Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor.author | ALQATAWNA, ALI | - |
Data de aceite: dc.date.accessioned | 2024-01-12T20:00:39Z | - |
Data de disponibilização: dc.date.available | 2024-01-12T20:00:39Z | - |
Data de envio: dc.date.issued | 2024-01-10 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/741323 | - |
Resumo: dc.description.abstract | Nos últimos anos, Espanha testemunhou uma redução significativa na taxa de acidentes, atribuível à melhoria do comportamento dos utentes da estrada. No entanto, continua a existir uma necessidade premente de melhorias em diversas áreas. Notavelmente, 2016 marcou a primeira vez em 13 anos que o número de mortes aumentou 7% em comparação com o ano anterior. Este artigo realiza uma análise e previsão de acidentes de trânsito (RTAs) em locais de acidentes graves nas rodovias espanholas, empregando Redes Neurais Artificiais (RNAs) com um algoritmo de aprendizagem Feedforward. Esta abordagem serve como uma valiosa ferramenta de tomada de decisão para os decisores políticos na gestão de infra-estruturas, contribuindo para avanços na investigação sobre segurança nos transportes. A RNA, uma técnica potente com histórico de sucesso na análise de dados históricos para prever tendências futuras, é explorada para prever o número de acidentes rodoviários na Espanha. O artigo propõe um método para selecionar o modelo de RNA mais eficaz usando dados de acidentes de 2014 a 2017. O modelo incorpora variáveis como trechos de rodovia, ano, comprimento do trecho (km), tráfego médio diário anual (AADT), raio médio da curva horizontal , grau de curvatura vertical e acidentes de trânsito com percentual de veículos pesados. No desenvolvimento do modelo RNA, a função de ativação sigmóide é empregada em conjunto com o algoritmo Levenberg-Marquardt, incorporando números variados de neurônios. Os resultados do modelo indicam que os acidentes de viação estimados, com base em dados apropriados, estão estreitamente alinhados com os acidentes de viação reais, tornando-os adequados para a previsão de acidentes de viação em Espanha. Isto ressalta o potencial das RNAs como uma ferramenta robusta para analisar e prever acidentes e vítimas de trânsito. | pt_BR |
Idioma: dc.language.iso | en | pt_BR |
Palavras-chave: dc.subject | Acidentes de Trânsito | pt_BR |
Título: dc.title | Highway Traffic Accidents Prediction Using Artificial Neural Network: A Case Study of Freeways in Spain (Atena Editora) | pt_BR |
Tipo de arquivo: dc.type | livro digital | pt_BR |
Aparece nas coleções: | Livros digitais |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: