تحلیل و پیش بینی ساعات تخلفات ورودی به محدوده طرح ترافیک تهران بارویکردهای داده کاوی

نرخ بالای بروز تخلفات ورود به محدوده طرح ترافیک شهر تهران، نه تنها علت مهم بروز حوادث ترافیکی در مناطق مرکزی تهران است بلکه اثر بازدارنده این طرح بر کاهش تردد خودروها و آلودگی فزایند, ها را بی اثر می کند. سیستم مکانیزه ثبت تخلفات منابع اطلاعاتی مناسبی برای بررسی و تحلیل رفتارهای ترافیکی وسایل نقلیه در اختیار برنامه ریزان قرار می دهد.در این تحقیق, دانش داده :اوی برای کشف قوانین پنهان د رداده های مربوط به خودروهای مختلف ورودی به یکی از پرترددترین معابر ورودی به محدوده طرح ترافیک تهران, جهت بررسی عوامل موثر بر نرخ ورودهای غیر مجاز و پیش بینی تردد تخلفات در محدوده ها بکار گرفته شده است. با استفاده از رویکرد خوشه بندی, ساعات تردد در روزهای مختلف به 5 خوشه همگن تقسیم شده اند. ضمن مطالعه ویژگی های هر خوشه, مدلی براساس شبکه عصبی مصنوعی جهت پیش بینی خوشه های پرتخلف (با تردد غیر مجاز زیاد) بر پایه مشخصات تقویم های قمری و شمسی و شرایط جوی توسعه داده شده است. که با دقت 87 درصد وضعیت ترددهای غیر مجاز به محدوده رح را در روزهای آینده پیش بینی می کند. با استفاده از این مدل می توان برنامه های بازدارنده کاهش تخلفات را ساماندهی نمود.

Keywords:

داده کاوی , پیش بینی , خوشه بندی , محدوده طرح ترفیک , تردد ورودهای غیرمجاز