اخبار و اعلانات
آمار
| تعداد نشریات | 20 |
| تعداد شماره‌ها | 385 |
| تعداد مقالات | 3,170 |
| تعداد مشاهده مقاله | 4,342,595 |
| تعداد دریافت فایل اصل مقاله | 2,937,615 |
شناسایی مولفه‌های هوش مصنوعی در بهبود ایمنی، کاهش تصادفات رانندگی و هزینه‌ها با رویکرد تحلیل محتوایی | ||
| آینده پژوهی ایران | ||
| دوره 8، شماره 2 - شماره پیاپی 14، اسفند 1402، صفحه 326-347 اصل مقاله (931.38 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30479/jfs.2024.20250.1541 | ||
| نویسندگان | ||
| حمید میرزاحسین* 1؛ روح الله بیات2؛ امین فریدی اقدم3 | ||
| 1دانشیار، گروه مهندسی عمران- برنامه‌ریزی حمل‌و‌نقل، دانشکده فنی‌مهندسی، دانشگاه بین‌المللی امام خمینی(ره)، قزوین، ایران، | ||
| 2دانشیار، گروه حسابداری، دانشکده علوم اجتماعی، دانشگاه بین‌المللی امام خمینی(ره)، قزوین، ایران | ||
| 3گروه مهندسی عمران- برنامه‌ریزی حمل‌و‌نقل ، دانشکده فنی‌مهندسی، دانشگاه بین‌المللی امام خمینی(ره)، قزوین، ایران | ||
| تاریخ دریافت: 03 اردیبهشت 1403، تاریخ بازنگری: 27 خرداد 1403، تاریخ پذیرش: 30 خرداد 1403 | ||
| چکیده | ||
| هدف: هوش مصنوعی در حمل‌و‌نقل شهری می‌تواند نقش بسزایی در بهبود ایمنی داشته باشد. مقاله حاضر با هدف بررسی نحوه استفاده از هوش مصنوعی در بهبود ایمنی حمل‌و‌نقل شهری، کاهش تصادفات رانندگی و کاهش هزینه‌ها با رویکرد کیفی و نظرات خبرگان حوزه حمل‌و‌نقل انجام شد. روش: نمونه جمع‌آوری شده هفت نفر از خبرگان امر حمل‌و‌نقل شهری در شهر تهران بودند. پاسخ مصاحبه‌ها که به صورت ساختار یافته و با طرح 10 سوال انجام شد با استفاده از نرم‌افزار (Maxqda) و با روش تحلیل محتوایی مورد بررسی قرار گرفت. در این نوع تحلیل، محتوا برای شناخت الگوها، موضوعات، ایده‌ها و پیام‌های مخفی یا ضمنی بررسی می‌شود. یافته‌های پژوهش: نتایج نشان داد، چهار محتوای اصلی شامل سامانه‌های پشتیبانی از تصمیم‌گیری (با پنج محتوای فرعی)، سامانه‌های تحلیل داده (پنج محتوای فرعی)، سامانه‌های پیشگیری از تصادفات (با چهار محتوای فرعی) و سیستم‌های هشداردهنده (با چهار محتوای فرعی) هستند. نتیجه‌گیری: با توجه به تکنولوژی‌های روزافزون در حوزه هوش مصنوعی، سامانه‌های هوشمند در حمل‌و‌نقل شهری از اهمیت بیشتری برخوردار خواهند بود. این سامانه‌ها شامل پیش‌بینی و مدیریت ترافیک، تشخیص و هشدار‌دهی به رانندگان، سامانه‌های هوشمند خودرو و تحلیل داده‌ها می‌شوند. نقش این سامانه‌ها در بهبود ایمنی حمل‌و‌نقل شهری، کاهش تعداد تصادفات، کاهش هزینه‌ها و افزایش کارایی این سیستم بسیار حیاتی است. این سامانه‌ها قادر به تشخیص علائم خطر و ارائه راه حل‌های ایمنی هستند. از طریق استفاده از این سامانه‌ها، مدیران شهری می‌توانند مشکلات را شناسایی و راه حل‌های مناسب برای بهبود حمل‌و‌نقل شهری ارائه دهند و در نتیجه، بهبود شرایط زندگی شهروندان را فراهم کنند. | ||
| کلیدواژه‌ها | ||
| ایمنی؛ تحلیل محتوایی؛ حمل‌و‌نقل شهری؛ سامانه‌های هوشمند؛ هوش مصنوعی | ||
| عنوان مقاله [English] | ||
| Identifying the Components of Artificial Intelligence in Improving Safety, Reducing Traffic Crashes and Costs with Content Analysis | ||
| نویسندگان [English] | ||
| Hamid Mirzahossein1؛ Rohullah Bayat2؛ Amin Faridiaghdam3 | ||
| 1Associate Professor, Department of Civil Engineering-Transportation Planning, Imam Khomeini International University, Qazvin, Iran, | ||
| 2Associate Professor, Department of Accounting, Faculty of Social Sciences, Imam Khomeini International University, Qazvin, Iran | ||
| 3Department of Civil Engineering-Transportation Planning, Imam Khomeini International University, Qazvin | ||
| چکیده [English] | ||
| 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 | ||
