مدیریت هوشمند چراغ های راهنمایی و رانندگی با استفاده از بهینه سازی کلونی مورچگان در جهت کاهش ازدحام ترافیک شهری
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 3,168
This Paper With 15 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:
TTC14_240
Index date: 20 January 2016
مدیریت هوشمند چراغ های راهنمایی و رانندگی با استفاده از بهینه سازی کلونی مورچگان در جهت کاهش ازدحام ترافیک شهری abstract
بهینه سازی زمانبندی چراغ های راهنمایی و رانندگی که به صورت مستقیم تأخیر زمانی، صف بندی،آلودگی و مصرف سوخت را در بر می گیرد، در واقع یک بهینه سازی چند-هدفه است. در اینپژوهش، از الگوریتمی بر پایه الگوریتم کلونی مورچگان (الگوریتم کلونی مورچگان تغییر یافته)، نصبتجهیزات آشکارساز در محدوده های ترافیکی اطراف تقاطع، جهت جمع آوری اطلاعات سامانه و بهینهسازی زمانبندی وضعیت های تقاطع استفاده شده است. با پردازش اطلاعات ترافیکی هر تقاطع بهتخمین و شناسایی محورهای ترافیکی سبک و سنگین پرداخته و در نتیجه با به روز رسانی هوشمندزمانبندی چراغ ها، عبور و مرور خودروها در سطح شهر بهینه شده است. برای این هدف، نسبت بهایجاد یک محیط شبیه سازی شده از شهر کرمان اقدام گردید که کاملا انعطاف پذیر و دارای قابلیتارائه خروجی های متناسب با پژوهش است. پس از تکمیل مدل یک روزه شبیه سازی ترافیک شهر،نسبت به مقایسه پارامترهای سیستم زمان ثابت و روش مورد پژوهش اقدام شد. درنهایت، مشخصگردید روش مورد پژوهش نسبت به سیستم های تجاری همچون SCATS و SCOOT قابلیت های بیشتری در مدیریت و کنترل ترافیک داشته و در صورت پیاده سازی، حرکت ترافیک در شهر روان تر خواهد شد.
مدیریت هوشمند چراغ های راهنمایی و رانندگی با استفاده از بهینه سازی کلونی مورچگان در جهت کاهش ازدحام ترافیک شهری Keywords:
مدیریت هوشمند چراغ های راهنمایی و رانندگی با استفاده از بهینه سازی کلونی مورچگان در جهت کاهش ازدحام ترافیک شهری authors
علی اکبر نیک نفس
عضو هیأت علمی و استادیار بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان
الهام آرمون
دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی، دانشگاه شهید باهنر کرمان
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 :