|
|
راهور، جلد ۱۳۹۴، شماره ۳۱، صفحات ۱۱-۳۱
|
|
|
| عنوان فارسی |
ارائه مدل پیش بینی حجم ساعت اوج ترافیک با استفاده از روشی ترکیبی |
|
| چکیده فارسی مقاله |
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 ب همنظور 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 داد ههای حجم جریان ترافیک انجام پذیرفته تا اطلاعات کام لتری در مورد دینامیک مسئله به دست آید؛ سپس داد ههای پرداز ششده ب هعنوان داد ههای آموزشی و آزمایشی به شبکه عصبی ارائه م یگردد. شبکه آموز شدیده با استفاده از توابع ارزیابی اعتبارسنجی شده و برای پی شبینی حجم ساعت اوج ترافیک در ایام هفته آینده مورداستفاده قرار م یگیرد. برای سنجش پی شبینی صور تگرفته، شبکه عصبی انتشار برگشتی رایج نیز طراح ی شده و نتایج حاصل از آن با روش پیشنهادی مقایسه م یشود. نتایج نشان م یدهد که روش پیشنهادی، حجم ساعت اوج جریان ترافیک را با دقت بالاتری نسبت به شبکه عصبی رایج پی شبینی م یکند. روش پیشنهادی در پژوهش حاضر بر اساس پارامترهای بومی کشور صورت پذیرفته و قابلیت استفاده در کاربردهای عملی را دارا م یباشد. |
|
| کلیدواژه‌های فارسی مقاله |
شبکه عصبی، حجم ساعت اوج ترافیک، پیش بینی، تبدیل موجک و مد لسازی، |
|
| عنوان انگلیسی |
Peak hour traffic volume prediction models using a combination method |
|
| چکیده انگلیسی مقاله |
Accurate traffic forecasts has important role in providing real-time data traffic, reduce congestion on the roads and improve traffic safety. In this study, a combination of multi-layered back propagation neural networks to predict the peak hour traffic flow with wavelet transform is used. According to the proposed method, using the wavelet transform, a pre-processing is done on the data volume traffic flows to obtain more detailed information about the dynamics of the problem; then as intelligence, training and testing data is presented to the neural network. Trained network using validated assessment functions and to predict the peak hour traffic volume may be used during the next week. Predictions made to measure, traditional back propagation neural network design and compared the results with the proposed method. The results show that the proposed method, the peak hour traffic flow with higher precision than conventional neural network predicts. The method proposed in this study has been done on the basis of parameters and can be used in practical applications. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
شاهین شعبانی |
مهدی معتمدی سده |
سید جواد خاد مالفقرا |
|
|
| نشانی اینترنتی |
http://tale.jrl.police.ir/article_10856_3c4e2e4529b33fa91d3bd21f3154b4f5.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/833/article-833-1640764.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|