پیش بینی الگوهای ترافیکی با استفاده از الگوریتم های یادگیری جمعی
عنوان مقاله: پیش بینی الگوهای ترافیکی با استفاده از الگوریتم های یادگیری جمعی
شناسه ملی مقاله: ICCONF05_022
منتشر شده در پنجمین کنفرانس بین المللی مهندسی برق،کامپیوتر و مکانیک در سال 1399
شناسه ملی مقاله: ICCONF05_022
منتشر شده در پنجمین کنفرانس بین المللی مهندسی برق،کامپیوتر و مکانیک در سال 1399
مشخصات نویسندگان مقاله:
راضیه محبی - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته
حسن مطلبی - عضو هیات علمی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
فرشته قاضی زاده - عضو هیات علمی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
خلاصه مقاله:
راضیه محبی - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته
حسن مطلبی - عضو هیات علمی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
فرشته قاضی زاده - عضو هیات علمی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
یکی از اساسی ترین چالشها در حوزه مدیریت شهری، بهینه شدن جریان ترافیک شهر به منظور جلوگیری از اتلاف زمان شهروندان، جلوگیری از آلودگی هوا، کاهش مصرف انرژی و سهولت دسترسی در زمان و مکان در کوتاهترین زمان می باشد. از آنجائی که جریان ترافیک شهری غالبا از الگوی مشخصی تبعیت می کند و در گستره زمانی دارای رفتار قابل پیشبینی است، گمان می رود با رشد دانش در حوزه هایی همچون شناسائی الگو، هوش مصنوعی و داده کاوی، امکان بهینه نمودن جریان های ترافیکی وجود داشته باشد. در ابتدای این پژوهش قصد داریم با استفاده از روش K-Means گرافی مسیر برای مدل سازی و بهینه سازی جریان ترافیکی را ارائه نموده و سپس با بکارگیری درخت تصمیم گیری C4.5 به جهت هدایت جریان ترافیکی به سمت مسیرهایی با جریان ترافیکی روان تر، جریان ترافیکی را تسهیل و هدایت نمائیم. نتایج حاصل از این پژوهش نشان می دهد که ایده معرفی شده در این پژوهش در بسیاری ازموارد کارا و از نظر بعد زمان و مسافت برای هدایت جریان های ترافیکی مقرون بصرفه می باشد.
کلمات کلیدی: ترافیک، داده کاوی، خوشه بندی، الگوریتم K-means ، درخت C4.5
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1039671/