پیش بینی و کنترل ترافیک با رویکردهای داده کاوی با استفاده از داده های gps

در دنیای امروز افزایش چالش­های شهرنشینی و ترافیک سبب نیاز فوری به سیستم های کنترل ترافیک با حداکثر بهره وری شده است. هدر رفتن زمان و افزایش سوخت مصرفی و هم چنین آلودگی­های هوا و صوتی سبب شده کنترل ترافیک به یکی از مهم­ترین بحث های روز دنیا تبدیل شود. از جمله روش­های موجود برای رسیدن به این هدف، پیش­بینی مسیر و مقصد نهایی خودرو است. اگر مکان آینده خودروها را بتوان پیش­بینی کرد، به راحتی می­توان قادر به تخمین ازدحام ترافیک شد. پیش­بینی مسیر براساس مسیرهای طی شده گذشته خودرو و در نظر گرفتن مشخصه هایی مانند مکان شروع، ساعت، روز، ماه، مدت زمان با استفاده از روش­های داده­کاوی و شبکه­های عصبی مصنوعی امکان پذیر است. در این مقاله از داده­های واقعی gps، به دست آمده از خودروها به منظور انجام عملیات پیش­بینی مسیر و مقصد نهایی بهره برده شده است. یکی از روش­های پیشنهادی در این مقاله به دست آوردن پایگاه­داده­ای از مسیرهای دقیق طی شده خودروها به کمک نرم افزار arcgis است، که این پایگاه داده سبب بالا رفتن دقت پیش بینی مسیر خودرو شده است. در این مقاله یک پایگاه­داده کلی شامل همه حالات شبکه­ جاده ای و یک پایگاه­داده پیچیده تر شامل چهارراه ها و نقاط چالشی تر جاده ایجاد شده است. هم چنین به منظور عملیات پیش بینی، دو الگوریتم قوانین انجمنی و شبکه های عصبی مصنوعی مورد استفاده قرار گرفته شده است. نتایج به دست آمده نشان دهنده دقت بسیار خوب پیش­بینی است. برطبق ارزیابی انجام شده، الگوریتم ann در پایگاه­داده کلی با دقت پیش بینی بالای 96 درصد و الگوریتم gri در پایگاه­داده پیچیده­تر با دقت پیش­بینی بالای 95 درصد، نتایج قابل قبولی به دست آورده اند. روش پیشنهادی و نتایج این پیش بینی می تواند به برنامه ریزی ترافیک و بهینه سازی حرکت خودروها کمک کند.