نسیم بریمانی - استادیار گروه برق- قدرت، دانشکده مهندسی برق و کامپیوتر، واحد یادگار امام خمینی (ره) شهرری، دانشگاه آزاد اسلامی، تهران، ایران

پیشرفت تکنولوژی به ویژه در زمینه حسگرها، دسترسی روزافزون افراد به نرم افرازها، پیشرفت خودروها و تغییر سبکزندگی، انتظار مسافران را برای داشتن سفری سریع و راحت افزایش داده است. با جمع آوری و پردازش اطلاعات مربوط بهترافیک یک بزرگراه و استفاده از روشهای مدلسازی و پیش بینی حالات ترافیک، میتوان وضعیت بعدی حالات ترافیک راپیش بینی کرد و اقدامات مناسب برای کنترل و مدیریت هوشمندانه و هماهنگ جهت افزایش کارآیی شبکه های حمل و نقل،روان سازی ترافیک و براورده کردن انتظار مسافران را اتخاذ نمود. مدلسازی و پیش بینی با دقت بالای متغیرهای ترافیک بهدلیل ماهیت غیرخطی سیستم ترافیک، امر پیچیده ای می باشد. در بسیاری از روش های موجود فرض ساده کننده وجودرابطه خطی بین متغیرهای ایستگاه های ترافیک در بعد زمان و مکان باعث افزایش خطا در پیش بینی ها شده است. در اینمقاله به منظور پوشش دینامیک غیرخطی و پیچیده سیستم ترافیک، از نگاشت داده ها از فضای واقعی به فضای کرنلهیلبرت بازتولید شونده استفاده شده است. با در نظر گرفتن اینکه برای هر مدل غیرخطی با انتخاب تابع کرنل مناسب، یکمدل خطی در فضای جدید کرنل هیلبرت بازتولید شونده وجود دارد، به کار بردن تعمیم روش حداقل مربعات بازگشتیخطی در فضای جدید، منجر به مدل سازی و پیش بینی دقیقی از متغیر سرعت ترافیک شده است. نتایج شبیه سازی تکمتغیره روش فوق بر روی داده های واقعی ترافیک جمع آوری شده از بخشی از بزرگراه شماره 35-1 ایالت مینسوتا، حاکی از دقت روش فوق در پیشبینی سرعت ترافیک واقعی می باشد.

پیش بینی، سرعت ترافیک، الگوریتم حداقل مربعات بازگشتی، فضای کرنل هیلبرت باز تولید شونده