پیش بینی کوتاه مدت جریان ترافیک با استفاده از اطلاعات متقابل در حضور ازدست دادن داده ها
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 748
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TTC12_372
تاریخ نمایه سازی: 23 خرداد 1392
Abstract:
یکی از مسایل موجود در سیستمهای حمل و نقل هوشمند، پیش بینی جریان ترافیک می باشد که نقش مهمی را در مباحث کنترل ترافیک، کنترل چراغهای راهنمایی و کنترل زمان سفر دارد. دیدگاه استفاده از اطلاعات متقابل (Mutual Information) یک ایده جالب برای به دست آوردن میزان وابستگی موجود بین داده های گذشته میباشد که میتواند میزان وابستگی غیرخطی موجود بین دادهها را به دست آورد. با محاسبه این تقابل اطلاعات بین دادههای گذشته و انتخاب بهترین دسته داده برای عملیات پیش بینی سعی کرده ایم که در عین کاهش حجم محاسباتی، دقت پیش بینی را نیز افزایش دهیم. در این مقاله با توجه به متفاوت بودن الگوهای رفتاری جریان ترافیک، با ترکیب نظریه اطلاعات متقابل با شبکه عصبی به پیش بینی کوتاه مدت جریان ترافیک با در نظر گرفتن انواع حالتهای مختلف اغتشاشی همچون امکان از دست دادن داده ها و یا معیوب شدن آنها تحت شرایط مختلف آب و هوایی نظیر بارش باران و یا برف و شرایط مختلف ترافیکی مانند وقوع ازدحام و تصادف در جاده، پرداخته و عملکرد این مدل پیش بینی مورد مقایسه با روشهای معمولی و گذشته قرار گرفته است که حاکی از بالا بودن دقت پیش بینی جریان ترافیک با استفاده از ترکیب اطلاعات متقابل و شبکه عصبی میباشد.
Keywords:
Authors
سید هادی حسینی
گروه مهندسی برق، دانشگاه آزاد اسلامی واحد تهران شرق
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 :