1
گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی تهران، نویسنده مسئول
2
گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی تهران
چکیده
این مقاله یک سیستم هوشمند برای مدیریت عبور و مرور آمبولانس ها و وسایل حمل و نقل خون و فرآوردهای خونی و به طورکلی حمل و نقل های مرتبط با فوریت های سلامت را با به کارگیری یک مدل ترکیبی فازی سلسله مراتبی ارائه می دهد. حمل و نقل بیماران اورژانسی، رویدادهای اورژانسی و فوریت های مرتبط با سلامت، و حمل و نقل خون و فرآورده های خونی باید در حداقل زمان ممکن انجام شود. به محض تماس بانک خون بیمارستان مبنی بر نیاز به مراجعه به سازمان انتقال خون، در اسرع وقت این انتقال باید صورت بگیرد، زیرا ممکن است تأخیر در آوردن فرآورده ها برای بیمار، منجر به مرگ او شود. هدف این مقاله، افزایش کیفیت در ترافیک، محاسبه زمان مسیر و اطلاعات عبور و مرور به صورت بلادرنگ برای حمل و نقل های مرتبط با فوریت های سلامت تا رسیدن به مقصدشان می‌باشد. این سیستم امکان تنظیمات مؤثر بر ترافیک مسیرها را مطابق با تغییرات شبکه حمل و نقل فراهم می آورد.
Sameer A. Abu-Eisheh, Mohammad S. Ghanim., “Managing Transportation for Sustainable Built Environment By Developing A Traffic Systems Management Course”. Procedia - Social and Behavioral Sciences, Volume 102, Pages 499–507, 22 November 2013.
Araghi S., Khosravi A., Creighton D., “A review on computational intelligence methods for controlling traffic signal timing, Expert Systems with Applications”. Volume 42, Issue 3, Pages 1538-1550, 15 February 2015.
Ampountolas.,“A three-dimensional macroscopic fundamental diagram for mixed bi-modal urban networks Transportation Research Part C: Emerging Technologies”. Volume 42, Pages 168–181, May 2014.
Papathanasopoulou V., Antoniou C., “Towards data-driven car-following models Transportation Research Part C: Emerging Technologies”. Volume 55, Pages 496-509, June 01, 2015.
Bai C., Peng Z.-R., Lu Q.-C., “Dynamic bus travel time prediction models on road with multiple bus routes Computational Intelligence and Neuroscience”. Volume 2015.
Araghi S., Khosravi A., Creighton D., “Intelligent cuckoo search optimized traffic signal controllers for multi-intersection network, Expert Systems with Applications”. Volume 42, Issue 9, Pages 4422-4431, 1 June 2015.
Clempner J.B., Poznyak A.S., “Modeling the multi-traffic signal-control synchronization: A Markov chains game theory approach”. Engineering Applications of Artificial Intelligence, Volume 43, Pages 147-156, 1 August 2015.
Abdennour A., “A Long Horizon Neuro-fuzzy Predictor for MPEG Video Traffic”. Journal of King Saud University–Engineering Science 18 (1) 161–180, 2005.
Abbas S., Khan M.S., Ahmed K., Abdullah M., Farooq U., “Bio-inspired neurofuzzy based dynamic route selection to avoid traffic congestion”. International Journal of Scientific & Engineering Research 2 (6), 2011.
Hallam, N., Hartley, M., Blanchfield, P., Kendall, G., “Optimisation in a road traffic system using collaborative search. In: Proc. of the IEEE Int”. Conf. on Systems Man and Cybernetics SMC, IEEE, pp. 2008–2012, 2004.
Partouche D., Pasquier M., Spalanzani A., “Intelligent Speed Adaptation Using a
Halle, S., Chaib-Draa, B., “A collaborative driving system based on multiagent modelling and simulations. Transport. Res. Part C: Emer. Technol”. 13 (4), 320–345, 2005.
D’Acierno, L., Montella, B., De Lucia, F., “A stochastic traffic assignment algorithm based on ant colony optimisation. In: Proc. of the Ant Colony Optimization and Swarm Intelligence, LNCS”. vol. 4150. Springer-Verlag, pp. 25–36, 2006.
Garcia-Nietoa, J., Albaa, E., Olivera, A.C., “Swarm intelligence for traffic lightscheduling: application to real urban areas”. Eng. Appl. Artif. Intell. 25 (2), 274–283, 2012.
Balaji, P.G., Srinivasan, D., “Type-2 fuzzy logic based urban traffic management”. Eng. Appl. Artif. Intell. 24 (1), 12–22, 2011.
Zamora-Izquierdo M.A., Toledo-Moreo R., Valdes-Vela M., Gil-Galvan D.,
“Neuro-fuzzy based maneuver detection for collision avoidance in road vehicles”. international work-conference on the interplay between natural and artificial computation (IWINAC), Part II, Lecture Notes in Computer Science,
,429–438, 2007.
Aseri T.C., Bagai D., “Traffic control in unicast ATM ABR service using adaptive
approach”. International Journal of The Computer, the Internet and Management 16 (3) 48–63, 2008.
Sindal R., Tokekar S., “A neuro-fuzzy call admission control algorithm for
voice/data traffic in CDMA cellular network”. in: IEEE International Advance
Computing Conference, pp. 827–832, 2009.
D’Acierno, L., Gallo, M., Montella, B., “An ant colony optimisation algorithm for solving the asymmetric traffic assignment problem”. Eur. J. Oper. Res. 217 (2), 459–469, 2012.
Dorigo, M., “Ottimizzazione, apprendimento automatico, ed algoritmi basati su metafora naturale (Optimization, Learning, and Natural Algorithms)”. Doctorate in Systems and Information Electronic Engineering, Politecnico di Milano, Italy, 1992.
)