طراحی سیستم خبره فازی جهت پیاده‌سازی پارکینگ هوشمند با استفاده از اینترنت اشیاء با استفاده از Fuzzy ToolBox در محیط برنامه نویسیMatlab

•   آرشیو : نسخه زمستان 1396
•   موضوع : هوش مصنوعی
• نویسنده/گان : هیمن سنه ای، عطاءاله ابطحی ، محمد علی افشار کاظمی
•   چکیده :
  در پژوهش حاضر به طراحی سیستم خبره فازی مبتنی بر قاعده جهت پیاده‌سازی پارکینگ هوشمند با استفاده از اینترنت اشیاء با استفاده از Fuzzy ToolBox در محیط برنامه نویسیMatlab پرداخته شد. در اینجا، سیستم مذکور، تحت عنوان IOT.PARKING+FIS برای اولین بار در حوزه پژوهشی مرتبط با موضوع ارائه می‌گردد. در پژوهش حاضر، برای طراحی سیستم استنتاج فازی از محیط برنامه نویسی MatLab استفاده شد. داده‌های مرتبط با ابزار اعتبارسنجی "سیستم خبره فازی جهت پیاده‌سازی پارکینگ هوشمند با استفاده از اینترنت اشیاء" در اواخر تیرماه 1396 جمع‌آوری شدند. در نهایت، با استفاده از خروجی های سیستم IOT.PARKING+FIS می‌توان وضعیت "پیاده‌سازی پارکینگ هوشمند با استفاده از IOT" را بر اساس متغیر‌هایی چون مؤلفه‌ ورودی اول: وضعیت "پلت فرم‌های مورداستفاده در اینترنت اشیاء" جهت تحلیل وضعیت شناسایی از طریق فرکانس‌های رادیویی؛ مؤلفه‌ ورودی دوم: "قابلیت مدیریت دستگاه‌ها و اشیاء" جهت هدایت خودرو در پیاده‌سازی پارکینگ هوشمند؛ مؤلفه‌ ورودی سوم: "موقعیت شبکه‌های اینترنت اشیاء" جهت تحلیل اجزای پارکینگ هوشمند یا سیستم پارکینگ مکانیزه؛ مؤلفه‌ ورودی چهارم: وضعیت "امنیت اینترنت اشیاء" در سیستم پرداخت پارکینگ هوشمند؛ مؤلفه‌ ورودی پنجم: "میزان آشنایی با تحلیل کاربردهای اینترنت اشیاء" جهت کنترل دسترسی در پیاده‌سازی پارکینگ هوشمند؛ مورد تحلیل قرار داد. در واقع، اختلاف نهایی بین خروجی‌‌های سیستم خبره فازی این پژوهش یعنی IOT.PARKING+FIS و میانگین نظرات خبرگان معنی‌دار نبوده و برابر با 06475/0 محاسبه شد.بنابراين مي توان سیستم خبره فازی برای پیاده سازی پارکینگ هوشمند با استفاده از اینترنت اشیاء را بکار برد و تصمیمات قابل اعتمادی را برای پیاده سازی اعمال کرد. تشخصی فاصله خودروی روبرو در ترافیک یکی از مهم ‌ترین شاخص‌ های جلوگیری از تصادفات جاده ‌ای است که سامانه‌ های کروز تمام فعال با استفاده از فنّاوری ‌های راداری پیشرفته در اختیاردارند. اندازه‌گیری فاصله با استفاده از سنجه‌ های مختلف ممکن است امری زمان ‌بر و هزینه ‌ساز باشد. ازاین ‌رو بررسی روش ‌های تخمین فاصله می‌ تواند در این مورد هزینه‌ های ساخت و انباشتگی وسایل الکترونیکی و مکانیکی را به حداقل برساند. رویکردی که در این تحقیق مورد نظر است استفاده از پردازش تصویر برای تخمین فاصله خودروی روبروی است که با دوربین‌ های موبایل نیز قابل‌ بررسی می‌ باشد. با این هدف که راننده با گذاردن گوشی همراه خود روی داشبورد خود بتواند فاصله خودروی روبرو را در هر لحظه تخمین و سامانه هوشمند خودرو از آن برای کنترل‌ های دیگر استفاده نماید. روش تحقیق مورد توجه در این پایان‌ نامه استفاده از سیستم ‌های فازی_عصبی و آنالیز موجک است که با تلفیق یکدیگر می ‌توانند با دقت بالا تصاویر را تشخیص دهند.
•   کلید واژه : ANFIS، سیستم فازی عصبی، تشخیص فاصله، آنالیز موجک
•   Title : Vehicle distance estimation using wavelet and ANFIS
•   Abstract :
  Vehicle distance detection in traffic is one of the most important indicators of road accident prevention that all active cruise systems utilize with advanced radar technologies. Measuring distances using different metrics can be time consuming and costly. Therefore, investigating distance estimation methods can minimize the cost of manufacturing and assembling electronic and mechanical equipment. The approach considered in this study is to use image processing to estimate the distance of the vehicle in front of the camera, which can also be investigated. With the aim of allowing the driver to put his cellphone on his dashboard, he can estimate the distance to the car at any time and use the car's intelligent system for other controls. The research method used in this thesis is the use of fuzzy-neural systems and wavelet analysis, which together can identify images with high accuracy.
•   مراجع :
  [1] T. Denton, Advanced automotive fault diagnosis: Routledge, 2016.
  
  [2] M. Basu, "Gaussian-based edge-detection methods-a survey," IEEE Transactions on Systems, Man, and Cybernetics, Part C, vol. 32, pp. 252-260, 2017
  
  [3] C. S. Burrus, Introduction to wavelets and wavelet transforms: a primer vol. 23: Prentice hall Upper Saddle River NJ, 2015.
  
  [4] Y. Chen, "Vehicle Tracking and Distance Estimation Based on Multiple Image Features." pp. 371-378,2017
  
  [5] B-Fei Wu, "A New Vehicle Detection with Distance Estimation for Lane Change Warning Systems." pp. 698-70,2018
•  صفحات : 130-145
•   دانلود فایل ( 1.10 KB )