنی بر عامل در محیطهای RStudio و NetLogo و با استفاده از بستههای RNetlogo و frbs در زبان R انجام شده است. نتایج شبیهسازی نشاندهنده توزیع بار ترافیک، استفاده حداکثری از ظرفیت معابر و پیشگیری از بروز تراکم توسط رویکرد پیشنهادی است. با توجه به فناوریهای ارتباطی نظیر GPS، گوشیهای تلفن همراه هوشمند، سیستمهای پرداخت عوارض خودکار الکترونیکی در معابر و ... که در سالهای اخیر گسترش یافتهاند، امکان پیادهسازی روش کنترل ترافیک بحران پیشنهادی در عمل نیز وجود خواهد داشت.
پرونده مقاله
در این مقاله، یک الگوریتم طبقهبندی نیمهنظارتی جمعی با استفاده از معیار انتخاب مبتنی بر آستانه امتياز اطمينان تحت عنوان SSE-CBS در محیطهای غیر ایستا ارائه میشود. رویکرد پیشنهادی از دادههای دارای برچسب و فاقد برچسب با هدف مقابله با انواع تغییر مفهوم در جریان دادهها چکیده کامل
در این مقاله، یک الگوریتم طبقهبندی نیمهنظارتی جمعی با استفاده از معیار انتخاب مبتنی بر آستانه امتياز اطمينان تحت عنوان SSE-CBS در محیطهای غیر ایستا ارائه میشود. رویکرد پیشنهادی از دادههای دارای برچسب و فاقد برچسب با هدف مقابله با انواع تغییر مفهوم در جریان دادهها استفاده میکند. SSE-CBS مکانیزم مشهور وزندهی بر اساس دقت الگوریتمهای جمعی مبتنی بر بلوک را با ماهیت افزایشی الگوریتم درخت هافدینگ تلفیق میکند. الگوریتم پیشنهادی به طور تجربی با 8 رویکرد منطبق بر جدیدترین دستاوردها، از جمله مدلهای طبقهبندی نظارتی، نیمهنظارتی، منفرد و الگوریتمهای جمعی مبتنی بر بلوک روی مجموعه دادههای متنوع مقایسه شده است. بر اساس نتایج تجربی، SSE-CBS بهترین میانگین دقت طبقهبندی را نسبت به سایر رویکردهای نیمهنظارتی داراست و قادر است در محیطهای دارای تغییر مفهوم با محدودیت داده برچسبدار عملکرد مناسبی داشته باشد.
پرونده مقاله
رديابي اهداف متحرك یکی از کاربردهای شبكههای حسگر است. در طراحی یک الگوریتم ردیابیِ هدف متحرک دو مسأله کاهش انرژی مصرفی و بهبود کیفیت ردیابی حایز اهمیت است. یکی از راهکارهای کاهش مصرف انرژی، تشکیل خوشه ردیاب است و دو چالش مهم در تشکیل خوشه ردیاب زمان و چگونگی تشکیل آن ا چکیده کامل
رديابي اهداف متحرك یکی از کاربردهای شبكههای حسگر است. در طراحی یک الگوریتم ردیابیِ هدف متحرک دو مسأله کاهش انرژی مصرفی و بهبود کیفیت ردیابی حایز اهمیت است. یکی از راهکارهای کاهش مصرف انرژی، تشکیل خوشه ردیاب است و دو چالش مهم در تشکیل خوشه ردیاب زمان و چگونگی تشکیل آن است. به منظور کاهش تعداد پیامهای مبادلهشده برای تشکیل خوشه ردیاب، یک مکانیزم حراج تطبیق داده میشود. پیشنهاد هر حسگر در حراج با هدف برقراری موازنهای مناسب میان طول عمر شبکه و دقت ردیابی به صورت پویا و مستقل ارائه میشود. از این گذشته، از آنجایی که خوشه ردیاب میبایست قبل از رسیدن هدف به ناحیه مورد نظر تشکیل شود (خصوصاً زمانی که سرعت هدف بالا است) جلوگیری از تأخیر در تشکیل خوشه ردیاب چالشی دیگر است. عدم توجه به چالش مذکور منجر به افزایش نرخ گمشدگی هدف و به تبع آن اتلاف انرژی میشود. برای غلبه بر این مشکل، پیشبینی موقعیت هدف در دو گام بعد توسط شبکه عصبی و تشکیل همزمان خوشههای ردیاب در یک و دو گام بعد را پیشنهاد میدهیم. نتایج حاصل از شبیهسازی نشاندهنده عملکرد مناسبتر الگوریتم پیشنهادی در مقایسه با الگوریتم AASA است.
پرونده مقاله