تخمين وضعيت ترافيكي معبر با استفاده از داده كاوي از داده هاي جمع آوري شده پويشگر واي -فاي

زمينه و هدف: نظارت بر ترافيك به منظور پيش‌بيني ازدحام و مديريت بهتر ترافيك يكي از دغدغه‌هاي مديران است. در اين مطالعه، با استفاده از رصد و جمع‌آوري داده‎هاي واي-فاي گوشي هوشمند مسافرين خودروهاي عبوري، يك رويكرد مقرون به صرفه براي جمع‌آوري داده‌هاي ترافيكي و تشخيص وضعيت ترافيكي جاده‌ها پيشنهاد شده است. روش: ابتدا تعداد مسافران توسط دو پويشگر واي-فاي مستقر در دو طرف جاده جمع‌آوري مي‎شود. در گام بعد، عمليات پيش پردازش شامل پاكسازي داده خام، حذف ايستگاه‌هاي مستقر، مك‌آدرس‌هاي تكراري و تبديل و تجميع بر روي داده‌ها انجام مي‌پذيرد. سپس، با استفاده از الگوريتم‎هاي مختلف يادگيري ماشين با نظارت همچون درخت‌تصميم، رگرسيون و شبكه‌عصبي، حجم ترافيك معبر تخمين زده مي‌شود و در گام نهايي، كدگذاري رنگي نقشه ترافيك براساس حجم تخميني تعيين مي‌‌گردد. آموزش يادگير توسط داده‌هاي جمع‌آوري شده از ترددشمار مركز مديريت راه‌هاي كشور انجام پذيرفته است.يافته‌ها: نتايج نشان مي‌دهد، شبكه عصبي‌مصنوعي و درخت تصميم با دقت كمتر از 10درصد توانسته است حجم ‌تردد معبر را تخمين بزنند كه شبكه‌عصبي با خطاي نسبي 22.9 بهترين تخمين را ارائه داده است. همچنين صحت شبكه‌عصبي به منظور تشخيص تراكم پايين، متوسط و بالا به ترتيب برابر 95/5، 90/9، 88/4 درصد است و دقت كدگذاري رنگي نقشه ترافيك برابر 91/7 بدست آمده است.نتيجه‌گيري: پويشگرهاي واي فاي به عنوان ابزاري ارزان قيمت و قابل جابجايي مي‌تواند با دقت قابل قبولي حجم تردد و كدگذاري رنگي ترافيك را تشخيص و جايگزين مناسبي در شرايطي كه نصب تردد شمارهاي ترافيكي يا دوربين‎هاي تردد شمار با محدوديت‎هاي مختلف روبرو است، خواهد بود.