پیش بینی کوتاه مدت جریان ترافیک با استفاده از اطلاعات متقابل در حضور ازدست دادن داده ها

چکیده مقاله

یکی از مسایل موجود در سیستمهای حمل و نقل هوشمند، پیش بینی جریان ترافیک می باشد که نقش مهمی را در مباحث کنترل ترافیک، کنترل چراغهای راهنمایی و کنترل زمان سفر دارد دیدگاه استفاده از اطلاعات متقابل Mutual Information یک ایده جالب برای به دست آوردن میزان وابستگی موجود بین داده های گذشته میباشد که میتواند میزان وابستگی غیرخطی موجود بین دادهها را به دست آورد با محاسبه این تقابل اطلاعات بین دادههای گذشته و انتخاب بهترین دسته داده برای عملیات پیش بینی سعی کرده ایم که در عین کاهش حجم محاسباتی، دقت پیش بینی را نیز افزایش دهیم در این مقاله با توجه به متفاوت بودن الگوهای رفتاری جریان ترافیک، با ترکیب نظریه اطلاعات متقابل با شبکه عصبی به پیش بینی کوتاه مدت جریان ترافیک با در نظر گرفتن انواع حالتهای مختلف اغتشاشی همچون امکان از دست دادن داده ها و یا معیوب شدن آنها تحت شرایط مختلف آب و هوایی نظیر بارش باران و یا برف و شرایط مختلف ترافیکی مانند وقوع ازدحام و تصادف در جاده، پرداخته و عملکرد این مدل پیش بینی مورد مقایسه با روشهای معمولی و گذشته قرار گرفته است که حاکی از بالا بودن دقت پیش بینی جریان ترافیک با استفاده از ترکیب اطلاعات متقابل و شبکه عصبی میباشد

کلیدواژه‌ها

نویسندگان

سید هادی حسینی

گروه مهندسی برق، دانشگاه آزاد اسلامی واحد تهران شرق

مهدیه شبانیان

سید هادی حسینی گروه مهندسی برق، دانشگاه آزاد اسلامی واحد تهران شرق

�سینی، سید هادی و شبانیان، مهدیه،1391،پیش بینی کوتاه مدت جریان ترافیک با استفاده از اطلاعات متقابل در حضور ازدست دادن داده ها،دوازدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران

ارائه‌شده در

مجموعه مقالات دوازدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک1 اسفند 1391 · تهران