| کلیدواژه‌ها [English] | ||
| Safety, Content Analysis, Urban Transportation, Intelligent Systems, Artificial Intelligence | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
Adewopo, V., Elsayed, N., ElSayed, Z., Ozer, M., Wangia-Anderson, V., & Abdelgawad, A. (2023). AI on the Road: A Comprehensive Analysis of Traffic Accidents and Autonomous Accident Detection System in Smart Cities. 2023 IEEE 35th International Conference on Tools with Artificial Intelligence (ICTAI), 501-506.
Chaeikar, S. S., Jolfaei, A., & Mohammad, N. (2022). AI-enabled cryptographic key management model for secure communications in the internet of vehicles. IEEE Transactions on Intelligent Transportation Systems, 24(4), 4589-4598.
Cheong, R. C. K., Lim, J. M.-Y., & Parthiban, R. (2023). Missing traffic data imputation for artificial intelligence in intelligent transportation systems: review of methods, limitations, and challenges. IEEE Access.
Clarke, V., & Braun, V. (2013). Successful qualitative research: A practical guide for beginners.
Hassan, M. A., Javed, R., Granelli, F., Gen, X., Rizwan, M., Ali, S. H., Junaid, H., & Ullah, S. (2023). Intelligent transportation systems in smart city: a systematic survey. 2023 International Conference on Robotics and Automation in Industry (ICRAI),
Holsti, O. R. (1969). Content analysis for the social sciences and humanities. Reading. MA: Addison-Wesley (content analysis).
Karim, M. M., Li, Y., & Qin, R. (2022). Toward Explainable Artificial Intelligence for Early Anticipation of Traffic Accidents. Transportation research record, 2676, 743 - 755.
Koo, J., Jang, J., & Choo, S. H. (2017). Analysis of Traffic Accident Reduction Effect When Introducing Motorcycle Safety Inspection. Journal of Korean Society of Transportation, 35(1), 25-36.
Li, J., Xie, D., Zhu, Q., & Wu, Z. (2023). Construction of Intelligent Transportation Information Management System Based on Artificial Intelligence Technology. 2023 2nd International Conference on Artificial Intelligence and Autonomous Robot Systems (AIARS),
Priya S, D., & K. G, S. (2023). Significance of artificial intelligence in the development of sustainable transportation. The Scientific Temper.
Purohit, J., Soni, V., Namdev, A., Mishra, A., & Samal, S. (2023). An Artificial Intelligence based Prototype of Drıver Drowsıness Detectıon for Intelligent Vehicles. 2023 IEEE World AI IoT Congress (AIIoT), 0633-0640.
Reiman, A., Räisänen, T., Väyrynen, S., & Autio, T. (2019). Strategic accident reduction in an energy company and its resulting financial benefits. International journal of occupational safety and ergonomics, 25(1), 153-160.
Siswanto, J., Syaban, A. S. N., & Hariani, H. (2023). Artificial Intelligence in Road Traffic Accident Prediction. Jambura Journal of Informatics.
Sun, W., Abdullah, L. N., Khalid, F., & binti Sulaiman, P. S. (2023). Intelligent Analysis of Vehicle Accidents to Detect Road Safety: A Systematic Literature Review. International Journal of Academic Research in Business and Social Sciences.
Yang, Z., & Qi, Y. (2021). Rapid analysis and detection algorithm and prevention countermeasures of urban traffic accidents under artificial intelligence. International Journal of Grid and Utility Computing, 12(4), 431-439.
| ||
|
آمار تعداد مشاهده مقاله: 422 تعداد دریافت فایل اصل مقاله: 309 |
||
