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

Authors: not saved
Abstract:

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 پیش‌بینی پذیری جریان ترافیک شهری پرداخته شده و غیرتصادفی بودن سری زمانی حجم ترافیک مورد بررسی قرار گرفته است. سپس، در حوزه پیش‌بینی، با توجه به این نکته که یکی از مهم‌ترین مشکلات در هنگام پیش‌بینی وضعیت آینده ترافیک، ناقص بودن داده‌ها به علل مختلف است، الگوریتم ارایه شده در این مقاله با بکارگیری روشهای پیش پردازش، سعی بر کاهش تأثیر داده‌های معیوب دارد. همچنین در فاز پیش‌پردازش، دسته‌بندی‌های مناسب با درنظرگرفتن تاثیرات پارامترهای اجتماعی بر جریان ترافیک، صورت گرفته است. در بخش بعد و به منظور پیش‌بینی جریان ترافیک، با توجه به ویژگیهای تطبیق‌پذیری، الگوریتمهای خودیادگیر شبکه‌های عصبی و نیز یادگیری قوانین فازی که در ساختار ANFIS ترکیب شده است، از این مدل برای پیش‌بینی کوتاه‌مدت حجم ترافیک استفاده شده است. مدل مطرح شده در این مقاله، برای پیش‌بینی 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 پیش‌بینی می کند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)

 تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله با آن باشند. یکی از این راه کارها پیش بینی حجم ترافیک روزانه است. پیش بینی ترافیک به کنترل کننده ها کمک می کند ت...

full text

پیش بینی قیمت سهام با رویکرد ترکیبی شبکه عصبی مصنوعی و الگوریتم رقابت استعماری مبتنی بر تئوری آشوب

یکی از گزینه‌های موجود جهت سرمایه گذاری نقدینگی، بورس و اوراق بهادار می‌باشد. با توجه به ارتباطات غیرخطی موجود میان متغیرهای موثر بر قیمت سهام، شبکه های عصبی مصنوعی یکی از مناسب ترین رویکردهای موجود جهت پیش‌بینی قیمت سهام می باشند. در این مقاله سعی شده تا از طریق ترکیب نگاشت‌های آشوبی و الگوریتم رقابت استعماری، زاویه حرکتی مستعمرات به سمت استعمارگر اصلاح شده و به این ترتیب احتمال قرارگیری در دا...

full text

مدلی برای پیش بینی آسیب پذیری تحصیلی در مقطع کارشناسی مبتنی بر شبکه عصبی

هدف پژوهش حاضر، توسعه مدلی برای پیش­بینی شرایط اخراج آموزشی دانشجویان مقطع کارشناسی رشته­های مهندسی بوده که به روش داده­کاوی و با استفاده از الگوریتم شبکه عصبی به اجرا درآمده است. جامعه آماری، دربرگیرنده کلیه پذیرفته­شدگان سال­های 1387 لغایت 1390 در سه مورد از دانشگاه­های فنی و مهندسی کشور بوده است. داده­های پژوهش با بهره­برداری مستقیم از سیستم­های آموزش هر سه دانشگاه­ در مدل­سازی وارد شدند. نت...

full text

تعیین عوامل موثر در پیش بینی ترافیک تولیدی از کاربری های شهری(نمونه موردی، شهر نیشابور)

هدف تحقیق حاضر، تعیین سهم عوامل مختلف در پیش بینی میزان تولید ترافیک از کاربری های شهری در بخش مرکزی شهر نیشابور می باشد. به این منظور، از روش تحقیق توصیفی و تحلیلی در قالب همبستگی از نوع پیش بین استفاده شده است. برای گردآوری داده های مورد نیاز از پرسشنامه محقق ساخته بهره برداری شده است. برای تاثیر تغییرات مربوط به هر یک از کاربری های شهری، ابتدا نظر متخصصین و مدیران مرتبط با امر ترافیک مورد پر...

full text

تخمین و پیش بینی ترافیک هوایی در کل دنیا

حمل و نقل نقطه اتصال چرخه محصولات تولیدی به مصرف و بازمانده مصرف به تولید می‌باشد. توسعه و گسترش این بخش زمینه ساز رشد اقتصادی هر کشوری محسوب می‌شود .آمار نیز حاکی از  رشد سریع بخش حمل ونقل، پیشرفت‌های تکنولوژی و سهم  بالای آن در فعالیت‌های اقتصادی می‌باشد.خدمات این بخش به گونه‌های مختلفی از قبیل جاده ای، ریلی، هوایی، راه آهن، دریایی و خط لوله ارایه می‌گردد که هر یک از این بخش‌ها به دو دسته بار...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 4  issue 3

pages  233- 246

publication date 2013-03-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023