کاربرد شبکه های عصبی فازی برای پیشبینی سرعت در شبکه های بزرگراهی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,298

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TTC11_100

تاریخ نمایه سازی: 20 مرداد 1391

چکیده مقاله:

هدایت مسیر گروهی یکی از خدمات مهم سیستم پیشرفته اطلاع رسانی رانندگان ATIS) است که هدف آن اطلاع رسانی وضعیت ترافیکی شبکه بزرگراهی به گروهی از رانندگان با استفاده از امکاناتی مانندتابلوهای متغیر خبری VMS) سایت های وب و رسانههای ملی میباشد. اطلاعات زمان سفر پویا یکی از مولفههای اصلی سیستم هدایت مسیر پویا است که قابلیت ایجاد هدایت مسیر پویا برای رانندگان، افزایش قابلیت اطمینان شبکه بزرگراهی و کاهش ترافیک دارد. در این مقاله راهکارهای پیش بینی زمان سفر بررسی شده است و نتایج حاصل از سه روش شبکه های عصبی فازی و شبکه های عصبی پرسپترون برایتخمین سریهای زمانی مقایسه شده است. با مقایسه نتایج دو روش فوق بر روی اطلاعات رمپ چمران غربی به نیایشجنوبی شبکه بزرگراهی تهران به نظر میرسد که روششبکه های عصبی فازی نتایج دقیق-تری نسبت به و شبکه عصبی پرسپترون بدست میدهد.

کلیدواژه ها:

سامانه پیشرفته اطلاع رسانی راننده ، شبکه ترافیک ، پیشبینی ، شبکه های عصبی فازی

نویسندگان

شیوا رحیمی پور

دانشجوی کارشناسی ارشد، دانشگاه صنعتی امیرکبیر، دانشکده ی ریاضی و علو

ملیحه نیک سیرت

دانشجوی دکتری، دانشگاه صنعتی امیرکبیر، دانشکدهی ریاضی و علوم کامپیوت

سید مهدی تشکری هاشمی

استاد گروه علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، دانشکده ی ریاضی و ع

مهدی قطعی

استادیار گروه علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، دانشکدهی ریاضی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Transportation Research Part C, 2005, Optimized and meta -optimized neural ...
  • Applied Mathematicat Modelling, 2011, Forecasting urban traffic flow by SVR ...
  • Clark, S. D., Dougherty, M. S. and Kirby, H. R., ...
  • Vythoulkas, P. C., 1993, Alternative approaches to short-term traffic forecasting ...
  • Transportation Research Record, 1994, Comparative evaluation of adaptive and neu ...
  • Transportation Research Part C, 1995, Predicting intersection queue with neural ...
  • Transportation Research Board, 1994, Short-term traffic flow prediction: neural network ...
  • Journal of Transportation Engineering, 2000, Recursive prediction of traffic conditions ...
  • Transportation Research Par C, 2001, Use of sequential learning for ...
  • Transportation Research Record, 1998, Forecasting multip le-period freeway link travel ...
  • Mathematicat Computer Modelling, 1998, A performance evaluation of neural network ...
  • Short-term Freeway Traffic Flow Prediction Using Genetica lly-optimized Time- delay-based ...
  • Time delay neural networks designed using genetic algorithms for short-term ...
  • Neural Computation and Application, 1999, Prediction of road traffic using ...
  • Ulbricht, C. 1994, Mu lti-recurrent networks for traffic forecasting, Proceedings ...
  • European Journal of Operational Research, 2001, An object-o riented neural ...
  • Van Lint, J. W. C., Hoogendoorn, S. P. and Van ...
  • IVHS Jourual, 1995, Neural network models for traffic control and ...
  • Journal of Transportation Engineering, 1999, Spectral basis neural networks for ...
  • Ishak, S. and Alecsandru, C., 2003, Optimizing traffic prediction performance ...
  • Xiao, J.M, Wang, X.H., 2004, Study on traffic flow prediction ...
  • Bugeda, G., Desideri, J. A., Periaux, J., Schoenauer, M., and ...
  • Journal of Transportation Engineering, 2005, Dynamic Wavelet Neural Network Model. ...
  • Shen, X. and Chen, J., 2009, Study on Prediction of ...
  • Mathematicad and Computational Applications, 2010, A Neural Network Based Traffic-Flow ...
  • HU, W., LIU, Y., LI, L. and XIN, S., 2010, ...
  • Transportation Research Record, 2002, Hybrid neuro-fuzzy application in short- term ...
  • IEEE transactions on intelligent transportation systems, 2006, POP- TRAFFIC: A ...
  • Transportation Research Part C, 2002, Urban traffic flow prediction using ...
  • نمایش کامل مراجع