به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

شبکه ترافیک

در نشریات گروه عمران
تکرار جستجوی کلیدواژه شبکه ترافیک در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه شبکه ترافیک در مقالات مجلات علمی
  • شیوا رحیمی پور، ملیحه نیک سیرت، سیدمهدی تشکری هاشمی*، مهدی قطعی
    هدایت مسیر گروهی یکی از خدمات مهم سیستم پیشرفته اطلاع رسانی رانندگان (ATIS) است که هدف آن اطلاع رسانی وضعیت ترافیکی شبکه بزرگراهی به گروهی از رانندگان با استفاده از امکاناتی مانند تابلوهای متغیر خبری (VMS)، سایت های وب و رسانه های ملی می باشد. اطلاعات زمان سفر پویا یکی از مولفه های اصلی سیستم هدایت مسیر پویا است که قابلیت ایجاد هدایت مسیر پویا برای رانندگان، افزایش قابلیت اطمینان شبکه بزرگراهی و کاهش ترافیک دارد. در این مقاله راهکارهای پیش بینی زمان سفر بررسی شده است و نتایج حاصل از سه روش شبکه-های عصبی فازی و شبکه های عصبی پرسپترون برای تخمین سری های زمانی مقایسه شده است. با مقایسه نتایج دو روش فوق بر روی اطلاعات رمپ چمران غربی به نیایش جنوبی شبکه بزرگراهی تهران به نظر می رسد که روش شبکه های عصبی فازی نتایج دقیق تری نسبت به و شبکه عصبی پرسپترون به دست می دهد.
    کلید واژگان: سامانه پیشرفت اطلاع رسانی راننده، شبکه ترافیک، پیش بینی، شبکه های عصبی فازی
    Shiva Rahimipour, Malihe Niksirat, S.Mehdi Tashakori, Hashemi*, Mehdi Ghatee
    A route guidance system is one of the most important services of advanced traveler information systems (ATIS) for drivers,which aims to inform the state of the highway’s traffic to a group of drivers using variable message sign (VMS), web sites, medias and etc. Dynamic travel time information is one of the major components of the dynamic route guidance system which can increase the highway networks reliability, lighten the traffic flow and create dynamic route guidance for drivers. In this paper different methods are reviewed and the results of neuro-fuzzy neural networks and perceptron neural networks are compared. Comparing the results of these methods for predicting the data collected from the Chamran to Niyayesh ramp in Tehran highway network, shows that fuzzy-neural approach can achieve more accurate results.
    Keywords: Advanced traveler information systems (ATIS), Traffic network, Prediction, Neuro, fuzzy neural networks
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال