پیش بینی ترافیک با استفاده از سیستم های حمل و نقل هوشمند (استفاده از الگوریتم های داده کاوی)
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,916
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCRRAF03_046
تاریخ نمایه سازی: 29 تیر 1393
چکیده مقاله:
هدف این مقاله که بر اساس یک طرح پژوهشی اجرا شده بر روی داده های ترافیکی شهر تهران استخراج شده است، استفاده از سیستم های حمل و نقل هوشمند برای پیش بینی ترافیک بر اساس الگوریتم های داده کاوی است. غالباً اطلاعات مفیدی برای مدیریت بهتر ترافیک در حجم زیادی از داده های ترافیکی جمع آوری شده در سیستم های حمل و نقل هوشمند وجود دارد. به طور کلی از دادههای جمع آوری شده برای تشکیل شبکه عصبی مصنوعی (ANN) استفاده شده است تا بتواند موقعیت های ترافیکی را با استفاده از اطلاعات پیش بینی ترافیک تشخیص دهد. برای جلوگیری ازعملکرد نادرست الگوریتم شبکه های مصنوعی از الگوریتم های داده کاوی در این مقاله استفاده شده است. در ا بتدا برای دسته بندی اطلاعات ترافیکی از داده های کلی جمع آوری شده استفاده گردید و عناوینی برای این دسته ها در نظر گرفته شد. سپس این عناوین اطلاعاتی برای توسعه GA_choas و بهینه سازی شبکه عصبی RBA استفاده شد. الگوریتم GA-choas برای تعریف پارامترهای RBF استفاده شده است. تست های آزمایشی از اطلاعات عملی بدست آمده از مجموعه اطلاعات سیستم حمل و نقل هوشمند (ITS)، که برای معتبر ساختن عملکرد مدل ANN مطرح شده، استفاده می کنند. نتایج آنالیز نشان می دهد که روش مطرح شده می تواند نمونه های بالقوه پنهان شده در داده های ترافیکی را استخراج کند و همینطور می تواند پیش بینی دقیقی از وضعیت ترافیک درآینده داشته باشد. دقت عمل این پیش بینی حدود 95 درصد می باشد. بنابراین الگوریتم های داده کاوی می تواند یک جنبه کاربردی برای پیش بینی اطلاعات ترافیکی در سیستم ITS بوجود می آورد.
کلیدواژه ها:
نویسندگان
امیرحسین شکوهی
مربی، گروه کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران
مرضیه فضلی
دانشجوی کارشناسی مهندسی فناوری اطلاعات، دانشگاه جامع علمی کاربردی جهاد دانشگاهی زنجان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :