حمید میرزاحسین

هدف: خستگی و خواب آلودگی یکی از مهم ترین علل بروز سوانح جاده ای است. خستگی و خواب آلودگی رانندگان می تواند از طریق تغییر در خصوصیات فیزیولوژیکی بدن نظیر نرخ ضربان قلب، نرخ تنفس و یا تغییر در خصوصیات امواج مغزی و یا دیگر خصوصیات ظاهری راننده و نیز مانورهای حرکتی وسایل نقلیه نمود پیدا کند. هدف از این مقاله آینده پژوهی الگوهای شناسایی و پردازش خستگی و خواب آلودگی رانندگان است که بواسطه آن بتوان بینشی از آینده پیش رو را بدست دهد.2. روش: در این مقاله، بر پایه ارزیابی متون تحقیقات گذشته سعی شده است تا شرایط احتمالی که در آینده روش های شناسایی و پردازش خستگی و خواب آلودگی رانندگان خواهند داشت ارائه گردد.3. یافته های پژوهش: نتایج حاکی از آن است که روش های مبتنی بر خصوصیات فیزیولوژیکی بیشترین تطابق با رفتار خواب آلود رانندگان داشته و لذا از دقت بالاتری در مقایسه با سایر روش ها برخوردار است. همچنین نتایج نشان داد مدل های مبتنی بر یادگیری ماشین مناسبترین الگوی پردازش اطلاعات خستگی و خواب آلودگی رانندگان می باشد. 4. نتیجه گیری: بررسی های این مقاله مبتنی بر استنتاج از مطالعات گذشته نشان داد سمت و سوی آینده استفاده از روش های تلفیقی است. الگوی روش های تلفیقی می تواند به شکل تلفیق داده های مختلف خصوصیات فیزیولوژیکی، خصوصیات عملکردی راننده، خصوصیات ظاهری و حالت راننده باشد. همچنین تلفیق داده ها باید در ترکیب خصوصیات فیزیولوژیکی مختلف نظیر اطلاعات سیگنال مغزی، نرخ ضربان قلب و نرخ تنفس باشد.

هدف: هوش مصنوعی در حمل و نقل شهری می تواند نقش بسزایی در بهبود ایمنی داشته باشد. مقاله حاضر با هدف بررسی نحوه استفاده از هوش مصنوعی در بهبود ایمنی حمل و نقل شهری، کاهش تصادفات رانندگی و کاهش هزینه ها با رویکرد کیفی و نظرات خبرگان حوزه حمل و نقل انجام شد.روش: نمونه جمع آوری شده هفت نفر از خبرگان امر حمل و نقل شهری در شهر تهران بودند. پاسخ مصاحبه ها که به صورت ساختار یافته و با طرح 10 سوال انجام شد با استفاده از نرم افزار (Maxqda) و با روش تحلیل محتوایی مورد بررسی قرار گرفت. در این نوع تحلیل، محتوا برای شناخت الگوها، موضوعات، ایده ها و پیام های مخفی یا ضمنی بررسی می شود.یافته های پژوهش: نتایج نشان داد، چهار محتوای اصلی شامل سامانه های پشتیبانی از تصمیم گیری (با پنج محتوای فرعی)، سامانه های تحلیل داده (پنج محتوای فرعی)، سامانه های پیشگیری از تصادفات (با چهار محتوای فرعی) و سیستم های هشداردهنده (با چهار محتوای فرعی) هستند.نتیجه گیری: با توجه به تکنولوژی های روزافزون در حوزه هوش مصنوعی، سامانه های هوشمند در حمل و نقل شهری از اهمیت بیشتری برخوردار خواهند بود. این سامانه ها شامل پیش بینی و مدیریت ترافیک، تشخیص و هشدار دهی به رانندگان، سامانه های هوشمند خودرو و تحلیل داده ها می شوند. نقش این سامانه ها در بهبود ایمنی حمل و نقل شهری، کاهش تعداد تصادفات، کاهش هزینه ها و افزایش کارایی این سیستم بسیار حیاتی است. این سامانه ها قادر به تشخیص علائم خطر و ارائه راه حل های ایمنی هستند. از طریق استفاده از این سامانه ها، مدیران شهری می توانند مشکلات را شناسایی و راه حل های مناسب برای بهبود حمل و نقل شهری ارائه دهند و در نتیجه، بهبود شرایط زندگی شهروندان را فراهم کنند.

هدف: مباحث مرتبط با برنامه ریزی شهرهای آینده، یکی از موضوعات مورد توجه پژوهشگران است که به ایجاد مفاهیمی همچون شهر هوشمند و شهر زندگی پذیر منجر شده است. از طرفی رشد نابرابری، یکی از دغدغه های مهم در این حوزه است. هدف نهایی این پژوهش، ارائه رویکردی برای کاهش نابرابری در حوزه حمل و نقل شهری به وسیله آموزش و نهادینه سازی رفتارهای مطلوب شهروندی در زمینه حمل و نقل می باشد. روش: در این مقاله، از مطالعات اسنادی و کتابخانه ای با هدف شناسایی ابعاد نابرابری، فناوری های نوین در شهرهای هوشمند آینده و چگونگی تدوین یک سیستم بازی وارسازی استفاده شده است. همچنین روش دلفی به منظور شناسایی مهم ترین فناوری ها در شهرهای هوشمند آینده بکار گرفته شده است. یافته ها: اینترنت اشیا، ابرداده و پردازش ابری به عنوان مهم ترین مباحث فناوری های نوین از نظر خبرگان، شناسایی و  رویکرد پیشنهادی با هدف ترغیب شهروندان، به استفاده از سیستم های حمل و نقل فعال و همگانی و در نتیجه کاهش نابرابری ارائه گردید. نتیجه گیری: چارچوب طراحی شده، با استفاده از فناوری های نوین برای برنامه ریزی و مدیریت شهرهای آینده و بهره گیری از مفهوم بازی وارسازی، هزینه های ایجاد زیرساخت، جمع آوری و تحلیل داده را کاهش می دهد. همچنین این امکان را به وجود می آورد تا شهروندان با رفتارهای صحیح حمل و نقلی آشنا شده و با استفاده از حمل و نقل فعال و همگانی نابرابری در شهرهای آینده را کمرنگ نمایند.