ارائه مدلی برای تخمین جریان های ترافیکی به کمک الگوریتم های هوشمند

مسائل و مشکلات ناشی از تراکم جریانهای ترافیکی علاوه بر اینکه به جامعه زیان اقتصادی می رسانند، بلکه بهدلیل آسیب رسانی به طبیعت، در دراز مدت به محیط زیست نیز صدمات جبران ناپذیری وارد مینمایند. چیزی که ضروری مینماید اتخاذ سریع و موثر سیاستهایی است که این مسائل و مشکلات را حل نماید. شبیه سازی جریانهای ترافیکی بطور روزافزونی بوسیله ی برنامه ریزان و مهندسان جهت ارزیابی تاثیر پیشنهادات برای عملیات های ترافیکی عصر حاضر و آینده مورد استفاده قرار می گیرد. این تحلیل شامل کاربرد مدل های جریان های ترافیکی است. در تحقیق حاضر یک مدل شبکه ی عصبی با مدل کرمر برای تخمین جریانهای ترافیکی تلفیق شده است. در مدل کرمر، که یک مدل جریان ترافیکی ماکروسکوپی ترکیب شده با فیل تر کالمن ا ست، معادلات مشاهداتی که متغیرهای حالت را به متغیر های مشاهداتی ربط می دهد بوسیله یک مدل عصبی توصیف شده است. به وسیله ی مدل های عصبی، مشخصه های غیر خطی جریان های ترافیکی مطرح شده و ماتریس های مشتق در فیلتر به راحتی بدست می آیند

کلیدواژه ها:

جریانهای ترافیکی ، مدل شبکه عصبی ، مدل کرمر ، فیلترکالمن