مدل شبکه عصبی مصنوعی جهت پیش بینی کوتاه مدت جریان ترافیک و کاربرد آن در آزادراه تهران - کرج

پوریا اسدی فارسانی¹ مهدی فلاح تفتی²

1) پوریا اسدی فارسانی
2) استادیار دانشکده عمران، دانشگاه یزد

محل انتشار : کنفرانس بین المللی عمران ، معماری و زیرساخت های شهری(icica.ir)
چکیده :
یکی از عوامل تعیین کننده وضعیت ترافیکی یک مسیر، سرعت اتومبیل های عبوری از آن می باشد. سرعت اتومبیل ها در یک مسیر در شرایط مختلف متغییر است و می توان آن را به صورت یک سری زمانی در نظر گرفت. اگر رفتار یک سری زمانی به طور کامل، معیین و معلوم نباشد، می تواند با استفاده از وابستگی اطلاعات قبلی، پیش بینی شود. دقت در پیش بینی سرعت ترافیک، تحت تاثیر داده های قبلی و روش انتخاب شده برای پیش بینی است. پیش بینی سرعت ترافیک به دلیل پیچیدگی رفتار ترافیک امری دشوار است، لذا نگاشت یک رابطه ریاضی بین عوامل تاثیر گذار بطوریکه بتوان در موارد دیگر نیز رفتار ترافیک را پیش بینی کرد مشکل به نظر می رسد. شبکه های عصبی مصنوعی یک روش متداول برای پیش بینی داده ها هستند و زمینه پیش بینی ترافیک نیز در موارد متعددی بکار رفته اند. در این تحقیق از الگوریتم انتشار برگشتی برای آموزش شبکه استفاده شده است. برای کمینه کردن تابع خطا در این تحقیق از روش لونبرگ _مارکوارت استفاده شده است. همچنین جهت ساخت مدل شبکه عصبی نرم افزار متلب به کار گرفته شده است. با توجه به نتایج به دست آمده شبکه عصبی کارایی خوبی برای پیش بینی کوتاه مدت جریان ترافیک از خود نشان داده است.
کلمات کلیدی : شبکه عصبی مصنوعی پیش بینی کوتاه مدت سرعت جریان ترافیک