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

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