استفاده از شبكه عصبي در پيش بيني خودكار گره هاي ترافيكي

گره هاي ترافيكي همواره به عنوان يكي از مهمترين معضلات جريان ترافيكي آزاد راه ها شناخته شده اند. كشف سريع اين گره هاي ترافيكي و رفع هر چه سريعتر آنها به عنوان يكي از دغدغه هاي مسولين و محققين بوده است. بنابراين ارايه مدلي مناسب براي شناخت اين گردهما نياز ميشود. شبكه هاي عصبي چه در بعد آناليز و توسعه ساختاري و چه در بعد پياده سازي سخت افزاري، از نظر كمي، كيفي و توانايي، در حال رشد و پيشرفت مي باشند و تكنيكهاي مختلفي از محاسبات عصبي همچنان در حال افزايش هستند. اهداف اصلي اين تحقيق پيش بيني و تشخيص خودكار گردهاي ترافيكي با استفاده از مدل شبكه عصبي هوشمند است همچنين با تركيب اين روش با روشهاي معمول مي توان كارايي روش را بالا برد. در اين تحقيق از سه نوع شبكه عصبي مصنوعي 1 (ANN) به منظور پيش بيني و كشف خودكار گردهاي ترافيكي استفاده شده است. در ابتدا از شبكه عصبي چند لايه پرسپترون 2، استفاده شده است. جهت پيش بيني معماري شبكه از 4 و 3 پارامتر ورودي استفاده شده است. يك پارامتر به عنوان خروجي در نظر گرفته شده است. شبكه عصبي ديگري كه در اين تحقيق مورد استفاده قرار گرفته، شبكه نروفازي است. در نهايت از شبكه عصبي تابع مبناي شعاعي به منظور بررسي موفقيت دو شبكه قبلي استفاده شده است. كارايي مدل هاي مختلف با يكديگر مقايسه شده و مدل با كارايي بهينه معرفي شده است.