پیاده سازی اتوماسیون پیشبینی وضعیت ترافیک جادهای با استفاده از تکنیکهای داده کاوی

چکیده مقاله

توسعه ی سیستمهای ثبت اطلاعات ترافیک و افزایش روزافزون اطلاعات سیستمهای مذکور، ما را در جهت پیش بینی الگوهای مناسب ترافیکی هدایت میکند پیشبینی وضعیت ترافیک جاده میتواند در سیستمهای اطلاعاتی هوشمند، اتوماسیون عوارضیها، تابلوهای هوشمند، تغییر جایگاهها و نیروهای پلیس استفاده شود یکی از روشهای پیشبینی وضعیت ترافیک استفاده از تکنیکهای دادهکاوی می باشد دادهکاوی امکان تجزیه تحلیل حجم عظیمیاز دادههای ترافیک را فراهم میکند که الگوهای مناسبی از آن استخراج میشود این الگوها کمک شایانی به حل مشکلات ترافیک خواهد کرد پارامترهای مورد بررسی در این مقاله از سازمان راهداری و حمل و نقل جادهای درسالهای 1390 و 1391 برای آزادراه قم تهران و تهران قم دریافت شده است البته ممکن است پارامترهای دیگری نیز بر وضعیت ترافیک تأثیرگذار باشند در این پژوهش از ابزار دادهکاوی جهت بررسی تکنیکهای داده کاوی از جمله: درخت تصمیم، مبتنی بر قواعد، بیز ساده، جنگل تصادفی و روشهای ترکیبی از جمله روش و Bagging Adaboost و Bayesian boosting استفاده شده است نتایج بیانگر برتری روش ترکیبی Bagging وروش درخت تصمیم به ترتیب با درصد صحت برابر84/05و83/37 می باشد

کلیدواژه‌ها

نویسندگان

الهام عطائی فر

دانشجو کارشناسی ارشد، گروه مکاترونیک، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران

مهدی اسماعیلی

استادیار، گروه کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران

�طائی فر، الهام و اسماعیلی، مهدی،1394،پیاده سازی اتوماسیون پیشبینی وضعیت ترافیک جادهای با استفاده از تکنیکهای داده کاوی،پانزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران

ارائه‌شده در

مجموعه مقالات پانزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک11 اسفند 1394 · تهران