پیش بینی کوتاه مدت جریان ترافیک با روشی ترکیبی از ANFIS، شبکه های عصبی و الگوریتم ژنتیک
محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,821
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE04_198
تاریخ نمایه سازی: 6 مهر 1391
چکیده مقاله:
عملکرد بسیاری از اجزاء در سیستم های حمل و نقل هوشمند به شدت به کیفیت پیش بینی ترافیک در کوتاه مدت وابسته است. داشتن پیش بینی درستی از جریان ترافیکی در سیستم های حمل و نقل هوشمند (ITS) برای کنترل سیگنال های ترافیک و بهینه سازی آنها می تواند بسیار اثر بخش باشد. چون سیستم ترافیک کاملاً غیر خطی است، تحت تأثیر عوامل گوناگون، دارای تغییرات کوتاه مدت می باشد، لذا برای بالا بردن دقت سیستم پیشنهاد می شود از پیش بینی کوتاه مدت استفاده کنیم. ما روشی قابل اجرا برای پیش بینی ترافیک بر اساس ANFIS، شبکه های عصبی و الگوریتم ژنتیک پیشنهاد می کنیم. داده ها مربوط به تقاطع 801 شهر مشهد و از استخراج شده از سیستم SCATS است. همان طور که انتظار می رفت نتایج قابل قبولی بدست آمد که با نتایج مدل های دیگر مقایسه شده است.
کلیدواژه ها:
پیش بینی کوتاه مدت ، حمل و نقل هوشمند ، ترافیک هوشمند ، شبکه عصبی ، سیستم فلزی- عصبی تطبیقی ، الگوریتم ژنتیک
نویسندگان
حسین ترکمنی نوقایی
دانشگاه آزاد اسلامی واحد گناباد
آصف زارع
دانشگاه آزاد اسلامی واحد گناباد
مجتبی پریچه
دانشگاه آزاد اسلامی واحد گناباد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :