تدوین متدولوژی پیش بینی حجم ترافیک با استفاده از الگوریتم ژنتیک و روش شبکه های عصبی

شهریار افندی زاده; جلیل کیانفر

تدوین متدولوژی پیش بینی حجم ترافیک با استفاده از الگوریتم ژنتیک و روش شبکه های عصبی

Publish place: 8th Transportation and Traffic Engineering Conference of Iran

Publish Year: 1387

Type: Conference paper

Language: Persian

This Paper With 15 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > الگوریتم ژنتیک

Export:

Link to this Paper:

https://civilica.com/doc/39773

Document National Code:

TTC08_096

Index date: 31 October 2007

تدوین متدولوژی پیش بینی حجم ترافیک با استفاده از الگوریتم ژنتیک و روش شبکه های عصبی abstract

مراکز کنترل ترافیک وظایف متعددی را در سیستم حمل و نقل هوشمند بر عهده دارند. یکی از وظایف این مراکز، جمع آوری و پردازش داده های سنسورهای ترافیکی است. پیش بینی حجم ترافیک معابر در لحظات پیش رو یکی از پردازش های مرکز کنترل ترافیک است. این پیش بینی بر اساس حجم عبوری از معبر در لحظات گذشته انجام میشود. آگاهی از حجم ترافیک معابر در لحظات آتی به مرکز در اطلاع رسانی ومدیریت شبکه کمک می نماید. در اینمقاله با استفاده از تکنیک های هوش مصنوعی روشی برای طراحی مدل پیش بینی حجم ترافیک در لحظات پیش ارائه شده است. بر اساس این روش ابتدا یک مدل اولیه با استفاده از شبکه های عصبی طراحی می شود. سپس این مدل با استفاده از الگوریتم ژنتیک بهینه سازی می شود. از روش پیشنهادی برای ساخت مدل های پیش بینی حجم ترافیک محور قزوین – رشت استفاده شده است.نتایج بدست آمده نشان میدهد که استفاده از الگوریتم ژنتیک باعث بهبود عملکرد مدل های پیش بینی می شود.

تدوین متدولوژی پیش بینی حجم ترافیک با استفاده از الگوریتم ژنتیک و روش شبکه های عصبی Keywords:

سیستم حمل و نقل هوشمند , پیش بینی کوتاه مدت , حجم ترافیک , شبکه های عصبی , الگوریتم ژنتیک

تدوین متدولوژی پیش بینی حجم ترافیک با استفاده از الگوریتم ژنتیک و روش شبکه های عصبی authors

شهریار افندی زاده

دانشیار دانشگاه علم و صنعت ایران

جلیل کیانفر

کارشناس ارشد برنامه ریزی حمل و نقل، تهران، ایران، کارشناس سیستم های ح

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 :

Wang, Lipo, Fu Xiuju, *Data Mining with C omputational Intelligence', ...

Kasabov, Nikola K., ،Foundations of Neural Networks, Fuzzy Systems and ...

Kan Chen; John C. Miles, «ITS Handbook 2000: Recommen dation ...

Abdulhai, Baher; Himanshu, Porwal; Will, Recker, «Short-Term Traffic Flow Prediction ...

Karlaftis, Matthew, G.; Eleni, I. Vlahogianni; John C. Golias, *Optimized ...

Principe, J.C., Euliano, N.R., Lefebvre, C.W., ،Neural And Adaptive Systems: ...

Ham F. M., I. Kostanic, *Principles of Neuroc omputing for ...

Haykin, S., ،Neural Networks: _ Comprehensive Foundation', Macmillan, New York, ...

Hagan M. T., M. B. Menhaj, *Training feed forward network ...

and Dynamic Neural Static؛» 10- Gupta, Madan, M. Liang Jin, ...

Haupt, Randy L., Sue Ellen Haupt, ،Practical Genetic Algorithms? , ...

Melanie Mitchell, ،An Introduction to Genetic Algorithms? , MIT Press, ...

نمایش کامل مراجع