کاربرد اتوماتای سلولی نامنظم فازی در رتبه‌بندی ایمنی جاده‌ها

پیچیدگی مسائل دنیای واقعی همواره در حال افزایش است و بسیاری از مسائل دنیای واقعی را نمی‌توان با روش‌های فعلی مدل‌سازی کرد. به همین دلیل، برای غلبه بر چالش‌ها و کاستی‌های موجود باید همواره مدل‌های محاسباتی جدیدی ارائه شود تا با استفاده از آن‌ها بتوانیم مسائل مختلف را حل کنیم. برخی از مسائل دنیای واقعی ماهیت گراف دارند و استفاده از اتوماتای سلولی نامنظم در این‌گونه مسائل مطلوب خواهد بود؛ اما این اتوماتا قادر به بازنمایی مفاهیم نادقیق فازی نیست. در همین راستا، در این مقاله یک مدل محاسباتی جدید بنام اتوماتای سلولی فازی نامنظم معرفی خواهد شد. مدل پیشنهادی در این مقاله که تلفیقی از اتوماتای سلولی فازی و اتوماتای سلولی نامنظم است، باهدف ترکیب مزایای هردوی این مدل‌ها در یک مدل واحد و کاستن از معایب آن‌ها در حالت تکی معرفی‌شده است. درنهایت، از مدل پیشنهادی برای حل یک مسئله‌ی کاربردی دنیای واقعی بنام مسئله‌ی رتبه‌بندی ایمنی جاده‌ها استفاده می‌شود. نتایج به‌دست‌آمده از شبیه‌سازی‌های انجام‌شده در این مقاله نشان‌دهنده‌ی آن است که مدل پیشنهادی قادراست قطعات مختلف جاده‌ها را به لحاظ ایمنی با دقت بالا رتبه‌بندی نماید. بر اساس نتایج آزمایش‌های انجام‌شده مدل پیشنهادی در مقایسه با داده‌های واقعی توانسته به‌دقت %75 درصد تخمین ایمنی جاده‌ها دست یابد.

Application of Irregular Fuzzy Cellular Automaton for ranking the road safety

As the complexity of the realworld problems increases, many of them can’t be modeled using current approaches. Therefore, to overcome the current challenges and deficits, new computational models should be constantly presented for solving mentioned problems. Many realworld problems are graphlike in nature, for which irregular cellular automaton (ICA) is a desirable tool. However, ICA is not able to represent the fuzzy concepts. To this end, in this paper, a new computational model called irregular fuzzy cellular automaton is proposed. To this end, the present paper introduces a new computational model, namely fuzzy irregular cellular automata. The proposed model is a combination of fuzzy cellular automata and irregular fuzzy cellular automata, with the aim to combine the advantages of the both models and to alleviate their disadvantages. The proposed model is then used for solving the realworld road safety ranking problem. The computer simulations are conducted to show the effectiveness of the proposed mode for rating different sections of roads. Experimental results showed that the proposed method could estimate the road safety problem with 75% accuracy.