طراحی مدل پیش بینی جریان ترافیک در راه های خارج شهری با استفاده از شبکه عصبی مصنوعی برای افق کوتاه مدت

بهره گیری از پیش بینی های کوتاه مدت ترافیک و استفاده از آن در مدیریت ترافیک ، مسدودی های محتمل را کاهش خواهد داد و با پایین آوردن زمان سفرها و مسافت طی شده توسط خودروها، باعث کاهش آلودگی صوتی ، آلودگی هوا و همچنین هزینه های مصرفی سوخت خواهد شد. در این مطالعه برای پیش بینی ترافیک از روش شبکه عصبی مصنوعی پرسپترون چند لایه برای پیش بینی تردد و سرعت استفاده می شود ، که در آن از داده های گذشته مربوط به یک ایستگاه تردد شمار برای آموزش شبکه استفاده شده است. داده ها به صورت ساعتی ثبت گردیده است و شبکه توسط نرم افزار متلب ، برای تست و درستی پیش بینی شبکه تردد و سرعت برای یک هفته آینده ساخته شده است و پس از آن با داده های ثبت شده مقایسه و هر دو بر روی یک نمودار رسم گردیده است. در نهایت بعد از مقایسه دو نمودار با روش های آماری برای پیش بینی خطای %20 ، احتمال درستی این روش برای سرعت و تردد به ترتیب ٪61 و 76 بدست آمده است . با دانستن تردد در ساعات مختلف و پیش بینی آن می توان مدیریت و برنامه ریزی بهتری برای جاده های کشور داشت.