زمان بندی مطلوب تقاطع های سری با هدف کاهش تأخیر با استفاده از ترکیب شبکه های عصبی مصنوعی و الگوریتم ژنتیک

چکیده مقاله

کارایی شبکه حمل و نقل متأثر از متغیرهای تصمیم گیری و عملکردی متفاوتی می باشد بعضی از اینمتغیرها مربوط به الگوهای بارگذاری در شبکه بوده و دسته ای دیگر مربوط به کنترل جریان وسائلنقلیه در شبکه می باشند در شبکه راه های شهری، چراغ های راهنمایی برای کنترل حرکت های وسائلنقلیه در راستای کاهش تراکم ترافیک و افزایش ایمنی در تقاطعات استفاده می شوند شناخت الگوهایترافیکی نقش بسیار اساسی در افزایش کارایی چراغ های راهنمایی دارد در این مطالعه از شبکه هایعصبی مصنوعی به عنوان شبکه های تقریب ساز در جهت پیش بینی وضعیت ترافیک و از الگوریتمژنتیک به عنوان یک ابزار مناسب برای جستجوی یک زمان بندی بهینه از میان زمان بندی هایاحتمالی گسترده در یک شبکه شامل تقاطعات متوالی استفاده شده است در این نوع مطالعه برایارزیابی معیار کارایی یک شبکه که تأخیر می باشد، به جای استفاده از روابط ریاضی تقریبی از سابقه یآماری خود تقاطعات استفاده میشود نتایج نشان دهنده این موضوع است که روش پیشنهادی هم ازلحاظ خطا و هم زمان محاسبات در وضعیت مناسبی قرار دارد و نسبت به نرم افزار بهینه ساز سینکروتأخیر را به میزان بیشتری کاهش می دهد

کلیدواژه‌ها

نویسندگان

شهریار افندی زاده

دانشیار دانشکده مهندسی عمران، دانشگاه علم و صنعت، تهران

آتوسا تاج الدینی

دانشجوی کارشناسی ارشد برنامه ریزی حمل و نقل، دانشگاه آزاد اسلامی تهران واحد جنوب

�فندی زاده، شهریار و تاج الدینی، آتوسا،1394،زمان بندی مطلوب تقاطع های سری با هدف کاهش تأخیر با استفاده از ترکیب شبکه های عصبی مصنوعی و الگوریتم ژنتیک،چهاردهمین 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