پیش بینی کوتاه مدت جریان ترافیک با روشی ترکیبی از ANFIS، شبکه های عصبی و الگوریتم ژنتیک

عملکرد بسیاری از اجزاء در سیستم های حمل و نقل هوشمند به شدت به کیفیت پیش بینی ترافیک در کوتاه مدت وابسته است. داشتن پیش بینی درستی از جریان ترافیکی در سیستم های حمل و نقل هوشمند (ITS) برای کنترل سیگنال های ترافیک و بهینه سازی آنها می تواند بسیار اثر بخش باشد. چون سیستم ترافیک کاملاً غیر خطی است، تحت تأثیر عوامل گوناگون، دارای تغییرات کوتاه مدت می باشد، لذا برای بالا بردن دقت سیستم پیشنهاد می شود از پیش بینی کوتاه مدت استفاده کنیم. ما روشی قابل اجرا برای پیش بینی ترافیک بر اساس ANFIS، شبکه های عصبی و الگوریتم ژنتیک پیشنهاد می کنیم. داده ها مربوط به تقاطع 801 شهر مشهد و از استخراج شده از سیستم SCATS است. همان طور که انتظار می رفت نتایج قابل قبولی بدست آمد که با نتایج مدل های دیگر مقایسه شده است.

Keywords:

پیش بینی کوتاه مدت , حمل و نقل هوشمند , ترافیک هوشمند , شبکه عصبی , سیستم فلزی- عصبی تطبیقی , الگوریتم ژنتیک