مبانی نظری و پیشینه تحقیق حمل و نقل هوشمند (ITS)

مبانی نظری و پیشینه تحقیق حمل و نقل هوشمند (ITS)، منبع ای برای فصل دوم پایان نامه، استفاده در بیان مسئله و پیشینه تحقیق و پروپوزال و همچنین استفاده در مقاله علمی پژوهشی، استفاده در تحقیق و پژوهش ها، توسط وب سایت شهر فایل تهیه و گردآوری شده است. این مبانی نظری را به ضرس قاطع می توان بروز ترین و جامع ترین پیشینه پژوهش حمل و نقل هوشمند دانست.

سیستم حمل و نقل هوشمند چیست؟، انواع سیستم های حمل و نقل هوشمند، تاریخچه سیستم حمل و نقل هوشمند، هوشمند سازی حمل و نقل شهری، آشنایی با سیستم های هوشمند، هوشمند سازی حمل و نقل عمومی، سیستم های هوشمند حمل و نقل درون شهری، حمل و نقل تیلوری، مفهوم سیستم حمل و نقل هوشمند (ITS)، کاربرد پردازش تصویر در کنترل ترافیک، پردازش تصویر و گرافیک کامپیوتری، اجزای سیستم پردازش تصویر، پردازش در یک ناحیه ثابت، پردازش به صورت پویا، تعیین مقدار آستانه بر روی تصاویر گرافیکی و در ادامه…
آشکارسازی لبه های تصاویر گرافیکی، روش تجمیع ویژگی ها و دنبال کردن شی متحرک، پردازش تصویر ابزاری برای تشخیص وجود خودرو، آشکارسازی و جداسازی وسایل نقلیه، آشکار ساز لبه ی متحرک، سیستم SCATS، استخراج ویژگی ها با استفاده از الگوی باینری محلی، فیوژن داده ها در سیستم حمل و نقل هوشمند، اهمیت سیستم های حمل و نقل هوشمند در حفظ محیط زیست، سوابق پژوهشی مرتبط با حمل و نقل هوشمند در داخل و خارج کشور، بهمراه منبع نویسی درون متنی به شیوه APA و قابل ویرایش جهت استفاده برای فصل دوم پایان نامه می باشد.

• نوع فایل : Doc
• تعداد صفحات : 32
• گارانتی بازگشت وجه دارد.
• رفرنس دهی استاندارد دارد.
• منابع فارسی و انگلیسی دارد.
• ارجاع و پاورقی استاندارد دارد.

مبانی نظری و پیشینه تحقیق حمل و نقل هوشمند

افزایش تقاضا برای سفر در بزرگراه ها به یک رشد انفجاری در سال های گذشته رسیده است، این صرفا با افزایش ساخت جاده های بیشتر برای پاسخگویی به این تقاضای روزافزون امکان پذیر نیست. اگرچه ساخت جاده امری اجتناب ناپذیر برای تقویت زیرساخت های کنونی در بلند مدت خواهد بود، اما برای رسیدگی به نیازهای فوری استفاده موثرتر از زیرساخت های موجود لازم است. به عنوان یک نتیجه، سیستم های حمل و نقل هوشمند که فن آوری میان رشته ای است که در طراحی، تجزیه و تحلیل و نظارت بر شبکه ترافیک کمک می کند مورد توجه بسیار زیادی قرار گرفته است (رحمنی و همکاران، 1391).

با وجود اینکه تعدادی زیادی از سیستم های حمل و نقل هوشمند (Intelligent Transportation Systems) به ثبت رسیده اند اما به دلیل جوانی و تازگی آن، هنوز تعریف کاملی از ITS ارائه نشده است. تعریفی که در سال 1998 توسط انجمن حمل و نقل هوشمند امریکا در ارتباط با ایده ITS به صورت عام مورد قبول قرار گرفت به این شرح بود که مردم از تکنولوژی در حمل و نقل برای صرفه جویی در وقت و پول در زندگی روزمره استفاده می کنند.

تعریف رسمی تری که در آوریل سال 1999 توسط اداره حمل و نقل آمریکا منتشر گردید به این شرح است که سیستم های حمل و نقل هوشمند، اطلاعات مربوط به جابجایی مسافر و کالا را جمع آوری، نگهداری، پردازش و توزیع می نمای سیستم حمل و نقل هوشمند یا ITS با استفاده و بکارگیری تکنولوژی های نوین از قبیل: الکترونیک، ارتباطات و سیستم های کنترل باعث ارتقاء سطح ایمنی، کارایی و ارزانی در حمل و نقل می شود که برای شیوه های مختلف حمل و نقل از قبیل: جاده، راه آهن، هوایی و دریایی قابل تعمیم است (جباری و همکاران، 1393).

