استفاده از الگوریتم رنگ آمیزی گراف اتوماتای سلولی فازی جهت کلاسبندی مناطق پرخطر ترافیکی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته دکتری، پژوهشکده برق و فناوری اطلاعات سازمان پژوهشهای علمی و صنعتی ایران، تهران، ایران

2 استادیار، پژوهشکده برق و فناوری اطلاعات سازمان پژوهشهای علمی و صنعتی ایران، تهران، ایران

3 دانشیار، پژوهشکده برق و فناوری اطلاعات سازمان پژوهشهای علمی و صنعتی ایران، تهران، ایران

10.22034/road.2021.119325

چکیده

با کلاسبندی جاده ها و مسیرهای ترافیکی به سطوح مختلف خطر، می توان تعیین نمود که کدام یک از بخش های این جاده ها و مسیرهای ترافیکی احتمال رخداد تصادف بیشتری دارند و براساس این میزان خطر، حداکثر سرعت مجاز و تابلوهای ترافیکی متفاوتی تعین نمود تا میزان تصادفات به حداقل مورد ممکن برسد. در این مطالعه با استفاده از گراف فازی به عنوان مدل ریاضی شبکه ترافیکی شهری به ارائه روشی جهت تعیین مناطق مختلف ترافیکی از نظر میزان خطر پرداخته ایم. براساس میزان احتمال رخداد تصادفات مناطق ترافیکی را به سه بخش کم خطر (سبز)، در محدوده خطر (زرد) و پرخطر (قرمز) کلاسبندی نمودیم. در این مطالعه یک روش رنگ آمیزی گراف که شامل دو بخش اتوماتای سلولی نامنظم و منطق فازی بوده است ارائه شده است. این در این روش رنگ آمیزی گراف موجود را با استفاده یک سیستم اتوماتای سلولی فازی رنگ آمیزی می‌نماییم. در این مطالعه میزان α بیانگر میزان حساسیت به کیفیت در آن جاده است و نشان داده شد که با افزایش میزان α تعداد جاده های پرخطر بیشتر شده و میزان حساسیت نسبت به کیفیت رانندگی بیشتر خواهد شد.

کلیدواژه‌ها


  • - حجازی، س، علی پور، م،(1395)"اولویت­بندی اصلاح نقاط حادثه خیز جاده­ای بر اساس ممیزی ایمنی راه (مطالعه موردی مسیر بین شهرستان­های خرم آباد و الشتر استان لرستان)".

     

    -Akram, M, et al., (2016), "Bipolar Fuzzy Digraphs in Decision Support Systems", Journal of Multiple-Valued Logic & Soft Computing, pp. 27-28.

     

    -Bhattacharya, P and F. Suraweera, (1991), "An algorithm to compute the supremum of max-min powers and a property of fuzzy graphs", Pattern Recognition Letters, 12(7), pp. 413-420.

     

    -Bhutani, K.R. and A. Rosenfeld, (2003), "Strong arcs in fuzzy graphs. Information sciences, No.152, pp. 319-322. 

     

    -Bhattacharya, P., (1987),"Some remarks on fuzzy graphs", Pattern Recognition Letters, 6(5): pp. 297-302.

     

    -Eslahchi, C. and B.N. Onagh, (2006), "Vertex-strength of fuzzy graphs", International Journal of Mathematics and Mathematical Sciences.

     

    -Mathew, S. and M. Sunitha, (2009), "Types of arcs in a fuzzy graph. Information Sciences",  179(11), pp. 1760-1768.

     

    -Dey, A. and A. Pal, (2013), "Fuzzy graph coloring technique to classify the accidental zone of a traffic control", Annals of Pure and Applied Mathematics, 3(2), pp. 169-178.

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    -Mojdeh, D. and M. Pourpasha, (2007), "Fuzzy defining number of the edge fuzzy graph", in International mathematical forum.

     

    -Rosenfeld, A., (1975), "Fuzzy graphs, in Fuzzy sets and their applications to cognitive and decision processes", Elsevier. pp. 77-95.

     

     

    -Zadeh, L.A., (1968), "Probability measures of fuzzy events", Journal of mathematical analysis and applications, 23(2), pp. 422-427.

     

     

    -Zhu, X., L. Dai, and Z. Wang, (2015), "Graph coloring based pilot allocation to mitigate pilot contamination for multi-cell massive MIMO systems", IEEE Communications Letters, 19(10), pp. 1842-1845.

               

     

     

     

    •