• جزئیات بیشتر مقاله
    • تاریخ ارائه: 1390/01/01
    • تاریخ انتشار در تی پی بین: 1390/01/01
    • تعداد بازدید: 673
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    امروزه یکی از مسایل موجود در سیستم های حمل و نقل هوشمند، پیش بینی جریان و سرعت ترافیک می باشد که نقش مهمی را در مباحث کنترل ترافیک، کنترل چراغ های راهنمایی، کنترل زمان سفر و  ...دارد. دیدگاه استفاده از اطلاعات متقابل (mutual information) یک ایده جالب برای به دست آوردن  میزان وابستگی موجود بین داده های گذشته می باشد که می تواند میزان وابستگی غیرخطی موجود بین داده ها را به دست آورد. با محاسبه این تقابل اطلاعات بین داده های گذشته و انتخاب بهترین دسته داده برای عملیات پیش بینی سعی کرده ایم که در عین کاهش حجم محاسباتی، دقت پیش بینی را نیز افزایش دهیم. در این مقاله با توجه به قدرت سیستم های هوشمند در زمینه مدلسازی و پیش بینی، از شبکه عصبی mlp برای پیش بینی سرعت ترافیک استفاده شده و عملکرد آن مورد مقایسه با روش های معمولی قرار گرفته است که حاکی از بالا بودن دقت پیش بینی سرعت ترافیک با استفاده از تقابل اطلاعات و شبکه عصبی می باشد. با توجه به متفاوت بودن الگوهای رفتاری سرعت ترافیک، استفاده از این روش به عنوان مدل غیرخطی تطبیق پذیر با شرایط محیطی بسیار مناسب می باشد. برای ارزیابی عملکرد پیش بینی های طراحی شده از داده های ترافیکی مربوط به کشور آمریکا استفاده شده است.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها