پيش بيني كوتاه مدت جريان ترافيك با استفاده از شبكه هاي عصبي و پيش

چكیده امروزه براي كنترل جریان ترافیكی و جلوگیري از بروز تراكم ترافیكی از روشهاي كنترلی متفاوتی همانند چراغهاي راهنمایی، تابلوهاي متغییر خبري و زمان بندي ورودي بزرگراهها استفاده میكنند. از آنجایی كه قابلیت پیش بینی شرایط ترافیكی براي بهبود عملكرد كنترل كنندهها بسیار حائز اهمیت است، در این مقاله، هدف استخراج مدلی داده محور براي پیش بینی خودكار جریان ترافیك بوسیله اطلاعات گذشته آن میباشد. دادههاي مورد استفاده در این تحقیق تعداد خودروهاي عبوري از 35 در ایالت مینسوتا 1 است، در دوره چهار ماهه و بازههاي زمانی 15 E قسمتی از بزرگراه بین ایایتی دقیقهاي میباشد. كه ما در نهایت میخواهیم با استفاده از دادههاي گذشته و همچنین پیش بینی بلند مدت همان داده ها به پیش بینی كوتاه مدت دقیق تري از جریان ترافیك بپردازیم. رفتار ترافیكی به دلیل دخالت عوامل گوناگون انسانی و شرایط متغیر محیطی، غیرخطی و غیرایستا می- باشد، درنتیجه براي مدل كردن و پیش بینی آن نیز باید از خانواده مدلهاي غیرخطی غیرایستا سود جست. در این مقاله سعی شده است كه از مدل غیرخطی شبكه عصبی چندلایه 2 براي تخمین جریان ترافیك استفاده شود. كلید واژه: ، ،