پیش بینی وضعیت ترافیک راه های برون شهری، رویکرد آماری در مقابل رویکرد یادگیری ماشین
- سال انتشار: 1398
- محل انتشار: هجدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک
- کد COI اختصاصی: TTC18_223
- زبان مقاله: فارسی
- تعداد مشاهده: 624
نویسندگان
دانشجوی کارشناسی ارشد برنامه ریزی حمل و نقل، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران
دانشجوی دکتری برنامه ریزی حمل و نقل، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران،
استادیار برنامه ریزی حمل و نقل، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس، تهران، ایران
چکیده
پیش بینی کوتاه مدت پارامترهای ترافیکی راهکاری برای ایجاد تعادل بین عرضه و تقاضا به شمار می رود. با پیش بینی پارامتر وضعیت ترافیک (شامل چهار وضعیت سبک، نیمه سنگین، سنگین و راهبندان) برایآینده ی نزدیک، هم گرداننده سیستم آمادگی لازم برای مواجهه با بروز تراکم ترافیک را دارد و هم استفاده کننده می تواند سفر خود را برای ساعات و روزهای آتی برنامه ریزی کند. در این پژوهش به منظور پیش بینی کوتاه مدت این پارامتر از روش های شبکه عصبی مصنوعی و لوجیت چندگانه استفاده شده است. مجموعه داده ی مورد استفاده، مربوط به مقطعی از محور برون شهری کرج-چالوس است. از آنجا که ویژگی های برداشت شده از تنوع و تعداد زیادی برخوردار است و مدل سازی لوجیت چندگانه با تعداد متغیرهای زیاد با چالش مواجه است از تحلیل مولفه اساسی به منظور کاهش ابعاد داده استفاده شده است. نتایج نشان می دهد، میانگین دقت پیش بینی وضعیت ترافیک با ۹۲ متغیر اولیه و ۳۰ متغیر (از ۲۸۰ متغیر دامی شده) به دست آمده از تحلیل مولفه های اساسی برای مدل شبکه عصبی مصنوعی به ترتیب برابر با ۶۸/۸۶ و ۶۳/۶۲ است و برای مدل لوجیت چندگانه با استفاده از ۳۰ متغیر به دست آمده از تحلیل مولفه های اساسی برابر با ۷۳/۸۳ است.کلیدواژه ها
پیش بینی کوتاه مدت، شبکه عصبی مصنوعی، لوجیت چندگانه، وضعیت ترافیک، تحلیل مولفه های اساسیمقالات مرتبط جدید
- نقش کریدور میانیدر احیای اتصال برای تجارت اتحادیه اروپا و آسیای مرکزی
- نقش آموزش پرسنل در رقابت پذیری کریدورهای ترانزیتی در پرتو کنوانسیون STCW
- اقنای ترانزیت کالای هند اتحادیه اقتصادی اوراسیا با محوریت چابهار سرخس
- موفقیت کریدورها: پل زدن جوامع، اقتصادها و پایداری محیطی
- معرفی کریدورهای منطقه ای و بین المللی
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.