ارایه مدل شناسایی خودکار وقایع با استفاده از شبکه عصبی (مطالعه موردی:بزرگراه اراک-بروجرد)

هر گونه تغییر ناگهانی در جریان ترافیک ناشی از وقایع جاده ای عامل بالقوه خطر وتصادف و افزایش هزینه می باشد. لذا شناسایی وعکس العمل به موقع نسبت به وقایع جاده ای یک فاکتور مهم در مدیریت ترافیک محسوب می شود. تشخیص سریع وقایع، باعث کاهش زمان عکس العمل و زمان طرح مدیریت واقعه و در نتیجه آن افزایش ایمنی(جلوگیری از تصادفات ثانوی) و کاهش تاخیر و ترافیک ناشی از وقایع می شود. دراین مقاله ضمن مروری مختصر برروش های مختلف شناسایی وقایع، برای اولین بار در کشور با استفاده از پارامترهای ترافیکی حجم، سرعت و سهم تخلفات سرعت غیر مجاز و فاصله طولی، مدلی مبتنی بر روش شبکه عصبی جهت شناسایی خود کار وقایع ارایه می دهد. بهترین مدل با تابع آموزش trainlm و تابع آستانه tansig بدست می آید که نرخ تشخیص مدل 90 درصد و نرخ آلارم اشتباه 26 درصد می باشد و پارامترهای سهم سرعت غیر مجاز و تغییرات سرعت متوسط بیشترین تاثیر را در مدل سازی دارد.

Keywords:

مدیریت ترافیک , شناسایی خودکار وقایع , شبکه عصبی