فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی ایمنی سیستم حمل‌ونقل ریلی یک مشکل اساسی در مدل‌سازی و مدیریت حمل‌ونقل ریلی است. در این مقاله، یک مدل پیش‌بینی ایمنی بر اساس یادگیری عمیق برای ایمنی حمل‌ونقل ریلی پیشنهاد شد. این سیستم می‌تواند ویژگی‌های مؤثر برای پیش‌بینی حمل‌ونقل ریلی را به شیوه‌ یادگیری عمیق بدون نظارت یاد بگیرد. داده‌ها از شرکت عملیاتی مترو جمع‌آوری‌شده و در مورد فاکتورهای مدل پیش‌بینی تصمیم‌گیری شد. از این فاکتورها به‌عنوان ورودی DBN استفاده شد. ساختار داده ورودی، تعداد گره‌های هر لایه را تعیین می‌کند. نمونه داده‌های جمع‌آوری‌شده شامل انواع رویداد مستعد تصادف، اطلاعات اولیه قطار و اطلاعات عملیاتی شرکت می‌باشد. عوامل پیش‌بینی از طریق تجزیه‌وتحلیل این داده‌های جمع‌آوری‌شده انتخاب شد. برای نشان­دادن صحت این مدل، یک مجموعه داده (مترو تبریز) به‌عنوان مطالعه موردی موردبررسی قرارگرفته  است. آزمایش‌ها روی مجموعه داده‌ها عملکرد خوب پیش‌بینی مدل حاضر را نشان می‌دهد. پیش‌بینی ایمنی سیستم ریلی و ایمنی واقعی می‌توانند به‌خوبی باهم مطابقت داشته باشند. این نتایج نشان می‌دهد که یادگیری عمیق در یادگیری الگوهای یک سیستم ریلی مفید است. خطای پیش‌بینی و واقعیت بین 08/0 تا 08/0- معرفی شد. این‌یک خطای قابل‌قبول است و نمی‌تواند باعث ایجاد سطح ایمنی نادرست در سیستم شود. بازه متراکم ایمنی چه در وضع موجود و چه در مدل پیش‌بینی، در سطح دوم یعنی نسبتاً ایمن می‌باشد. این بازه متناسب با حد 8/0 تا 89/0 می‌باشد. البته که تمایل تراکم پس از سطح دوم به سمت سطح یک است تا سطح سوم. نکته قابل‌توجه آن است که مدل پیش‌بینی (در سطوح بالا) مقادیر بالاتر از ایمنی موجود را نشان داد.