ارزيابي مدل‌هاي پارامتري و غير پارامتري در پيش بيني وقايع نادر ترافيكي بر مبناي سرعت متوسط و حجم ترافيك

پيش‌ بيني متغيرهاي ترافيكي يكي از ابزارهاي كارآمد در مديريت تقاضاي سفر است. با استفاده از اين ابزار، متغيرهاي ترافيكي پيش‌ بيني شده در اختياران كاربران و گردانندگان سيستم حمل ‌ونقل قرار مي ‌گيرد تا برنامه‌ ريزي ‌هاي فردي و سياست‌گذاري‌هاي كلي اتخاذ شوند. در اين پژوهش دو متغير ترافيكي سرعت متوسط و حجم ترافيك ساعتي، در جاده برون‌شهري كرج به چالوس به‌عنوان محوري با نوسانات زياد متغيرهاي ترافيكي، پيش‌ بيني شده است. از ميان مدل ‌هاي متنوع پيش‌ بيني كننده، مدل ساريما به‌عنوان يك مدل پارامتري و مدل ‌هاي شبكه عصبي مصنوعي و ماشين بردار پشتيبان به‌عنوان مدل‌ هاي غيرپارامتري استفاده شده ‌اند. در فرآيند پيش‌ پردازش داده، متغيرهاي اثرگذار بر سرعت متوسط و حجم ترافيك استخراج و به‌عنوان متغيرهاي پيش‌ بيني كننده به مجموعه داده اضافه شده است. همچنين ازآنجاكه اطلاع داشتن از مقادير بيشينه و كمينه سرعت متوسط و حجم ترافيك به‌عنوان وقايع نادر ترافيكي، اهميت بيشتري به نسبت مقادير عادي دارد، ارزيابي مدل ‌ها با تأكيد بر پيش‌ بيني وقايع نادر انجام شده است. نتايج نشان مي‌ دهد، براي داده آزمون، كمترين ريشه ميانگين مربعات خطاي پيش‌ بيني سرعت متوسط و حجم ترافيك به ترتيب با استفاده از مدل ‌هاي شبكه عصبي مصنوعي و ماشين بردار پشتيبان و برابر با 139 وسيله نقليه بر ساعت و 5 كيلومتر بر ساعت حاصل شده است. كم ترين ريشه ميانگين مربعات خطا پيش‌ بيني سرعت متوسط براي چارك اول و چهارم به عنوان مقادير نادر ترافيكي مقادير مشاهده شده به ترتيب توسط مدل ‌هاي ماشين بردار پشتيبان و شبكه عصبي مصنوعي به دست آمده است. همچنين چارك اول و چهارم مقادير مشاهده شده حجم ترافيك با مدل ماشين بردار پشتيبان دقيق ‌تر از دو مدل ديگر پيش‌ بيني شده ‌اند.