ارایه مدل پیش بینی حجم روزانه ترافیک برون شهری (adt) با استفاده از شبکه های عصبی

thesis
  • وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده مهندسی عمران
  • author مهدی معتمدی سده
  • adviser شاهین شعبانی
  • publication year 1393
abstract

پیش بینی حجم ترافیک نقشی مهم در کاهش ازدحام ترافیک، تقویت عملکرد زیرساخت های حمل و نقل، مدیریت جریان ترافیک و بهبود ایمنی ترافیک دارد. در پژوهش حاضر، به پیش بینی متوسط حجم روزانه ترافیک پرداخته می شود. بدین منظور، از روش شبکه های عصبی انتشار برگشتی چند لایه به همراه تحلیل اجزای اصلی و نیز روش شبکه عصبی- ژنتیک همراه با تحلیل اجزای اصلی استفاده شده است. با توجه به موقعیت ویژه و با اهمیت شهر تهران به عنوان پایتخت کشور و حجم بالای جریان ترافیک محورهای منتهی به آن، مدیریت و برنامه ریزی جریان ترافیک در این مسیرها، امری حیاتی می باشد. با توجه به اهمیت موضوع، در پژوهش حاضر سعی شده است که تعدادی از این راه ها شناسایی و حجم ترافیک مربوط به آن ها شبیه سازی و پیش بینی گردد. از جمله محورهای در نظر گرفته شده، می توان به محورهای آزادراهی همچون محور قم- تهران و محور تهران- کرج و از جمله راه های اصلی می توان به محور رودهن- دماوند و محور حسن آباد- تهران (قسمتی از جاده قدیم قم- تهران) اشاره کرد. با استفاده از هریک از روش های بیان شده، حجم روزانه ترافیک در نمونه های مورد بررسی، پیش بینی شده و نتایج هریک مورد بحث و بررسی و مقایسه قرار می گیرد. نتایج نشان داد که روش شبکه عصبی- ژنتیک همراه با تحلیل اجزای اصلی دارای دقتی بالا در پیش بینی هدف مورد نظر بوده و با توجه به اینکه بر اساس پارامترهای بومی کشور پایه ریزی شده است، قابلیت استفاده در کاربردهای عملی در کشور عزیزمان ایران را دارا می باشد.

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 جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)

پیش­بینی دقیق جریان در رودخانه­ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی­ها است. به دلیل اهمیت پیش­بینی جریان رودخانه، در این تحقیق جریان روزانه رودخانه­ی باراندوزچای در دو ایستگاه بی­بکران و دیزج طی یک دوره­ی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) می­باشد، پیش­بینی گرد...

full text

پیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی

در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...

full text

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده مهندسی عمران

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023