ارزیابی مقایسه ای و بررسی میزان کارایی شبکه عصبی و مدل های آماری در پیش بینی حجم ترافیک روزانه محورهای برون شهری استان مازندران

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 856

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEUCONF02_149

تاریخ نمایه سازی: 1 مهر 1394

چکیده مقاله:

آگاهی از میزان حجم ترافیک همواره یکی از دغدغههای برنامه ریزان حوزه حمل و نقل بوده است.. برای اطلاع از عملکرد سیستم حمل و نقلی در آینده، دانستن حجم موجود در سیستم در سال های آتی مورد نیاز است. مطالعات ترافیکی نتیجه مشاهدات و برداشت ها از شرایط موجود می باشد. با توجه به اینکه مشاهدات فعلی نمی تواند بیانگر وضعیت آینده باشد؛ بدین منظور برای اطلاع از وضعیت حجم ترافیک در آینده باید با استفاده از شرایط معین آن را پیش بینی کرد و یا حدس زد یکی از عناصر حجم ترافیک که در آیین نامه ها از آن یاد شده است، حجم متوسط ترافیک روزانه در سالAADT می باشد. این حجم بوسیله دستگاههای ثابت و سیار بطور روزانه شمارش می شود. در ایران معاونت راهداری وزارت راه و شهر سازی ( سازمان حمل و نقل و پایانه ها) شمارش روزانه حجم عبوری از راههای مختلف را انجام می دهد.. .در این مقاله ازداده های آماری محور های انتخابی استان مازندران برای انجام مدلسازی پیش بینی حجم ترافیک استفاده شد. با استفاده از داده ها، مدلهای رگرسیون خطی و لگاریتمی و همچنین مدل شبکه عصبی برازش داده شد

کلیدواژه ها:

نویسندگان

شهریار افندی زاده زرگری

دانشیار دانشکده مهندسی عمران دانشگاه علم و صنعت ایران

سپیده غلامپور شهاب الدینی

دانشجوی کارشناسی ارشد مهندسی برنامه ریزی حمل و نقل دانشگاه آزاد اسلامی واحد علوم و تحقیقات

سید محمد سید حسینی

استاد دانشکده صنایع دانشگاه علم و صنعت ایران

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 :
  • Neveu, _ (1983), "Quick response procedures to forecast rural traffic, ...
  • Mohamad, D., Sinha, K.C., Kuczec, T. and Scholer, C.F., (1998), ...
  • Zhao, F. and Chung, S., (2001), "Contributing factors of annual ...
  • Seaver, W.L., Chatterjee, A. and Seaver, M.L., (2000), "Estimation of ...
  • Sharma, S.C., Lingras, P., Xu, F. and Liu, G.X., (1999), ...
  • Jiang, Z., McCord, M. and Goel, P., (2006), "Improved AADT ...
  • Al-Masaeid, H.R., Al-Suleiman, T.I. and Obaidat, M.T., (1998), 0Traffic volume ...
  • Castro-Neto, M., Jeong, Y., Jeong, M.K. and Han, L.D., (2008), ...
  • Witten, I. and Frank, E..(2010), 'Data Mining: Practical Machine Learning ...
  • C.F. Gaus. Theoria combinationis observationum erroribus minimis obnoxiae. (1821/1823) ...
  • Galton F.و Presidential address, Section H, Anthropology. (1885) (Galton uses ...
  • Yule, G. Udny (1897). "On the Theory of Correlation" J. ...
  • Pearson, Karl; Yule, G.U.: Blanchard, Norman; Lee, Alice (1903). "The ...
  • نمایش کامل مراجع