بررسی تکنیک های یادگیری عمیق در حمل و نقل هوشمند

  • سال انتشار: 1403
  • محل انتشار: اولین کنفرانس بین المللی فناوری اطلاعات، مدیریت و کامپیوتر
  • کد COI اختصاصی: CONFIT01_0967
  • زبان مقاله: فارسی
  • تعداد مشاهده: 109
دانلود فایل این مقاله

نویسندگان

مهران پاکروان

دانشجوی دکتری، گروه مهندسی کامپیوتر و فن آوری اطلاعات، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران

سوده شادروان

عضو هیات علمی، واحد بردسیر، دانشگاه آزاد اسلامی، بردسیر، ایران

چکیده

امروزه مقادیر قابل توجهی از دادههای حمل و نقل از منابع متعدد از جمله سنسورهای جادهای ، GPS، دوربین مدار بسته و گزارشات حادثه بدست می آید. همانند بسیاری از صنایع دیگر، حمل و نقل نیز وارد نسل داده های کلان شده است . با وجود حجم غنی از داده ها ی ترافیک ، ساخت مدل های پیش بینی قابل اعتماد مبتنی بر روش های یادگیری نیمه اتوماتیک سنتی چالش برانگ یز است . یادگیری عمیق یک رو یکرد جد ید در یادگیری ماشین های مدرن است که در تحقیقات آکادمیک و کاربردهای صنعتی مورد توجه قرار گرفته است . این مقاله بر روی بررسی های اخیر درباره یادگیری عمیق در رابطه با مدیریت ازدحام ترافیک ، پیش بینی سرعت تردد، تشخیص موانع ، تشخیص تصادف، پیش بینی اشغال پارکینگ و ... بحث می کند. نتایج نشان داده است که یادگیری عمیق توانسته است در پیشبرد اهداف مراقبت های بهداشتی هوشمند نقش مهم ی را ایفا کند و در بسیاری از رویکردها در افزایش دقت و کاهش خطا نتایج چشمگیری را ارائه نماید.

کلیدواژه ها

اینترنت اشیا، حمل و نقل هوشمند، شبکه عصبی ، شبکه عصبی عمیق ، یادگیری عمیق .

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.