پیش بینی تعداد وسایل نقلیه پردازش شده با تکنیک هوشمند پردازش تصویر به وسیله شبکه عصبی

چکیده مقاله

وسایل نقلیه سنگین نقش مهمی را در حمل و نقل جاده ای و شهری دارند ولی باعث بروز مشکلاتی در ترافیک شده و محیط زیست به چالش می کشند دانست تعداد وسایل نقلیه سنگین موجب توزیع بهتر ترافیک می شود، برنامه ریزی در جهت ایجاد زیر ساخت ها میسر می سازد و موجب بهره برداری از تمامی ظرفیت های عمرانی و خدماتی می شود هدف اصلی این مقاله تجزیه و تحلیل دنباله های ویدیویی برای ردیابی وسایل نقلیه سنگین است به همین منظور بااستفاده از تکنیک پردازش تصویرابتدا خودروها از یکدیگر تفکیک شدند که نتایج آن با توجه به روان بودن ترافیک شهری، تشخیص و گروه بندی 92 درصد وسایل نقلیه بود به گونه ای که فرایند تشخیص موتورسیکلت 86 درصد و خودروهای سبک 97 درصد و خودروهای سنگین 98 درصد بود با توجه به توانایی مدل شبکه عصبی در امر پیش بینی، تعداد وسایل نقلیه سنگین استخراج شده از تکنیک پردازش تصاویر با توجه به دیگر مولفه های مربوط به ترافیک از جمله تعداد خودورهای سبک، تعداد موتورسیکلت ها و فاصله زمانی خودروهای سنگین سنجیده شد استفاده از مدل پرسپترون چند لایه، با الگوریتم آموزش پس از انتشار نتایج مطلوبی از کارایی شبکه عصبی در پیش بینی تعداد وسایل نقلیه سنگین نشان داد

کلیدواژه‌ها

نویسندگان

صابر حسنعلی زاده

گروه مدیریت و حسابداری دانشگاه آزاد اسلامی واحد شال

شبنم صدری

عضو هیئت علمی و معاون آموزشی دانشگاه آزاد اسلامی واحد شال

مرتضی رحمنی

گروه برق دانشگاه آزاد اسلامی واحد شال

�سنعلی زاده، صابر و صدری، شبنم و رحمنی، مرتضی،1392،پیش بینی تعداد وسایل نقلیه پردازش شده با تکنیک هوشمند پردازش تصویر به وسیله شبکه عصبی،سیزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران

ارائه‌شده در

مجموعه مقالات سیزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک6 اسفند 1392 · تهران