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

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

کلیدواژه ها:

شبکه عصبی ، منطق فازی ، پیش بینی ترافیک ، هوش مصنوعی ، حمل و نقل هوشمند