رویکردی نو در بررسی پیش بینی پذیری ترافیک شهری مبتنی بر تئوری آشوب و پیش بینی جریان ترافیک شهر مشهد مبتنی بر سیستم فازی- عصبی تطبیقی چندگانه

پیش بینی کوتاه مدت پارامترهای ترافیکی مانند جریان ترافیک، سرعت و ازدحام، دارای اهمیت بسیاری در پژوهشهای حوزه سیستمهای حمل ونقل هوشمند مدرن است. در این مقاله، ابتدا با بکارگیری تئوری آشوب به بررسی پیش بینی پذیری جریان ترافیک شهری پرداخته شده و غیرتصادفی بودن سری زمانی حجم ترافیک مورد بررسی قرار گرفته است. سپس، در حوزه پیش بینی، با توجه به این نکته که یکی از مهم ترین مشکلات در هنگام پیش بینی وضعیت آینده ترافیک، ناقص بودن داده ها به علل مختلف است، الگوریتم ارایه شده در این مقاله با بکارگیری روشهای پیش پردازش، سعی بر کاهش تأثیر داده های معیوب دارد. همچنین در فاز پیش پردازش، دسته بندی های مناسب با درنظرگرفتن تاثیرات پارامترهای اجتماعی بر جریان ترافیک، صورت گرفته است. در بخش بعد و به منظور پیش بینی جریان ترافیک، با توجه به ویژگیهای تطبیق پذیری، الگوریتمهای خودیادگیر شبکه های عصبی و نیز یادگیری قوانین فازی که در ساختار anfis ترکیب شده است، از این مدل برای پیش بینی کوتاه مدت حجم ترافیک استفاده شده است. مدل مطرح شده در این مقاله، برای پیش بینی جریان ترافیک موجود در بلوار فرامرزعباسی در شهر مشهد در کشور ایران مورد استفاده قرار گرفته است. مقایسه نتایج مقادیر پیش بینی شده جریان ترافیک با مقادیر اندازه گیری شده در واقعیت، نتایج نشان می دهد که مدل مطرح شده به طور رضایت بخشی جریان ترافیک را پیش بینی می کند.