مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

878
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

656
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیشبینی خودکار گره های ترافیکی با استفاده از مدل سازی شبکه عصبی

صفحات

 صفحه شروع 35 | صفحه پایان 52

چکیده

 افزایش حجم ترافیک و ایجاد گره های ترافیکی در راه های بین شهری و همچنین شبکه ترافیک شهری سبب کاهش کارایی شبکه ترافیکی و راه های مورد نظر می شود. پیش بینی و کشف هرچه سریعتر این گره های ترافیکی می تواند کمک شایانی به حل مشکل و روان سازی جریان ترافیک نماید. شبکه های عصبی مصنوعی نشان داده اند که با تکیه بر قابلیت یادگیری خود می توانند عملکرد بسیار مناسبی در این زمینه از خود نشان دهند. هدف اصلی این تحقیق پیش بینی و تشخیص خودکار گره های ترافیکی با استفاده از مدل شبکه عصبی هوشمند و مقایسه کارایی مدل با مدلهای دیگر موجود است. به طوریکه با استفاده از داده های آموزشی, شبکه عصبی مصنوعی را به گونه ای بیاموزد که بتواند خروجی مورد نظر را تشخیص و در مورد داده های هدف با موفقیت پیش بینی را انجام دهد. روش تحقیق جهت پیش بینی معماری شبکه از سه پارامتر ورودی و یک پارامتر خروجی استفاده شده است. در این تحقیق از سه نوع شبکه عصبی مصنوعی به منظور پیش بینی و کشف خودکار گره های ترافیکی استفاده شده است. داده های مورد استفاده در این تحقیق از اطلاعات واقعی مرکز کنترل ترافیک آزادراه تهران-کرج به صورت روزانه, هفتگی و ماهیانه می باشد. در ابتدا از شبکه عصبی چند لایه پرسپترون, استفاده شده و شبکه عصبی دیگری که در این تحقیق مورد استفاده قرار گرفته, شبکه نروفازی می باشد و در نهایت از شبکه عصبی تابع مبنای شعاعی به منظور بررسی موفقیت دو شبکه قبلی استفاده شده است. کارایی و دقت مدلهای مختلف براساس بهترین و جامع ترین مجموعه شاخص های ارزیابی جهت سنجش کارکرد هر کدام از مدلها تحلیل شد و براساس مقایسه کارایی آنها نسبت به یکدیگر, مدل پرسپترون با کارایی بهینه معرفی شد. مقایسه نتایج مقادیر پیش بینی شده جریان ترافیکی با مقادیر اندازه گیری شده در واقعیت, نشان می دهد که مدل مطرح شده به طور رضایت بخشی جریان ترافیکی را پیش بینی می کند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    فائزی، سیدفرزین. (1397). پیشبینی خودکار گره های ترافیکی با استفاده از مدل سازی شبکه عصبی. پژوهشنامه حمل و نقل، 15(55 )، 35-52. SID. https://sid.ir/paper/84031/fa

    Vancouver: کپی

    فائزی سیدفرزین. پیشبینی خودکار گره های ترافیکی با استفاده از مدل سازی شبکه عصبی. پژوهشنامه حمل و نقل[Internet]. 1397؛15(55 ):35-52. Available from: https://sid.ir/paper/84031/fa

    IEEE: کپی

    سیدفرزین فائزی، “پیشبینی خودکار گره های ترافیکی با استفاده از مدل سازی شبکه عصبی،” پژوهشنامه حمل و نقل، vol. 15، no. 55 ، pp. 35–52، 1397، [Online]. Available: https://sid.ir/paper/84031/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button