برآورد حجم ترافیک با استفاده از الگوریتمهای فراابتکاری (مطالعه موردی: راههای برون شهری استان زنجان)

پیش بینی و کنترل جریان ترافیک به صورت پویا و قابل اطمینان، پایه و اساس مدیریت و کنترل سیستم های حمل و نقل هوشمند است . هدف این مقاله استخراج مدلی دقیق جهت پیش بینی جریان ترافیک با استفاده از اطلاعات گذشته و صرفه جوئی در هزینه های برداشت جدید داده است . دادههای مورد استفاده، تعداد خودروهای عبوری قسمتی از راههای استانهای زنجان با بازههای زمانی ساعتی و دوره یک ساله می باشد. ابتدا ورودی های مورد نظر پیش پردازش شده و انتخاب می شوند، تا از این طریق بتوان بهترین ساختار ورودی را برای مدل پیش بینی بدست آورد. با توجه به ویژگی شبکه های عصبی در مدلسازی سیستم های غیرخطی و متغیر با زمان، جهت پیش بینی جریان ترافیک از شبکه عصبی پرسپترون چندلایه استفاده شده است . بهینه سازی شبکه عصبی با استفاده از الگوریتم ژنتیک انجام می گیرد. اعتبارسنجی مدل نیز با پیادهسازی روش پیشنهادی روی بخشی از جادههای استان کردستان صورت پذیرفت و نتایج آن تایید شد. در پایان روش پیشنهادی با روشهای معمول مقایسه شد، که نتایج به دست آمده برتری مدل پیشنهادی را نشان می دهد.

کلیدواژه ها:

پیش بینی ، جریان ترافیک ، شبکه عصبی پرسپترون چندلایه ، الگوریتم ژنتیک