﻿<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<ArticleSet>
<Article>
<Journal>
<PublisherName>نواندیشان</PublisherName>
<JournalTitle>کهربا</JournalTitle>
<Issn>2322-3723</Issn>
<Volume>50</Volume>
<Issue>06</Issue>
<PubDate PubStatus="epublish">
<Year>2026</Year>
<Month>2</Month>
<Day>15</Day>
</PubDate>
</Journal>
<ArticleTitle>یک چارچوب هوشمند یکپارچه برای پیشگیری و تشخیص سرقت خودرو مبتنی بر تحلیل داده‌های سنسوری و الگوهای جرم</ArticleTitle>
<FirstPage>58</FirstPage>
<LastPage>64</LastPage>
<Language>FA</Language>
<AuthorList>
<Author>
<FirstName>آرمان</FirstName>
<LastName>رحمتی لپوندانی</LastName>
<Affiliation> کارشناسی ارشد مهندسی مکانیک گرایش ساخت و تولید دانشگاه جامع امام حسین </Affiliation>
</Author>
<Author>
<FirstName>سعید</FirstName>
<LastName>شعبانزاده</LastName>
<Affiliation>  کارشناسی ارشد مهندسی مکانیک گرایش طراحی کاربردی دانشگاه بوعلی سینا ،همدان </Affiliation>
</Author>
<Author>
<FirstName>مهدی</FirstName>
<LastName>نیاجلیلی</LastName>
<Affiliation> هیأت علمی ، گروه مهندسی مکانیک، دانشگاه ملی مهارت، تهران </Affiliation>
</Author>
</AuthorList>
<Identifier Source="ORCID">KNO-1204-5006</Identifier>
<PublicationType>Journal Article</PublicationType>
<History>
<PubDate PubStatus="received">
<Year>2026</Year>
<Month>2</Month>
<Day>15</Day>
</PubDate>
</History>
<OtherAbstract Language="FA">سرقت خودرو و قطعات جانبی آن همچنان یکی از چالش‌های اساسی امنیت شهری در بسیاری از کشورها به شمار می‌رود و پیامدهای اقتصادی، اجتماعی و روانی قابل‌توجهی برای مالکان خودرو و نهادهای مسئول به همراه دارد. با وجود توسعه طیف گسترده‌ای از سامانه‌های ضدسرقت، بسیاری از راهکارهای موجود ماهیتی واکنشی داشته و عمدتاً پس از وقوع سرقت فعال می‌شوند؛ در نتیجه توان محدودی در پیشگیری مؤثر از وقوع جرم دارند. پیشرفت فناوری‌های حسگری، ارتباطی و تحلیلی در سال‌های اخیر، فرصت مناسبی را برای طراحی سامانه‌های هوشمند با رویکرد پیش‌دستانه فراهم ساخته است. در این مقاله، یک چارچوب هوشمند و یکپارچه برای پیشگیری و تشخیص سرقت خودرو ارائه می‌شود که بر تلفیق داده‌های سنسورهای داخلی خودرو، فناوری‌های موقعیت‌یابی و ارتباطی نظیر GPS و GSM، و تحلیل الگوهای جرم‌شناختی استوار است. روش پژوهش مبتنی بر تحلیل تطبیقی مطالعات پیشین، شناسایی تهدیدهای رایج در سرقت خودرو و استخراج معیارهای کلیدی ارزیابی سامانه‌های امنیتی است. بر این اساس، یک معماری چندلایه شامل لایه حسگری، لایه تحلیل داده و لایه تصمیم‌گیری طراحی شده است که امکان پایش مداوم وضعیت خودرو و شناسایی رفتارهای مشکوک را فراهم می‌کند. ارزیابی چارچوب پیشنهادی به‌صورت سناریومحور و تحلیلی انجام شده و عملکرد آن در مواجهه با سناریوهای مختلف از جمله سرقت کامل خودرو، سرقت قطعات و استفاده غیرمجاز بررسی شده است. نتایج حاصل از این ارزیابی‌ها نشان می‌دهد که رویکرد پیشنهادی می‌تواند دقت تشخیص را افزایش داده، نرخ هشدارهای کاذب را کاهش دهد و زمان واکنش سامانه را در مقایسه با سامانه‌های متداول به‌طور محسوسی بهبود بخشد. این پژوهش می‌تواند به‌عنوان مبنایی برای توسعه سامانه‌های ضدسرقت هوشمند و پیاده‌سازی‌های عملی آینده مورد استفاده قرار گیرد.</OtherAbstract>
<ObjectList>
<Object Type="keyword">
<Param Name="value"> سرقت خودرو</Param>
</Object>
<Object Type="keyword">
<Param Name="value"> سامانه ضدسرقت </Param>
</Object>
<Object Type="keyword">
<Param Name="value">تحلیل داده‌های سنسوری</Param>
</Object>
<Object Type="keyword">
<Param Name="value">GPS/GSM</Param>
</Object>
<Object Type="keyword">
<Param Name="value">اینترنت اشیای خودرو</Param>
</Object>
<Object Type="keyword">
<Param Name="value"></Param>
</Object>
<Object Type="keyword">
<Param Name="value"></Param>
</Object>
<Object Type="keyword">
<Param Name="value"></Param>
</Object>
</ObjectList>
<ArchiveCopySource>https://kahrobaonline.ir/wp-content/uploads/edd/2026/02/khr-5006.pdf</ArchiveCopySource>
</Article>
</ArticleSet>