ارائه یک الگوریتم جدید برای پیش بینی حجم ترافیک در تقاطع های شهری مبتنی بر شبکه های عصبی-فازی
Publish place: The Second International Conference and the Third National Conference on the Application of New Technologies in Engineering Sciences
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 940
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC02_022
تاریخ نمایه سازی: 21 شهریور 1395
Abstract:
پیش بینی رفتار سیستم ترافیک شهری به دلیل وابستگی آن به شرایط متعدد به عنوان چالش محسوبمی شود. در این مقاله یک مدل تطبیقی جدید به منظور پیشبینی حجم ترافیک شهری مبتنی بر شبکهعصبی فازی ارائه شده است. در مدل پیشنهادی از مدل سوگنو مبتنی بر دسته بندی تفاضلی برای سیستمعصبی فازی استفاده شده است. استفاده از الگوریتم دسته بندی تفاضلی موجب تعیین تعداد قوانینفازی مناسب برای مدل پیشنهادی میشود. همچنین الگوریتم کلونی زنبور عسل به منظور تعیین اندازهبهینه برای شعاع دسته های فازی مورد استفاده قرار گرفته است. مدل پیشنهادی از جنبه های مختلفمورد ارزیابی قرار گرفته و دقت آن در پیشبینی داده های ترافیک شهری آزمایش شده است. نتایجآزمایشات نشان داد که مدل پیشنهادی میتواند حجم ترافیکی پیشرو را با حداقل دقت 90 % پیش بینی کند.
Keywords:
Authors
طیبه حاجی طاهر
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی، واحد اراک
عباس کریمی
عضو هیئت علمی دانشگاه آزاد اسلامی، واحد اراک
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 :