پیشبینی حجم ترافیک با استفاده از شبکههای عصبی مصنوعینمونه موردی زنجان
Publish place: International Conference on Civil Engineering , Architecture and urban infrastructure
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 769
This Paper With 13 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:
ICICA01_0772
Index date: 17 March 2016
پیشبینی حجم ترافیک با استفاده از شبکههای عصبی مصنوعینمونه موردی زنجان abstract
شهر یک سیستم فضایی است که عناصر آن نسبت به همدیگر در ارتباط می باشند و به دلیل ماهیت سیستمی آن ، روابط متقابل پیچیده ای بین سیستم حمل و نقل شهری و محیط اقتصادی ، اجتماعی و کالبدی آن وجود دارد. از طرفی برنامه ریزی حمل و نقل شهری جزیی از برنامهریزی فضایی شهری است که جنبه های سهگانه اجتماعی، اقتصادی و کالبدی را مورد توجهقرار میدهد.فضای شهری عالیترین محل جابجایی است وتردد درشهر بیش از هر جای دیگر اساس زندگی است. به دلیل گسترش فناوریها و وسایط نقلیه تردد شهری در حال تغییر است و هر اندازه فضای شهر گسترش یابد، مسیرها طولانیتر شود و هر چه سطح زندگی ارتقا پیدا کند تعداد سفرها رو به افزایش میگذارد. جابجایی و تردد شهری نیز بازتاب ساختار فضاییشهر است. بدین ترتیب برنامه ریزی برای یک سیستم بدون توجه به سیستم حمل و نقل شهری نه تنها نتیجه ای در برندارد بلکه باعث تشدید و بروز مشکلاتی نیز میگردد. هدف کلی پژوهش حاضر، پیش بینی حجم ترافیک با استفاده از شبکه های عصبی مصنوعی می باشد.
پیشبینی حجم ترافیک با استفاده از شبکههای عصبی مصنوعینمونه موردی زنجان Keywords:
پیشبینی حجم ترافیک با استفاده از شبکههای عصبی مصنوعینمونه موردی زنجان authors
شهرزاد مقدم
دانشجوی دکتری جغرافیا و برنامه ریزی شهری دانشگاه شهید بهشتی
مینا زمانی
کارشناس ارشد جغرافیا و برنامه ریزی شهری
علی خدایی
کارشناس مدیریت دولتی
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 :