ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی کوتاه مدت جریان ترافیک با استفاده ازروش های هوشمند مطالعه موردی: پیش بینی جریان ترافیک محور سرخه-آرادان استان سمنان

تعداد صفحات: 11 | تعداد نمایش خلاصه: 111 | نظرات: 0
سال انتشار: 1395
کد COI مقاله: RMTO02_094
زبان مقاله: فارسی
(فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
فرمت فایل مورد نظر را انتخاب فرمایید:


مشخصات نویسندگان مقاله پیش بینی کوتاه مدت جریان ترافیک با استفاده ازروش های هوشمند مطالعه موردی: پیش بینی جریان ترافیک محور سرخه-آرادان استان سمنان

مجید محمدی - دانشجوی دکترا، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران
عباس دیدبان - دانشیار، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران
مهناز اثباتی - دانشجوی کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران

چکیده مقاله:

پیش بینی جریان ترافیک یک عنصر اساسی سیستم های حمل و نقل هوشمند می باشد و نقش مهمی در زمینه مدیریت یکپارچه برای دستیابی به توسعه پایدار، ایجاد شبکه حمل و نقل بهینه و کاهش ازدحام شبکه ترافیکی دارد. روش های مختلف برای پیش بینی جریان ترافیک ارایه شده که در میان آن ها روش های هوشمند به عنوان موثرترین، سریع ترین و ارزان ترین راهکارها ارایه گردیده اند. در این مقاله، کارآیی مدل شبکه های عصبی مصنوعی (ANN) و شبکه تطبیقی فازی عصبی (ANFIS) برای پیش بینی جریان ترافیک مورد بررسی قرار گرفته است. برای آموزش شبکه تطبیقی فازی عصبی از الگوریتم ازدحام ذرات (PSO) استفاده شده است. علاوه بر این، از روش تحلیل مولفه های اساسی (PCA) برای کاهش بعد ویژگی های مورد استفاده به منظور کاهش زمان و هزینه محاسباتی استفاده می شود. مدل های پیشنهادی براساس داده های جریان ترافیک سال 1390 محور سرخه آرادان استان سمنان آموزش، تست و ارزیابی شده اند. برای ارزیابی عملکرد، یک مقایسه بین روش های پیشنهادی انجام شده است. نتایج بدست آمده نشان می دهند که روش های پیشنهادی با خطای قابل قبولی عملکرد خوبی را در پیش بینی جریان ترافیک دارند و با استفاده از کاهش بعد ویژگی ها مصالحه ای بین خطا، زمان و هزینه محاسباتی ایجاد می گردد

کلیدواژه ها:

پيش بيني جريان ترافيك، روش هاي هوشمند، سيستم هاي حمل و نقل هوشمند

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/633518/

کد COI مقاله: RMTO02_094

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محمدی، مجید و دیدبان، عباس و اثباتی، مهناز،1395،پیش بینی کوتاه مدت جریان ترافیک با استفاده ازروش های هوشمند مطالعه موردی: پیش بینی جریان ترافیک محور سرخه-آرادان استان سمنان،دومین همایش سیستم های حمل و نقل هوشمند جاده ای،تهران،،،https://civilica.com/doc/633518

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، محمدی، مجید؛ عباس دیدبان و مهناز اثباتی)
برای بار دوم به بعد: (1395، محمدی؛ دیدبان و اثباتی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 7,590
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی