پیش بینی ترافیک بین ایستگاه های سیستم دوچرخه اشتراکی با گام زمانی یکساعت با پیاده سازی پرسپترون چند لایه موازی

  • سال انتشار: 1402
  • محل انتشار: اولین کنفرانس بین المللی مهندسی برق، کامپیوتر، مکانیک و تکنولوژی های نوین مرتبط با هوش مصنوعی
  • کد COI اختصاصی: ENGTEC01_015
  • زبان مقاله: فارسی
  • تعداد مشاهده: 346
دانلود فایل این مقاله

نویسندگان

علی بهروزی

کارشناسی ارشد مهندسی برنامه ریزی حمل و نقل دانشگاه خواجه نصیرالدین طوسی

علی ادریسی

دانشیار دانشگاه خواجه نصیرالدین طوسی-دانشکده عمران

چکیده

از چالش های مهم در برنامه ریزی حمل و نقل و مسائل شهری پیش بینی ترافیک جهت بهبود مدیریت ونظارت در سیستم های حمل و نقل شهری می باشد. با گسترش تکنولوژی امکان ذخیره سازی داده هایعظیم و همچنین محاسبات پیچیده فراهم شدهاست. یکی از چالش های مهم که شرکت های ارائه دهنده یدوچرخه اشتراکی با آن روبرو می باشند، نظارت در ایستگاه های دوچرخه اشتراکی است که نیازمندپیش بینی دقیق ترافیک بین ایستگاه ها در بازه های کوتاه مدت و بلند مدت می باشد. در این پژوهش بااستفاده از روش یادگیری عمیق و پیاده سازی شبکه چندلایه پرسپترون به صورت موازی و همچنین درنظرگیری داده های دوچرخه اشتراکی، آب و هوا و میزان دسترسی هر ایستگاه به مراکز جمعیتی و تجاریبه پیش بینی میزان تقاضا در هر ایستگاه با گام زمانی یک ساعت می پردازیم. پس از پیاده سازی چارچوبمطرح شده میزان میانگین مربع خطا ۹.۰ و ریشه میانگین مربع خطا ۹.۰۰ بدست آمد.

کلیدواژه ها

یادگیری عمیق، شبکه پرسپترون چندلایه، سیستم دوچرخه اشتراکی، پیش بینی تقاضا

مقالات مرتبط جدید

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.