ارایه یک مدل بهبود یافته براساس روش یادگیری ماشین مبتنی بر شبکه عصبی مصنوعی در وضعیت ترافیک
- سال انتشار: 1397
- محل انتشار: دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
- کد COI اختصاصی: CEITCONF02_034
- زبان مقاله: فارسی
- تعداد مشاهده: 620
نویسندگان
فارغ التحصیل کارشناسی ارشد رشته نرم افزار گروه فناوری اطلاعات دانشگاه آزاد اسلامی، واحد صفاشهر،ایران
چکیده
امروزه با گسترش شهرنشینی و افزایش وسایل حمل و نقل، از جمله مسایل مهم و ضروری سازمان هایحمل و نقل و کنترل ترافیک شهرداری، کنترل بهینه ترافیک در داخل و خارج از شهرها می باشد. بر ایناساس یکی از سیاست های کلان مسیولین شهرداری در سازمان حمل و نقل نیز کنترل بهینه ترافیک وتنظیم چراغ های راهنمایی بر اساس پیش بینی وضعیت ترافیک در معابر سطح شهر است.پارامترهای بسیاری در تنظیم زمان چراغ های راهنمایی تاثیرگذار می باشند. در پژوهش ها و تحقیقات مختلفنمونه های متفاوتی از آن مورد بررسی قرار گرفته می شود. در نهایت بر اساس نوع پارامتر ترافیکی موردبررسی، زمان چراغهای راهنمایی به منظور کنترل بهینه ترافیک تنظیم می گردد. در این پژوهش از اطلاعاتترافیکی مربوط به مسابقه ICDM 2010 که مربوط به تعداد اتومبیل های عبوری از 20 معبر مختلف است استفاده میشود. اطلاعات بدست آمده در قالب سری زمانی نشان داده میشوند و سپس اطلاعات آینده در زمان t بر اساس اطلاعات گذشته در زمان های t-1 و t-2 پیش بینی و شناسایی می گردد. مراکز حمل و نقل بر اساس پیش بینی تعداد اتومبیل های معابر، زمان چراغ های راهنمایی را تنظیم می کنند. به منظور استخراج الگو، شناسایی و پیش بینی کوتاه مدت وضعیت ترافیک از روش های مبتنی بر شبکه هایعصبی مصنوعی الهام گرفته شده از مغز انسان استفاده می شود. در این تحقیق از یک مدل بهبود یافتهمبتنی بر شبکه های عصبی به منظور پیش بینی وضعیت ترافیک استفاده می شود. به منظور توسعه و بهبوداین شبکه ها از مفاهیم نورون های انعطاف پذیر استفاده می شود. این نورون ها، هوشمندی بیشتری نسبت بهنورون های استاتیک دارند و دارای پارامترهای قابل تنظیم با قابلیت یادگیری هستند. این قابلیت منجر بهتولید ساختار و معماری پویا در رفتار و عملکرد شبکه عصبی می شود.کلیدواژه ها
وضعیت ترافیک، سیستم شناسایی ، نورون های انعطاف پذیر، ساختار پویای شبکه عصبیمقالات مرتبط جدید
- مرور سیستماتیک کاربرد هوش مصنوعی در موسیقی
- In-silico Analyses for Finding Potential Key Genes and Pathways Associated with Guillain-Barré Syndrome Using Computational Tools
- OCD Severity Based on EEG Signals
- Investigating the (non) -Impact of Customizing Knowledge Bases of Artificial Intelligence -Driven Robot on Language for Specific Purposes Learning
- The Need for Telehealth and Tele-Educationon in Optimizing Measles Surveillance and Reducing Healthcare Costs
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.