زهرا چوپانی رنانی - دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد خوراسگان،
زهره فتوحی - دکتری، گروه کامپیوتر، دانشکده فنی و مهندس ی، دانشگاه آزاد اسلامی واحد خوراسگان،

پیشبینی ترافیک زیربنای سیستم حمل و نقل به شمار می آید، لذا به منظور مدیریت و برنامه ریزی هدفمند و موثر همواره مورد توجه محققان و پژوهشگران قرار گرفته است. از زمان پیدایش علم یادگیری ماشین و به خصوص با ظهور شبکه های عصبی از یک طرف و افزایش تجهیزات جادهای که منجر به ثبت داده های ترافیکی میشود از طرف دیگر، امکان انجام مطالعات جهت پیشبینی را بیش از پیش فراهم نموده است. تحقیقات صورت گرفته تا کنون از جهت نوع داده های ورودی متفاوت است، همچنین انواع روشهای یادگیری عمیق به منظور ارتقاء دقت الگوریتم انتخابی مورد استفاده قرار گرفته است. استفاده از انواع شبکه های عصبی در تحقیقات اخیر از محبوبیت بالایی برخوردار است چرا که دارای قابلیت انتساب به ساختارهای پیچیده و عمیق هستند تا قدرت بالایی در پیشبینی به دست آورند. در این مقاله تحقیقات اخیر از حیث نوع داده ها، مراحل آماده سازی و آموزش شبکه مورد بررسی قرار گرفته است.

پیشبینی ترافیک، داده های سری زمانی، شبکه عصبی، یادگیری عمیق