ارزیابی عملکرد ماتریس احتمال سرعت- شتاب، K-MEANS ، ماشین بردار پشتیبان و شبکه عصبی مصنوعی برای استخراج چرخه های رانندگی

چرخههای رانندگی در طراحی خودروها، تبیین و بهبود سازی استانداردها و برنامه ریزی های حمل و نقل کاربرد دارند. در این پژوهش، عملکرد چهار روش دسته بندی ماتریس احتمال سرعت- شتاب SAPM ،means-K، ماشین بردار پشتیبان (SVM ( و شبکه عصبی مصنوعی ) ANN ( مقایسه میشود. الگوریتم های نامبرده شده از نظر دقت، تعمیم پذیری، سهولت در کدنویسی و سرعت دستیابی به پاسخ مورد ارزیابی قرار گرفتند. بر اساس مقایسه صورت گرفته روشهای SVM و ANNاز دقت بیشتری برخوردار بوده اند، این در حالیست که این روشها برای دستیابی به پاسخ، زمان بیشتری را در مقایسه با دوروش دیگر احتیاج داشتند و استفاده از آنها به ساده گی سایر روشها نمیباشد.

کلیدواژه ها:

چرخه رانندگی ، خوشه بندی ، طبقه بندی