پیش بینی کوتاه مدت جریان ترافیک با استفاده از شبکه های عصبی و پیش بینی بلند مدت
- سال انتشار: 1391
- محل انتشار: دوازدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک
- کد COI اختصاصی: TTC12_122
- زبان مقاله: فارسی
- تعداد مشاهده: 1666
نویسندگان
کارشناس ارشد مهندسی برق – کنترل، دانشکده برق و کامپیوتر دانشگاه تهران
کارشناس ارشد مهندسی برق – کنترل، دانشکده برق و کامپیوتر دانشگاه تهر
دانشیار گروه مهندسی کنترل، دانشکده برق و کامپیوتر دانشگاه تهران
استاد گروه مهندسی کنترل، دانشکده برق و کامپیوتر دانشگاه تهران
چکیده
امروزه برای کنترل جریان ترافیکی و جلوگیری از بروز تراکم ترافیکی از روشهای کنترلی متفاوتی همانند چراغهای راهنمایی، تابلوهای متغییر خبری و زمان بندی ورودی بزرگراه ها استفاده میکنند. از آنجایی که قابلیت پیش بینی شرایط ترافیکی برای بهبود عملکرد کنترل کنندهها بسیار حائز اهمیت است، در این مقاله، هدف استخراج مدلی داده محور برای پیش بینی خودکار جریان ترافیک بوسیله اطلاعات گذشته آن میباشد. دادههای مورد استفاده در این تحقیق تعداد خودروهای عبوری از قسمتی از بزرگراه بین ایایتی 35E در ایالت مینسوتا است، در دوره چهار ماهه و بازههای زمانی 15 دقیقهای میباشد. که ما در نهایت میخواهیم با استفاده از دادههای گذشته و همچنین پیش بینی بلند مدت همان داده ها به پیش بینی کوتاه مدت دقیق تری از جریان ترافیک بپردازیم. رفتار ترافیکی به دلیل دخالت عوامل گوناگون انسانی و شرایط متغیر محیطی، غیرخطی و غیرایستا می- باشد، درنتیجه برای مدل کردن و پیش بینی آن نیز باید از خانواده مدلهای غیرخطی غیرایستا سود جست. در این مقاله سعی شده است که از مدل غیرخطی شبکه عصبی چندلایه برای تخمین جریان ترافیک استفاده شود.کلیدواژه ها
سیستمهای حمل و نقل هوشمند، پیش بینی کوتاه مدت جریان ترافیک، شبکه عصبیمقالات مرتبط جدید
- بررسی علل خرابی محل های وصله شده در رویه های آسفالتی به روش پرسشنامه لیکرت
- مروری بر تحقیقات انجام شده بر روی مخلوط های آسفالتی حاوی الیاف طبیعی
- ارزیابی افزودنی های مورد استفاده در بهبود مقاومت ترک خوردگی دمای پایین مخلوط آسفالتی
- ارزیابی قابلیت جذب صوت مخلوط های آسفالتی مختلف با استفاده از آزمایش لوله امپدانس
- مروری بر آلودگی صوتی روسازی: عوامل تولید و روشهای اندازه گیری نویز لاستیک-روسازی
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.