طراحی یک مدل پیش بینی برای حجم ترافیک روزانه با استفاده از شبکه عصبی عمیق

پیش بینی روزانه جریان ترافیک در مدیریت پیشرفته ترافیک بسیار مهم است و به کنترل کننده ها کمک می کند تابا اتخاذ تصمیمات مناسب از بروز ازدحام در ترافیک جلوگیری نمایند. در این مقاله یک روش پیش بینی ترافیکبرای یک روز کامل با استفاده از یک شبکه عصبی عمیق بر اساس داده های جریان ترافیک گذشته و داده های عوامل زمینه ای ارائه شده است. ایده اصلی این است که جریان ترافیک در یک بازه زمانی کوتاه به شدت با نقاط شروع و پایان دوره با تعدادی دیگر از عوامل زمینه ای مانند روز هفته ، آب و هوا و فصل در ارتباط است. بنابراین ، رابطه بین مقادیر جریان ترافیک در یک بازه زمانی معین و ترکیبی از عوامل زمینه ای می تواند از داده های گذشته استخراج شود. ابتدا ، یک پیش بینی کننده با استفاده از یک الگوریتم یادگیری تحت نظارت چند لایه آموزش داده می شود تارابطه نهان بین داده های جریان ترافیک و ترکیبی از عوامل زمینه ای را به دست آورد . برای کاهش زمان آموزش ، یک روش آموزش دسته ای پیشنهاد شده است. سرانجام ، یک مطالعه موردی نشان می دهد که ، به طور کلی ، روش پیشنهادی از لحاظ دقت پیش بینی از روش پیش بینی ترافیک متعارف بهتر است.

Keywords:

جریان ترافیک طولانی مدت روزانه , پیش بینی , شبکه عصبی عمیق , عوامل زمینه ای , آموزش دسته ای