ارایه روشی برای تشخیص گره‌های ترافیکی در جهت افزایش عملکرد بهینه شبکه ترافیکی

بروز گره­های ترافیکی همواره به‌عنوان یکی از مهمترین معضلات جریان ترافیکی آزادراه­ها شناخته شده­اند. کشف سریع این گره‌های ترافیکی و رفع هر چه سریع­تر آنها همواره به‌عنوان یکی از دغدغه­های مسئولین و محققین در شریانهای اصلی بوده است. بنابراین ارایه مدلی مناسب برای تشخیص این گره­ها و انجام اقدامات لازم جهت تسریع در روان‌سازی جریان ترافیک به‌منظور کاهش اثرات ثانویه از اهمیت خاصی برخوردار است. از این رو هدف از تحقیق حاضر پیش­بینی و تشخیص خودکار گره­های ترافیکی با استفاده از قابلیت‌های مدل شبکه عصبی می‌باشد. روش تحقیق در این مطالعه استفاده از سه نوع شبکه عصبی مصنوعی برای پیش­بینی و کشف خودکار گره­های ترافیکی می‌باشد که شامل شبکه عصبی چند لایه پرسپترون، شبکه عصبی نروفازی و شبکه عصبی تابع مبنای شعاعی می‌باشد. داده­های مورد استفاده در این تحقیق از اطلاعات واقعی مرکز کنترل ترافیک آزادراه تهران- کرج به‌صورت روزانه، هفتگی و ماهیانه می‌باشد. نتایج بر اساس شاخص­های ارزیابی نشان می‌دهد که شبکه پرسپترون با سه پارامتر ورودی با دو لایه پنهان 15 نرونی در لایه‌های پنهان بهترین عملکرد را نسبت به مدل‌های دیگر دارد که به‌عنوان مدل با کارایی بهینه معرفی شده است. کاربرد تحقیق حاضر در کاهش خسارت‌های ناشی از ایجاد گره­های ترافیکی و مشکلات ثانویه ناشی از این گره­ها می‌باشد.