ارائه مدل پیش بینی سرعت ترافیک در شرایط بارندگی با بکار گیری شبکه های عصبی (مطالعه موردی : استان گیلان)

روابط بین اجزای اصلی ترافیک به جهت اینکه ابزاری برای تحلیلهای دقیقتر ارائه میدهند همواره از اهمیت زیادی نزد محققان برخوردار بودهاند. با لحاظ نمودن این امر که در اکثر مطالعات مشابه و از جمله منابع اصلیدانشگاهی سعی بر این بوده که روابط، عمدتاً برای شرایط آفتابی و مساعد هوایی ارائه گردد؛ این مقاله با تاثیر دادن شرایط بارش ساعتی برای یک راه اصلی با جدا کننده وسط واقع در منطقه پر بارش، مدلی برای پیشبینی سرعتجریان ترافیک مبتنی بر شبکههای عصبی ارائه نمود. به این منظور شبکه پرسپترون با سه ورودی حجم ترافیک ساعتی، درصد ساعتی وسائل نقلیه سنگین و وضعیت بارش ( 1 برای بارش و 0 برای عدم بارش) و خروجی سرعت متوسط، تعریف شده و آموزش دید. مدل موصوف دارای ضریب برازش0/86 و بر اساس اطلاعات محور خمام -انزلی واقع در استان گیلان بوده استض

Keywords:

سرعت , جریان ترافیک , شبکه های عصبی