• پیش بینی کوتاه مدت جریان ترافیک با استفاده از شبکه های عصبی و پیش بینی بلند مدت

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/01/01
    • تاریخ انتشار در تی پی بین: 1392/01/01
    • تعداد بازدید: 886
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    امروزه برای کنترل جریان ترافیکی و جلوگیری از بروز تراکم ترافیکی از روش های کنترلی متفاوتی همانند چراغ های راهنمایی، تابلوهای متغییر خبری و زمان بندی ورودی بزرگراه ها استفاده می کنند. از آنجایی که قابلیت پیش بینی شرایط ترافیکی برای بهبود عملکرد کنترل کننده ها بسیار حائز اهمیت است، در این مقاله، هدف استخراج مدلی داده محور برای پیش بینی خودکار جریان ترافیک بوسیله اطلاعات گذشته آن می باشد. داده های مورد استفاده در این تحقیق تعداد خودروهای عبوری از قسمتی از بزرگراه بین ایایتی 35e در ایالت مینسوتا است، در دوره چهار ماهه و بازه های زمانی 15 دقیقه ای می باشد. که ما در نهایت می خواهیم با استفاده از داده های گذشته و همچنین پیش بینی بلند مدت همان داده ها به پیش بینی کوتاه مدت دقیق تری از جریان ترافیک بپردازیم. رفتار ترافیکی به دلیل دخالت عوامل گوناگون انسانی و شرایط متغیر محیطی، غیرخطی و غیرایستا می باشد، درنتیجه برای مدل کردن و پیش بینی آن نیز باید از خانواده مدلهای غیرخطی غیرایستا سود جست. در این مقاله سعی شده است که از مدل غیرخطی شبکه عصبی چندلایه برای تخمین جریان ترافیک استفاده شود.

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 ژورنال ها