پیشینه تحقیق حمل و نقل هوشمند (ITS)

علویان مهر و پاک فطرت (1394) به ارائه یک سامانه کنترل ترافیک هوشمند بر اساس روش پردازش تصاویر دوربین های نظارت تصویری پرداختند. در این مقاله یک طرح جدید و نوآورانه تشخیص پلاک خودرو به همراه احراز هویت راننده بر اساس تشخیص اثر انگشت ارائه شده است. روش ارائه شده استخراج و تشخیص پلاک شامل ویژگی های است که در تحقیقات قبلی مورد توجه قرار نگرفته اند، مانند ملاحظات شب و روز و پایین بودن میزان سطح پیچیدگی از نظر درگیر کردن پردازش سریع توسط کامپیوتر های معمولی. ابزار پایه و اساسی استفاده شده در این پژوهش، پردازش تصویر دیجیتال است.

روش های خاص برای تشخیص اتوماتیک پلاک خودرو می توانند روی هر پردازش سیگنال دیجیتالی یا پلت فرم CAD کامپیوتری استفاده و اجرا شوند. امنیت این روش پیشنهادی نیز توسط تشخیص اثر انگشت تضمین شده است. درکل، سیستم کنترل ترافیک ارائه شده موثر و به اندازه ی کافی ساده است که در کنترل ترافیک دنیای واقعی مورد استفاده قرار گیرد.

پی یوش ال و همکاران (2017)، در پژوهشی تحت عنوان تشخیص و طبقه بندی وسائل نقلیه با استفاده از نشانه های صوتی و تصویری، یک روش را که هر دوی داده های ترافیکی صوتی و تصویری را به منظور اجرای خودکار بررسی ترافیک بکار گرفتند، پیشنهاد دادند. این سیستم برای شرایط ترافیکی کم و متوسط مناسب تر است. ویژگی های انتخاب شده دقت طبقه بندی خوبی را ارائه دادند. مجموعه ویژگی ها می ­تواند بوسیله اضافه کردن ویژگی های صوتی از قبیل MFCC برای دقت طبقه بندی بهبود یافته شود. مدل فیلتر منبع صدای موتور به منظور استخراج ویژگی های مناسب استفاده شد. عملکرد ویژگی های مبتنی بر سازه با MFCC از طریق یک طبقه بندی k-NN در یک پایگاه داده دستی برچسب گذاری شده برای صداهای ترافیک مقایسه شده است.

منابع فارسی و لاتین

علویان مهر, و پاک فطرت 1396، یک سامانه کنترل ترافیک هوشمند بر اساس روش پردازش تصاویر دوربین های نظارت تصویری، اولین کنفرانس ملی مدیریت شهری ایران، تهران.
علویان مهر؛ متوسل؛ جوانی و سوداگران 1393. تشخیص و شمارش خودروها براساس الگوریتم پردازش تصویر جهت ارائه شاخص های ترافیکی. اولین همایش مهندسی حمل و نقل و ترافیک.
جباری؛ کاکاوند و روشن 1393. ارزیابی قابلیت انطباق پذیری سیستم حمل ونقل درون شهری با سیستم هوشمند در راستای افزایش ایمنی شهری. یازدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک.
نبوی؛ شامحمدی و مصلی نژاد 1395د ، کاربرد پردازش تصویر در حمل و نقل هوشمند، دومین کنفرانس ملی رویکردهای نوین در مهندسی کامپیوتر و برق، رودسر، باشگاه پژوهشگران جوان و نخبگان.
طالع پور؛ دادور؛ بزرگی نژاد و برحی نژاد، 1394، روشهای کنترل هوشمند ترافیک با استفاده از منطق فازی، کنفرانس بین المللی عمران، معماری و زیرساخت های شهری، تبریز، دبیرخانه دائمی کنفرانس.

B. A. Khan, N. S. Lai, 2013“an Inntelligent Traffic Controller Based on Fuzzy Logic.
Hasan, M. M., Saha, G., Hoque, A., & Majumder, M. B. (2014, May). Smart traffic control system with application of image processing techniques. In Informatics, Electronics & Vision (ICIEV), 2014 International Conference on (pp. 1-4). IEEE.
Piyush, P., Rajan, R., Mary, L., & Koshy, B. I. (2016, February). Vehicle detection and classification using audio-visual cues. In Signal Processing and Integrated Networks (SPIN), 2017 3rd International Conference on (pp. 726-730). IEEE.
Changalasetty, S. B., Badawy, A. S., & Wade Ghribi, H. I. A. (2013). Identification and classification of moving vehicles on road. Computer Engineering and Intelligent Systems, 4(8), 1-12.
Seenouvong, N., Watchareeruetai, U., Nuthong, C., Khongsomboon, K., & Ohnishi, N. (2016, November). Vehicle detection and classification system based on virtual detection zone. In Computer Science and Software Engineering (JCSSE), 2016 13th International Joint Conference on.