مرور راهکارهای پیش بینی حجم ترافیک شهری با استفاده از الگوریتم های مبتنی بر شبکه های عصبی و فازی

بهبود کارایی روشهای پیش بینی حجم ترافیک و کنترل آن، صرفاً با استفاده از الگوهای سنتیمدلسازی و کنترل، کاری بسیار دشوار است. دلیل این امر، ماهیت پویا و متغیر سیستم و عدم قطعیتیاست که در آن وجود دارد. از این رو، استفاده از هوش مصنوعی و روشهای مبتنی بر عدم قطعیتدر این دسته از تحقیقات در کانون توجه قرار گرفته است. در این مقاله، با مرور روش های رایج برایپیش بینی و کنترل حجم ترافیک، کاربردهای شاخه هایی از هوش مصنوعی از قبیل منطق فازی وشبکه های عصبی در پیش بینی و کنترل حجم ترافیک بررسی شده و پس از آن کارایی و کمبودهایهر روش مورد ارزیابی قرار گرفته است.