استفاده از نظریه اطلاعات متقابل و سیستمهای هوشمند در پیش بینی کوتاه مدت جریان ترافیک
محل انتشار: سومین کنفرانس بین المللی حوادث رانندگی و جاده ای
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,144
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TAC03_052
تاریخ نمایه سازی: 28 آبان 1391
چکیده مقاله:
امروزه یکی از مسایل موجود در سیستمهای حمل و نقل هوشمند، پیش بینی جریان ترافیک می باشد که نقش مهمی را در مباحث کنترل ترافیک، کنترل چراغ های راهنمایی، کنترل زمان سفر و... دارد. در این مقاله با توجه به قدرت سیستم های هوشمند در زمینه مدل سازی و پیش بینی، از شبکه عصبیMLP برای پیش بینی جریان ترافیک استفاده شده و عملکرد آن مورد مقایسه با روش های معمولی قرار گرفته است. با توجه به متفاوت بودن الگوهای رفتاری جریان ترافیک، استفاده از این روش هوشمند ب هعنوان مدل غیرخطی تطبیق پذیر با شرایط محیطی بسیار مناسب می باشد. دیدگاه استفاده از اطلاعات متقابلMutual Information) یک ایده جالب برای به دست آوردن میزان وابستگی موجود بین داده های گذشته می باشد که می تواند میزان وابستگی غیرخطی موجود بین داده ها را به دست آورد. با محاسبه این تقابل اطلاعات بین داده های گذشته و انتخاب بهترین داده برای عملیات پیش بینی سعی کرده ایم که در عین کاهش حجم محاسباتی، دقت پیش بینی را نیز افزایش دهیم. برای ارزیابی عملکرد پیش بینی های طراحی شده از داد ههای ترافیکی مربوط به کشور آمریکا به عنوان داده های ترافیکی نسبتا منظم و همچنین داده های ترافیکی مربوط به کشور ایران به عنوان داده های ترافیکی همراه با عدم قطعیت زیاد، استفاده شده است.
کلیدواژه ها:
نویسندگان
سیدهادی حسینی
گروه مهندسی برق، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
بهزاد مشیری
گروه مهندسی کنترل، دانشکده برق و کامپیوتر دانشگاه تهران
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 :