مدل پیش بینی سری زمانی حجم وسائل نقلیه با استفاده از روش Neural Network Auto Regression

پیش بینی وضعیت ترافیک یکی از مهمترین عوامل در مدیریت ترافیک است. به دلیل ازدحام ترافیک شهری و اهمیت این موضوع در سیاستگذاری های آتی برای حفظ ایمنی و جلوگیری از بحران، پیش بینی ترافیک به امری مهم و کاربردی تبدیل شده است. هدف از پژوهش حاضر، بررسی انواع روش های ممکن برای پیش بینی حجم ترافیک است. بنابراین در مورد داده های موجود که مربوط به داده های حجم و سایل نقلیه در بازه های یک دقیقه ای که از سنسورهای مدنظر برداشت شده است و روشی برای پیش بینی حجم ترافیک به همراه روش های مدل سازی احتمالی بحث شده است. سپس در بخش آخر مدل سازی انجام شده است و نتایج آنها نمایش داده شده است، به این صورت که بهترین روش برای پیش بینی وضعیت ترافیک کوتاه مدت و بلند مدت ، همراه با محدودیت این مطالعه ارائه شده است.در این پژوهش با استفاده از مدل شبکه عصبی اتورگرسیو (NNAR) و داده های سری زمانی به پیش بینی حجم وسایل نقلیه پرداخته شد که نهایتا به بازدهی مناسبی منجر شد و مدل برازش شده کارا و با دقت مناسب ارزیابی شد.

کلیدواژه ها:

پیش بینی حجم وسائل نقلیه ، شبکه عصبی ، سری زمانی ، NNAR