ترکیب الگوریتم های یادگیری ماشین به منظور نظارت بر رفتار رانندگی به کمک تلفن همراه هوشمند آگاه از محیط

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ترکیب الگوریتم های یادگیری ماشین به منظور نظارت بر رفتار رانندگی به کمک تلفن همراه هوشمند آگاه از محیط دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ترکیب الگوریتم های یادگیری ماشین به منظور نظارت بر رفتار رانندگی به کمک تلفن همراه هوشمند آگاه از محیط  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ترکیب الگوریتم های یادگیری ماشین به منظور نظارت بر رفتار رانندگی به کمک تلفن همراه هوشمند آگاه از محیط،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ترکیب الگوریتم های یادگیری ماشین به منظور نظارت بر رفتار رانندگی به کمک تلفن همراه هوشمند آگاه از محیط :

تعداد صفحات :۱۸

چکیده مقاله:

با رشد روز افزون کاربران تلفنهای همراه هوشمند، کاربردها و امکانات این دستگاه نیز بیشتر شده است. از جمله میتوان از تلفنهای همراه هوشمند به عنوان یک ناظر برروی رانندگی افراد استفاده کرد، به طوری که رانندگی ایمن را از غیرایمن به صورت دایمی تشخیص دهد. با این همه، راهکارهای پیشین برای تعیین سبک رانندگی برا ساس ارزیابی مانورهای راننده بدون توجه به آگاهی از محیط بوده ا ست. در حالی که اگر تنها دادههای دریافتی در یک مانور، پایه استنباط برای تعیین سبک (ایمن یا غیرایمن) مانور باشد، تصمیم گیری منا سبی درباره ی نوع رانندگی افراد به د ست نمی آید. در مقاله حا ضر با تقسیم نمودن یک مانور به سه قسمت قبل، حین و بعد از آن و همچنین با دخیل کردن شرایط ترافیکی و آبوهوایی به نتایج ارزیابی مانورها، نظارت صحیح تری بر راننده صورت می گیرد. برای برر سی نوع رانندگی افراد از ترکیبی از روشهای منطق فازی، ماشین بردار پشتیبان و شبکه عصبی شعاعی در این مقاله استفاده می شود. سیستم پیشنهادی با برداشت اطلاعات بیشتری از محیط اطراف خود به دقت بسیار بهتری نسبت به دیگر راهکارهای ارایه شده رسیده است به طوری که شرایط ترافیکی، نوع مانور و مانورهای ناهنجار را به ترتیب با حداقل دقت %۹۸، %۹۲ و %۱۰۰ مورد شناسایی قرار داده است.