پیش بینی زمان سفر لحظه ای در بزرگراه های تهران با استفاده از داده های بلوتوث

  • سال انتشار: 1398
  • محل انتشار: هجدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک
  • کد COI اختصاصی: TTC18_028
  • زبان مقاله: فارسی
  • تعداد مشاهده: 643
دانلود فایل این مقاله

نویسندگان

شاهین شعبانی

دانشیار، گروه مهندسی عمران دانشگاه پیام نور، مرکز تهران شمال، تهران، ایران/عضو هیئت علمی دانشگاه پیام نور تهران شمال

مهدی معتمدی سده

دانش آموخته کارشناسی ارشد، گروه مهندسی عمران، دانشگاه پیام نور، مرکز تهران شمال، تهران، ایران/محقق در زمینه شبیه سازی و حمل و نقل هوشمند

فرین پورحسن

دانشجوی کارشناسی ارشد، گروه مهندسی عمران دانشگاه آزاد اسلامی، واحد زنجان، زنجان، ایران/عضو سازمان کنترل ترافیک تهران

چکیده

پیش بینی کوتاه مدت زمان سفر، از جمله مولفه های ضروری در سیستم های حمل و نقل هوشمند است. برای مدیران ترافیک، اطلاعات زمان سفر، یک شاخص مهم برای ارزیابی عملکرد شبکه و کیفیت سرویس تسهیلات ترافیکی می باشد. در پژوهش حاضر از روش ترکیبی شبکه عصبی با تحلیل اجزای اصلی، برای پیش بینی زمان سفر لحظه ای بزرگراه همت شهر تهران استفاده شده است. به طوریکه، ابتدا با استفاده از اطلاعات بدست آمده از داده های زمان سفر سیستم جمع آوری اطلاعات سازمان کنترل ترافیک تهران، پایگاه داده ای جهت آموزش مدل، پایه ریزی می شود. سپس تحلیل اجزای اصلی بر روی پایگاه داده ورودی صورت گرفته تا موثرترین داده های ورودی بر هدف تعیین گردد. در ادامه از روش شبکه عصبی از نوع انتشار برگشتی، برای پیش بینی زمان سفر لحظه ای در نمونه های مورد بررسی استفاده می گردد. سپس نتایج بدست آمده از این روش با پژوهش های صورت گرفته در این زمینه مورد بحث، بررسی و مقایسه قرار می گیرد. روش ترکیبی شبکه عصبی با تحلیل اجزای اصلی روشی با دقت بالا بوده و زمان سفر لحظه ای بزرگراهی مورد بررسی را با نوسان پایینی پیش بینی می کند.

کلیدواژه ها

داده های بلوتوث زمان سفر، شبکه عصبی، زمان سفر لحظه ای بزرگراهی، حمل و نقل هوشمند

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.