تحلیل و ارزیابی سیستم هوشمند رمپ میترینگ بر کنترل جریان ترافیک شهری (مطالعه موردی تهران-بزرگراه حکیم)

بهره گیری از پیش بینی های کوتاه مدت ترافیک و استفاده از آن در مدیریت ترافیک ، مسدودی-های محتمل را کاهش خواهد داد و با پایین آوردن زمان سفرها و مسافت طی شده توسط خودروها، باعث کاهش آلودگی صوتی ، آلودگی هوا و همچنین هزینه های مصرفی سوخت خواهد شد. با دانستن تردد در ساعات مختلف و پیش بینی آن می توان مدیریت و برنامه ریزی بهتری برای جاده های کشور داشت، خصوصیات جریان ترافیک در یک راه از مهمترین عوامل تصمیم گیری و سیاست گذاری ترافیک در یک منطقه است. در این مطالعه با استفاده از پروتکل های ارزیابی ترافیک به وسیله شبکه عصبی به ساخت مدلی پیش بینی ارزیابی ترافیک پرداخته شد. همچنین به ارزیابی فنی و منافع اقتصادی آن پرداخته می شود.در این رابطه با استفاده شمارش تردد در بزرگراه های شهری و با استفاده مدل شبکه عصبی به پیش بینی ترافیک پرداخته شده است ، در شبکه عصبی استفاده شد ۴ متغیر ورودی ، چگالی کم یا زیاد،حجم تعداد خودرو،نوع وسیله نقلیه،سرعت جریان،تعداد ۱۰نورون در لایه پنهان مورد استفاده قرار گرفت، و در نهایت مدل عددی به صورت یک ماتریس عددی نمایش داده شد. برای پیش بینی تراکم جریان با دقت مناسب که در اینجا با ۹۳/۰ r= صورت گرفت. همچین برای مقایسه مدل رگرسیون خطی ساخته شدف که دقت مدل رگرسیون کمتر از مدل شبکه عصبی بوده و برابر ۸۸/۰ r=در سطح معناداری کمتر از ۰۵/۰ بدست آمده است.

کلیدواژه ها:

رمپ میترینگ ، شبکه عصبی ، رگرسیون