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 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.