پیاده سازی اتوماسیون پیش بینی وضعیت ترافیک جاده ای با استفاده از تکنیک های داده کاوی

سال انتشار: 1395
محل انتشار: دومین کنفرانس ملی رویکردهای نوین در مهندسی کامپیوتر و برق
کد COI اختصاصی: BPJ02_232
زبان مقاله: فارسی
تعداد مشاهده: 934

نویسندگان

دانشجوی کارشناسی ارشد، گروه مکاترونیک، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران،

استادیار، گروه کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران،

چکیده

توسعه ی سیستم های ثبت اطلاعات ترافیک و افزایش روزافزون اطلاعات سیستم های مذکور، ما را در جهت پیش بینی الگوهای مناسب ترافیکی هدایت می کند. پیشبینی وضعیت ترافیک جاده می تواند در سیستم های اطلاعاتی هوشمند، اتوماسیون عوارضی ها، تابلوهای هوشمند، تغییر جایگاه ها و نیروهای پلیس استفاده شود. یکی از روش های پیش بینی وضعیت ترافیک استفاده از تکنیک های داده کاوی می باشد. داده کاوی امکان تجزیه تحلیل حجم عظیمی از داده های ترافیک را فراهم می کند که الگوهای مناسبی از آن استخراج می شود. این الگوها کمک شایانی به حل مشکلات ترافیک خواهد کرد. پارامترهای مورد بررسی در این مقاله از سازمان راهداری و حمل و نقل جاده ای در سال های 1390 و 1391 برای آزاد راه قم - تهران و تهران - قم دریافت شده است البته ممکن است پارامترهای دیگری نیز بر وضعیت ترافیک تأثیرگذار باشند. در این پژوهش از ابزار داده کاوی جهت بررسی تکنیک های داده کاوی از جمله: درخت تصمیم، مبتنی بر قواعد، بیز ساده، جنگل تصادفی و روش های ترکیبی از جمله روش Bayesian boosting، Bagging و Adaboost استفاده شده است. نتایج بیانگر برتری روش ترکیبی Bagging و روش درخت تصمیم به ترتیب با درصد صحت برابر 84/05 و 83/37 می باشد.

کلیدواژه ها

اتوماسیون، داده کاوی، درخت تصمیم، وضعیت ترافیک

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.