الهام عطائی فر - دانشجوی کارشناسی ارشد، گروه مکاترونیک، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران،
مهدی اسماعیلی - استادیار، گروه کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران،

توسعه ی سیستم های ثبت اطلاعات ترافیک و افزایش روزافزون اطلاعات سیستم های مذکور، ما را در جهت پیش بینی الگوهای مناسب ترافیکی هدایت می کند. پیشبینی وضعیت ترافیک جاده می تواند در سیستم های اطلاعاتی هوشمند، اتوماسیون عوارضی ها، تابلوهای هوشمند، تغییر جایگاه ها و نیروهای پلیس استفاده شود. یکی از روش های پیش بینی وضعیت ترافیک استفاده از تکنیک های داده کاوی می باشد. داده کاوی امکان تجزیه تحلیل حجم عظیمی از داده های ترافیک را فراهم می کند که الگوهای مناسبی از آن استخراج می شود. این الگوها کمک شایانی به حل مشکلات ترافیک خواهد کرد. پارامترهای مورد بررسی در این مقاله از سازمان راهداری و حمل و نقل جاده ای در سال های 1390 و 1391 برای آزاد راه قم - تهران و تهران - قم دریافت شده است البته ممکن است پارامترهای دیگری نیز بر وضعیت ترافیک تأثیرگذار باشند. در این پژوهش از ابزار داده کاوی جهت بررسی تکنیک های داده کاوی از جمله: درخت تصمیم، مبتنی بر قواعد، بیز ساده، جنگل تصادفی و روش های ترکیبی از جمله روش Bayesian boosting، Bagging و Adaboost استفاده شده است. نتایج بیانگر برتری روش ترکیبی Bagging و روش درخت تصمیم به ترتیب با درصد صحت برابر 84/05 و 83/37 می باشد.

اتوماسیون، داده کاوی، درخت تصمیم، وضعیت ترافیک