ارائه مدل پیش بینی حجم ساعت اوج ترافیک با استفاده از روشی ترکیبی
پیش بینی دقیق و بهنگام حجم ترافیک، نقشی مهم در فراهم آوردن اطلاعات لحظه ای ترافیک، کاهش ازدحام در معابر و بهبود ایمنی ترافیک دارد. در پژوهش حاضر از ترکیب روش شبکه های عصبی انتشار برگشتی چندلایه به همراه تبدیات موجکی به منظور پی شبینی حجم ساعت اوج جریان ترافیک استفاده شده است. با توجه به روش پیشنهادی، ابتدا با استفاده از تبدیات موجکی، یک پیش پردازش بر روی داده های حجم جریان ترافیک انجام پذیرفته تا اطلاعات کامل تری در مورد دینامیک مسئله به دست آید؛ سپس داد ه های پردازش شده به عنوان داده های آموزشی و آزمایشی به شبکه عصبی ارایه می گردد. شبکه آموز شدیده با استفاده از توابع ارزیابی اعتبارسنجی شده و برای پی شبینی حجم ساعت اوج ترافیک در ایام هفته آینده مورداستفاده قرار می گیرد. برای سنجش پی شبینی صورت گرفته، شبکه عصبی انتشار برگشتی رایج نیز طراحی شده و نتایج حاصل از آن با روش پیشنهادی مقایسه می شود. نتایج نشان میدهد که روش پیشنهادی، حجم ساعت اوج جریان ترافیک را با دقت بالاتری نسبت به شبکه عصبی رایج پی شبینی می کند. روش پیشنهادی در پژوهش حاضر بر اساس پارامترهای بومی کشور صورت پذیرفته و قابلیت استفاده در کاربردهای عملی را دارا میباشد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.