بررسی کارآیی الگوریتم‌های یادگیری نظارت شده در تخمین میزان تخلفات ناشی از سرعت غیر مجاز وسائط نقلیه در آزادراه تهران، قم - فرودگاه امام خميني (ره)

بررسی کارآیی الگوریتم‌های یادگیری نظارت شده در تخمین میزان تخلفات ناشی از سرعت غیر مجاز وسائط نقلیه در آزادراه تهران، قم - فرودگاه امام خميني (ره)

داوود دانش پژوه1 الهام زادنیا2 محمدرضا میری قلعه نوی3

1) کارشناس ارشد مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز -
2) کارشناس ارشد ریاضی کاربردی
3) کارشناس ارشد راه و ترابری

کد IOI مقاله : XDCB-FDKGB
محل انتشار : هفتمین کنگره سالانه بین المللی عمران، معماری و توسعه شهری(7icsau.com)
چکیده :
    امروزه آزادراه‌ها و بزرگراه‌ها از مهمترین راه‌های ارتباطی و حمل و نقل به شمار می‌آیند. سرعت به عنوان یکی از عوامل انسانی، نقش مهمی در تصادفات داشته به نحوی که تصادفات جاده‌ای یکی از اصلی‌ترین علل مرگ و میر و بروز جراحات در سراسر جهان به شمار می‌رود. در راه‌های با نقش آزادراهی و بزرگراهی به منظور کاهش میزان تصادفات و تلفات از طریق کنترل سرعت غیر مجاز، راهکارهای مختلفی نظیر استفاده از دوربین‌های هوشمند کنترل سرعت پیشنهاد گردیده است. در مطالعه حاضر بر خلاف روش‌های معمول مدل‌سازی، از الگوریتم‌های مختلف یادگیری نظارت شده نظیر شبکه‌های عصبی مصنوعی (ANN) که از قابلیت یادگیری زیستی الهام گرفته شده‌‌اند جهت تخمین میزان تخلفات ناشی از سرعت غیر مجاز وسائط نقلیه در آزادراه تهران، قم - فرودگاه امام خمینی (ره) استفاده شده است. لذا این مهم با شناسایی کارآیی این دسته از الگوریتم‌ها دنبال گردیده است که طی آن از سه شبکه عصبی MLP، RBF و ELM بهره گرفته شده است. ارزیابی معیارهای مورد بررسی در این مطالعه شامل MSE، RMSE و MAE در شناسایی کارآیی شبکه‌های عصبی مورد مطالعه نشان داد، شبکه عصبی RBF از دقت بیشتری جهت تخمین میزان تخلفات ناشی از سرعت غیر مجاز وسائط نقلیه در آن آزادراه برخوردار می‌باشد.

کلمات کلیدی : آزادراه سرعت غیر مجاز یادگیری نظارت شده شبکه‌های عصبی مصنوعی