تحلیل و پیش بینی ساعات تخلفات ورودی به محدوده طرح ترافیک تهران بارویکردهای داده کاوی
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 771
This Paper With 16 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:
TTC13_361
Index date: 15 June 2014
تحلیل و پیش بینی ساعات تخلفات ورودی به محدوده طرح ترافیک تهران بارویکردهای داده کاوی abstract
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.
تحلیل و پیش بینی ساعات تخلفات ورودی به محدوده طرح ترافیک تهران بارویکردهای داده کاوی Keywords:
تحلیل و پیش بینی ساعات تخلفات ورودی به محدوده طرح ترافیک تهران بارویکردهای داده کاوی authors
وحید برادران
استادیار، گروه مهندسی صنایع- دانشگاه آزاد اسلامی واحد تهران شمال
شیما شاملوفرد
دانشجوی کارشناسی ارشد، رشته مهندسی صنایع گرایش، مدیریت سیستم و بهره وری-دانشگاه آزاد اسلامی واحد تهران شمال
غلامرضا مروجی
دکترای مهندسی صنایع - شرکت کنترل ترافیک تهران
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 :