پیش بینی جریان ترافیک (تردد) در افق کوتاه مدت و بلندمدت با بکارگیری روش های شبکه عصبی

خصوصیات جریان ترافیک در یک مسیر از مهمترین عوامل تصمیم گیری و سیاست گذاری ترافیک در یک منطقه است. هدف تحقیق، رسیدن به پیش بینی جریان ترافیک توسط جمع آوری داده های گذشته آن محور، با بکارگیری روش های هوشمند است. در آینده شرایطی فراهم خواهد شد تا میسر ساختن اتخاذ تصمیمات پیشگیرانه به جای تصمیمات واکنشی باعث بهبود مدیریت ترافیک شود. داده های مورد استفاده در این تحقیق تعداد تردد وسایل نقلیه از محور محمودآباد-کوهین در آزادراه قزوین-رشت از سال 1390 تا 1395 است که توسط سازمان راهداری و حمل و نقل جاده ای با دستگاه های تردد شمار بر خط جمع آوری شده است. برای پیش بینی کوتاه مدت از داده های دو هفته اول ماه های سال 1395 توسط شبکه عصبی پرسپترون چند لایه برای پیش بینی میزان تردد در هفته سوم هر ماه استفاده شده است. در نهایت نیز با مقادیر واقعی هفته سوم ماه و مقایسه پیش بینی با مقادیر واقعی، بیشترین مقدار رگرسیون در آبان ماه محقق شده است. همچنین برای پیش بینی بلندمدت از داده های سال 1390 تا 1394 استفاده شده، سپس با داده های واقعی آن در سال 1395 پیش بینی انجام گرفته، که مقدار رگرسیون 62/0 حاصل شده و پیش بینی بلندمدت رضایت بخش نبوده و عملا دقیق نمی باشد. به همین دلیل، یکبار دیگر پیش بینی بلندمدت با استفاده از شبکه عصبی بازگشتی(نارکس) مورد بررسی قرار گرفته است. با این روش به ازاء پیش بینی بلند مدت، مقدار رگرسیون 84/0 حاصل گردیده که در مقایسه با پیش بینی تردد به روش شبکه عصبی پرسپترون چند لایه، پیش بینی دقیق تری می باشد و با داده های واقعی تطابق بیشتری دارد. پیش بینی کوتاه مدت نیز یکبار دیگر با روش بازگشتی انجام شده و با نتایج روش قبل مورد مقایسه قرار گرفته که نتیجه پیش بینی در کوتاه مدت با مقادیر روش قبل، تقریبا ضریب همبستگی مشابهی برای دوازده ماه سال حاصل نموده و ماه آبان نیز بالاترین مقدار رگرسیون را دارا می باشد.

Keywords:

پیش بینی جریان ترافیک , پیش بینی کوتاه مدت , پیش بینی بلندمدت , شبکه عصبی , NARX , MLP