شناسایی مولفه های هوش مصنوعی در بهبود ایمنی، کاهش تصادفات رانندگی و هزینه ها با رویکرد تحلیل محتوایی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
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.Identifying the Components of Artificial Intelligence in Improving Safety, Reducing Traffic Crashes and Costs with Content Analysis
Objective: Artificial intelligence systems in urban transportation can utilize various tools and methods to enhance safety. The current study was undertaken to investigate the utilization of artificial intelligence in improving urban transportation safety, reducing traffic crashes, and cutting costs, using a qualitative approach and expert opinions in the field of transportation.Method: Seven experts in the field of urban transportation in Tehran were selected as the sample. The interview responses, structured around 10 questions, were collected and analyzed using Maxqda software and content analysis methodology. In this type of analysis, the content is examined to identify patterns, themes, ideas, and implicit or underlying messages.Results: From the conducted interviews, four main contents were extracted, including decision support systems (with five sub-contents), data analysis systems (five sub-contents), accident prevention systems (four sub-contents), and alerting systems (four sub-contents).Conclusion: Given the advanced technologies in the field of artificial intelligence, intelligent systems in urban transportation will be of greater importance. These systems include traffic prediction and management, driver detection and alerting, smart vehicle systems, and data analysis. The role of these systems in improving urban transportation safety, reducing crashes, cutting costs, and enhancing system efficiency is crucial. These systems are capable of identifying warning signs and providing safety solutions. Through the use of these systems, city managers can identify problems and offer appropriate solutions to improve urban transportation, thereby enhancing the living conditions of citizens
تبلیغات
