بررسی کارآیی الگوریتم های یادگیری نظارت شده در تخمین میزان تخلفات ناشی از سرعت غیر مجاز وسائط نقلیه در آزادراه تهران، قم - فرودگاه امام خمینی (ره)

امروزه آزادراه ها و بزرگراه ها از مهمترین راه های ارتباطی و حمل و نقل به شمار می آیند. سرعت به عنوان یکی از عوامل انسانی، نقش مهمی در تصادفات داشته به نحوی که تصادفات جاده ای یکی از اصلی ترین علل مرگ و میر و بروز جراحات در سراسر جهان به شمار می رود. در راه های با نقش آزادراهی و بزرگراهی به منظور کاهش میزان تصادفات و تلفات از طریق کنترل سرعت غیر مجاز، راهکارهای مختلفی نظیر استفاده از دوربین های هوشمند کنترل سرعت پیشنهاد گردیده است. در مطالعه حاضر بر خلاف روش های معمول مدل سازی، از الگوریتم های مختلف یادگیری نظارت شده نظیر شبکه های عصبی مصنوعی (ANN) که از قابلیت یادگیری زیستی الهام گرفته شده اند جهت تخمین میزان تخلفات ناشی از سرعت غیر مجاز وسائط نقلیه در آزادراه تهران، قم - فرودگاه امام خمینی (ره) استفاده شده است. لذا این مهم با شناسایی کارآیی این دسته از الگوریتم ها دنبال گردیده است که طی آن از سه شبکه عصبی MLP، RBF و ELM بهره گرفته شده است. ارزیابی معیارهای مورد بررسی در این مطالعه شامل MSE، RMSE و MAE در شناسایی کارآیی شبکه های عصبی مورد مطالعه نشان داد، شبکه عصبی RBF از دقت بیشتری جهت تخمین میزان تخلفات ناشی از سرعت غیر مجاز وسائط نقلیه در آن آزادراه برخوردار می باشد.

کلیدواژه ها:

آزادراه ، سرعت غیر مجاز ، یادگیری نظارت شده ، شبکه های عصبی مصنوعی