مدل سازی ظرفیت U-turn در بریدگی ها با استفاده از شبکه عصبی پس انتشار (BPNN) (مطالعه موردی: شهررشت)

امروزه برای افزایش کارایی تقاطع ها و جلوگیری از ازدحام بیش ازحد آن ها، حرکت های گردش به چپدر محل تقاطع ها حذف شده و به صورت U-turn در پایین دست یا بالادست تقاطع انجام می شود. همین امر سبب افزایش بیش ازپیش ظرفیت بریدگیها شده است. در بیشتر مطالعات ی که در زمینهتخمین ظرفیت حرکت U-turn انجام شده، تنها به تأثیر یک پارامتر، بر ظرفیت بریدگی اشاره شده که این خود باعث عدم اطمینان به مدل های به دست آمده خواهد شد. از اینرو در این مقاله از شبکهعصبی مصنوعی (ANN) که دارای کارایی بیشتری نسبت به سایر روش ها می باشد، برای مدل سازی استفاده شده است. داده ها از بریدگی های واقع بر راه های شریانی شهر رشت گردآوری شده اند . در مدل های به دست آمده، چگونگی تأثیر سه پارامتر؛ ظرفیت متداخل ، فاصله عبور بحرانی و زمان دنباله روی بر ظفیت U-turn نشان داده شد. بر اساس نتایج به دست آمده، چنانچه ظرفیت ترافیک مسیر اصلی کم باشد، ظرفیت بریدگی تحت تأثیر دو پارامتر فاصله عبور بحرانی و زمان د نباله روی بوده و با بالا رفتن ظرفیت در مسیر اصلی، این پارامتر نقش بیشتری در کاهش یا افزایش ظرفیت U-turn خواهد داشت.

Keywords:

ظرفیت , U-turn , بریدگی , ترافیک , شبکه عصبی