استفاده از داده کاوی و رگرسیون در پیشبینی حجم ترافیک برون شهری و مطالعه موردی محور ساری قائمشهر
Publish place: 9th International Congress on Civil Engineering
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 2,357
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICCE09_1394
Index date: 28 September 2012
استفاده از داده کاوی و رگرسیون در پیشبینی حجم ترافیک برون شهری و مطالعه موردی محور ساری قائمشهر abstract
حجم ترافیک یکی از اجزای اصلی ترافیک می باشد که در تمامی مسایل حمل ونقل بعنوان ورودی های مساله بکاربرده می شود. از آنجاییکه استفاده از متوسط حجم ترافیک برای طراحی های آینده مورد نیاز است، برای پیش بینی حجم متوسط ترافیک روزانه در سال مدلسازی صورتمی گیرد و از اطلاعات جمع آوری شده از متغیر های موثر در سفر برای ساخت مدل استفاده می شود. در مدلسازی از روشهای گوناگونی استفادهمی شود، معمول ترین این روش ها روش شیکه عصبی و روش رگرسیون می یاشد. در این تحقیق ضمن بررسی پیش بینی حجم ترافیک به بررسی روش رگراسیون در فرآیند مدلسازی پرداخته می شود. سپس از این روش برای پیش بینی حجم برون شهری محور ساری قائمشهر و قائمشهر – -بابل استفاده می شود. در مدل پیش بینی از مجموعه متغیرهای اقتصادی اجتماعی مبدا و مقصد در سالهای 58 و 58 و 58 استفاده شده است. نتایج -حاصل از تحقیق،نشان دهنده قدرت بالای رگرسیون در فرآیند مدلسازی می باشد.
استفاده از داده کاوی و رگرسیون در پیشبینی حجم ترافیک برون شهری و مطالعه موردی محور ساری قائمشهر Keywords:
استفاده از داده کاوی و رگرسیون در پیشبینی حجم ترافیک برون شهری و مطالعه موردی محور ساری قائمشهر authors
رضا حقیقی
استادیار گروه راه وترابری دانشکده عمران، دانشگاه صنعتی نوشیروانی بابل
دانیال قلی نژاددازمیری
دانشجوی کارشناسی ارشد برنامه ریزی حمل و نقل دانشگاه آزاد اسلامی واحد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :