ارائه مدل پیش بینی وضعیت ترافیک در معابر شهری شیراز

چکیده مقاله

امروزه ترافیک به یکی از چالش های پیش روی کلان شهرها تبدیل شده و بکارگیری سیستم های حمل و نقل هوشمند راهکاری مناسب جهت بهبود آن محسوب می شود پیش بینی کوتاه مدت وضعیت ترافیک معابر شهری نقش بسزایی در مدیریت ترافیک وبهبود عملکرد سیستم های حمل و نقل هوشمند ایفا نموده و در این راستا فعالیت های بسیاری در مراکز کنترل ترافیک و نهادهای علمی مربوطه در بکارگیری الگوریتم های مناسب جهت کاهش خطای پیش بینی وضعیت ترافیک انجام شده است در تحقیقات اخیر بکارگیری الگوریتم های داده کاوی با توجه به کارایی آن ها در زمینه ی استخراج اطلاعات از داده های حجیمی هم چون داده های ترافیکی مورد توجه قرار گرفته است در این مقاله نیز روش یادگیری تجمعی رندوم فارست با توجه به عملکرد قوی آن در زمینه ی آموزش مدل – های پیش بینی مورد بررسی قرار گفرفت مشاهده ی تفاوت شایان نرخ تغییرات وضعیت ترافیکی معابر مختلف در زمان آنالیز داده، منجر به اعمال یک مرحله انتخاب خصیصه گریده و هم چنیین نظر به استفاده از داده ی واقعی در این تحقیق، انجام مراحل پیش پردازش مختلفی هم چون حل مسئله مقادیر از دست رفته، کاهش بعد و فشردگی داده نیز مورد توجه قرارگرفته است به منظور ارزیابی روش ارائه شده، آزمایشاتی بر روی داده های ترافیکی ثبت شده در مراکز کنترل ترافیک شیراز صورت گرفته که نتایج حاصل، مؤید کارایی روش پیشنهادی می شود

کلیدواژه‌ها

نویسندگان

نرجس زارعی

کارشناس ارشد هوش مصنوعی مرکز کنترل ترافیک شهرداری شیراز

محسن حدیقه جوانی

کارشناس ارشد مهندسی ترافیک مرکز کنترل ترافیک شهرداری شیراز

امیر سوداگران

کارشناس ارشد فناوری اطلاعات، مدیر مرکز کنترل ترافیک شهرداری شیراز

�ارعی، نرجس و حدیقه جوانی، محسن و سوداگران، امیر،1392،ارائه مدل پیش بینی وضعیت ترافیک در معابر شهری شیراز،سیزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران

ارائه‌شده در

مجموعه مقالات چهاردهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک5 اسفند 1393 · تهران