پیش بینی کوتاه مدت وضعیت ترافیک بر اساس روش های یادگیری ماشین مبتنی بر شبکه های عصبی مصنوعی

امروزه با گسترش شهرنشینی و افزایش وسایل حمل و نقل، از جمله مسایل مهم و ضروری سازمان های حمل و نقل و کنترل ترافیک شهرداری، کنترل بهینه ترافیک در داخل و خارج از شهرها میباشد. بر این اساس یکی از سیاست های کلان مسیولین شهرداری در سازمان حمل و نقل نیز کنترل بهینه ترافیک و تنظیم چراغ های راهنمایی بر اساس پیشبینی وضعیت ترافیک در معابر سطح شهر است. به منظور استخراج الگو، شناسایی و پیشبینی کوتاه مدت وضعیت ترافیک از روش های مبتنی بر شبکه های عصبی مصنوعی الهام گرفته شده از مغز انسان استفاده می شود. در این تحقیق از یکمدل بهبود یافته مبتنی بر شبکه های عصبی به منظور پیش بینی وضعیت ترافیک استفاده می شود. به منظور توسعه و بهبود این شبکه ها از مفاهیم نورون های انعطاف پذیر استفاده می شود. این نورون ها، هوشمندی بیشتری نسبت به نورون های استاتیک دارند و دارای پارامترهای قابل تنظیم با قابلیت یادگیری هستند. این قابلیت منجر به تولید ساختار و معماری پویا در رفتار و عملکرد شبکه عصبی میشود

کلیدواژه ها:

وضعیت ترافیک ، سیستم شناسایی و پیشبینی کوتاه مدت ، نورون های انعطاف پذیر ، ساختار پویای شبکه عصبی