مدل شبکه عصبی مصنوعی جهت پیش بینی کوتاه مدت سرعت آزادراه قم-تهران

یکی از عوامل تعیین کننده وضعیت ترافیکی یک مسیر، سرعت اتومبیل های وارد شده به آن می باشد. سرعت اتومبیل هادر یک مسیر در شرایط مختلف متغییر است و می توان آن را به صورت یک سری زمانی در نظر گرفت. اگر رفتار یک سری زمانیبه طور کامل، معیین و معلوم نباشد، می تواند با استفاده از وابستگی اطلاعات قبلی، پیش بینی شود. دقت در پیش بینی سرعتترافیک، تحت تاثیر داده های قبلی و روش انتخاب شده برای پیش بینی است. پیش بینی سرعت ترافیک به دلیل پیچیدگیرفتار ترافیک امری دشوار است، لذا نگاشت یک رابطه ریاضی بین عوامل تاثیر گذار بطوریکه بتوان در موارد دیگر نیز رفتار ترافیکرا پیش بینی کرد مشکل به نظر می رسد. شبکه های عصبی یک روش متداول برای پیش بینی داده ها هستند و زمینه پیشبینی ترافیک نیز در موارد متعددی بکار رفته اند. در این تحقیق از الگوریتم انتشار برگشتی برای آموزش شبکه استفاده شدهاست. برای کمینه کردن تابع خطا در این تحقیق از روش لونبرگ - مارکوارت استفاده شده است. همچنین جهت ساخت مدلشبکه عصبی نرم افزار متلب به کار گرفته شده است. با توجه به نتایج به دست آمده شبکه عصبی کارایی خوبی برای پیش بینیکوتاه مدت جریان ترافیک از خود نشان داده است.

Keywords:

شبکه عصبی , پیش بینی , جریان ترافیک , کوتاه مدت , سرعت