ارائه مدلی به منظور پیش بینی ترافیک در محیط آپاچی اسپارک
- سال انتشار: 1402
- محل انتشار: هشتمین همایش بین المللی دانش و فناوری مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: UTCONF08_036
- زبان مقاله: فارسی
- تعداد مشاهده: 42
نویسندگان
کارمند سازمان فاوا شهرداری یزد
استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یزد
چکیده
توسعه روشهای جدید و هوشمند برای پیش بینی ترافیک در سطوح شهر یکی از اهداف اصلی حوزه سیستم های حمل و نقل است. هدف این تحقیق ارائه مدلی به منظور پیش بینی ترافیک با استفاده از روشهای یادگیری ماشین است. الگوریتم ارائه شده با در نظر گرفتن پارامترهای موثر در پیش بینی ترافیک صورت گرفته است. داده های مورد استفاده در این تحقیق شامل داده های دوربین های کنترل سرعت در سطح شهر یزد است. با توجه به افزایش داده های سیستم حمل و نقل در سطح کلان، جهت پردازش داده ها با سرعت بیشتر، تحلیل مدل ارائه شده با استفاده از آپاچی اسپارک انجام می شود. در این تحقیق از مدل k-means و مدل رگرسیون برای پیش بینی جریان ترافیک استفاده گردید. مقایسه نتایج نشان میدهد دقت مدل ترکیبی k-means و رگرسیون بالا است.کلیدواژه ها
پیش بینی ترافیک، داده های حجیم، آپاچی اسپارک، مدل رگرسیونمقالات مرتبط جدید
- Improving Wireless Power Transmission Systems Using Z Source Inverters
- بررسی بازاریابی عصبی و ترجیحات مشتری: مطالعه موردی
- Investigation of the Mach number at ۳ different angles and ۴ different lengths at a constant angle of ۱۳ degrees in the diverging section of the convergent-divergent nozzle
- رویکردی برنقشه های شناختی فازی (FCM)، برای پیش بینی سری های زمانی
- شبیه سازی مقیاس حفره فرایند ذخیره گرما در مواد تغییر فاز دهنده در حضور فوم فلزی به روش شبکه بولتزمان
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.