علیرضا خدایاری - دانشجوی دکتری مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
علی غفاری - استاد دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
رضا کاظمی - دانشیار دانشکده مهندسی مکانیک
محسن علیرضایی - دانشیار دانشکده مهندسی مکانیک

در سال های اخیر روش های محاسبات نرم به دلیل برخورد توانمند با عدم قطعیتها و طبیعت غیرخطی جریان ترافیک، کاربردهای فراوانی در مدل سازی و پیش بینی این فرآیند پیدا نمودهان د. فرآیند تعقی ب خودرو، به عنوان رفتار غالب در بزرگرا ههای شهری، حرکت طولی یک راننده و خودرو را در زمانی که خودرو جلویی را دنبال م ی نمایدرا توصیف می کند. در این مقاله برای شبیه سازی و پیش بینی فرآیند تعقیب خودرو، از شبکه های عصبی مصنوعی ANN) به دلیل قابلیت برازش فضای ورودی به فضای خروجی به صورت نگاشت غیرخطی، استفاده شده است . مدل سیستم راننده و خودرو بر مبنای ایده محاسبه تأخیر لحظه ای راننده و خودرو به عنوان ورودی، و همچنین انتخاب مناسب ورودی ها و خروجی های متناظر با توجه به اندازه تأخیر زمانی، ارائه شده است. این مدل با چهار ورودی و یکخروجی و استفاده از الگوریتم پس انتشار لونبرگ - مارکواردت در آموزش شبکه، در فضای نرم افزار شبیه سازی شده است . نتایج بدست آمده در مقایسه با داده های اندازه گیریشده واقعی، عملکرد مناسب مدل شبکه عصبی را در کاهش خطای مد لسازی و افزایش دقت و صحت مدل تخمین سرعت خودرو تعقیبگر را نشان میدهد.

جریان ترافیک، تعقیب خودرو، مدل سازی، شبکه -های عصبی، تأخیر لحظهای