مدل شبكه عصبي مصنوعي جهت پيش بيني كوتاه مدت تردد آزادراه قم - تهران

پيش بيني تردد ترافيك به دليل پيچيدگي رفتار ترافيك امري دشوار است، لذا نگاشت يك رابطه رياضي بين عوامل تاثيرگذار بطوريكه بتوان در موارد ديگر نيز رفتار ترافيك را پيش بيني كرد مشكل به نظر مي رسد. در روش شبكه عصبي براي پيشبيني رفتار ترافيك، نيازي به يافتن توابع رياضي جهت ارتباط داده ها نيست بلكه شبكه عصبي مصنوعي به روابط ذاتي بين دادهها پي برده و اين اطلاعات را در وزن هاي خود حفظ مي كند بطوريكه پس از يادگيري مي تواند به حالت هاي مشابه تعميمدهد. در اين تحقيق از الگوريتم انتشار برگشتي براي آموزش شبكه استفاده شده است. در اين الگوريتم ضرايب وزني به گونه اياصلاح مي شوند كه تابع خطا حداقل شود. براي كمينه كردن تابع خطا روش هاي مختلفي وجود دارند كه در اين تحقيق ازروش لونبرگ - ماركوارت استفاده شده است. همچنين جهت ساخت مدل شبكه عصبي نرم افزار متلب به كار گرفته شده است.در نهايت جهت تعيين اهميت نسبي هر يك از پارامتر هاي ورودي بر خروجي مدل شبكه عصبي، آناليز حساسيت انجام شدهاست. با توجه به نتايج به دست آمده شبكه عصبي كارايي خوبي براي پيش بيني كوتاه مدت جريان ترافيك از خود نشان داده است.