<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>پژوهشگاه حمل و نقل طراحان پارسه</PublisherName>
				<JournalTitle>فصلنامه  مهندسی حمل و نقل</JournalTitle>
				<Issn>2008-6598</Issn>
				<Volume>6</Volume>
				<Issue>4</Issue>
				<PubDate PubStatus="epublish">
					<Year>2015</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Offering Airport Ramp Accidents Model and Strategies for its Reduction (Case Study: Mehrabad Airport, Tehran)</ArticleTitle>
<VernacularTitle>ارائه مدل تصادفات رمپ فرودگاه و راهکارهای کاهش آن (مطالعه موردی: فرودگاه مهرآباد تهران)</VernacularTitle>
			<FirstPage>563</FirstPage>
			<LastPage>580</LastPage>
			<ELocationID EIdType="pii">12002</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>علی</FirstName>
					<LastName>زنگویی</LastName>
<Affiliation>دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران</Affiliation>

</Author>
<Author>
					<FirstName>عبدالرضا</FirstName>
					<LastName>شیخ الاسلامی</LastName>
<Affiliation>دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2013</Year>
					<Month>01</Month>
					<Day>24</Day>
				</PubDate>
			</History>
		<Abstract>All-day events and accidents occur frequently in various parts of transport that it has a high cost. In the aviation industry due to expensive facilities and equipment, costs arising from accidents would be highly salient. Over fifty percent of aviation accidents, incidents of airport ramp by various factors is occurs (which is the main cause of human error). The purpose of this study is to provide a model to predict project in Airport Ramp Accidents and the impact of each factor in the accident show to preventative work to be done to reduce and minimize accidents. The case study is based on data from the years 1386 to 1389 are in the airport and the general, neural network and fuzzy regression model have been used. The models are calibrated and analyze and the two variables &quot;number of small aircraft&quot; and &quot;average age of planes,&quot; &quot;, respectively, with coefficients of 0.34 and 0.29 were identified as major contributing factors in accidents and preventive strategies in this regard arises.</Abstract>
			<OtherAbstract Language="FA">همه روزه حوادث و تصادفات فراوانی در بخش های مختلف حمل و نقلی اتفاق می افتد که هزینه های گزافی برجای می گذارد. در صنعت هوانوردی به علت پرهزینه بودن امکانات و تجهیزات، هزینه های ناشی از تصادفات بسیار چشمگیرتر خواهد بود. بیش از پنجاه در صدِ تصادفات هوانوردی، حوادث رمپ فرودگاه هاست که توسط عوامل مختلف )که خطای انسانی علت اصلی آن هاست(، رخ می دهد. هدف از این پژوهش ارائه مدلی است که میزان تصادفاتِ رمپ فرودگاه را در سال های طرح پیش بینی نماید و میزان اثرگذاری هر عامل در بروز تصادفات را نشان دهد تا بتوان در راستای آن عوامل پیشگیرانه ای به منظور کاهش و حداقل نمودن میزان تصادفات اتخاذ نمود. مطالع ه موردی بر اساس داده های آماری فرودگاه مهرآباد در بین سال های 1386 تا 1389 صورت گرفته است و به طور کلی، از مدلِ شبکه عصبی و مدلِ رگرسیون فازی استفاده شده است. مدل ها کالیبره شده و تحلیل می شوند و در نهایت دو متغیر &quot;تعداد هواپیماهای کوچک&quot; و &quot;متوسط عمر هواپیماها&quot; به ترتیب با ضرایبِ اهمیتِ 34 / 0 و 29 / 0 به عنوان مهم ترین عوامل دخیل در بروز حوادث شناسایی گردید و راهکارهای پیشگیرانه در این رابطه مطرح می شود.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">ایمنی در رمپ فرودگاه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حوادث و مشکلات رمپ های فرودگاه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شناسایی عوامل موثر در حوادث و تصادفات محدوده رمپ ها</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کاهش تصادفات رمپ فرودگاه</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jte.sinaweb.net/article_12002_f6bc0623a4ab517ae89db46f368c09c4.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
