روش های مختلف پیش بینی کوتاه مدت جریان ترافیک

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,066

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACPD01_068

تاریخ نمایه سازی: 28 شهریور 1394

چکیده مقاله:

پیش بینی جریان ترافیک در کوتاه مدت یک تابع بسیار مهم در سیستم های پیشرفته مدیریت ترافیک (ATMS) و سیستم های پیشرفته اطلاعات مسافرتی (ATIS) می باشد. نتایج پیش بینی دقیق می تواند شرایط ترافیک آینده را نشان دهد ، که از توسعه استراتژی های کنترل ترافیک فعال در ATMS حمایت می کند و موجب ارائه آنی هدایت مسیر در ATIS و همچنین ارزیابی استراتژی های کنترل ترافیک فعال و هدایت مسیر آنی می شود. امروزه تحقیقات جدیدی در پیش بینی کوتاه مدت جریان ترافیک بزرگراه های شهری، برون شهری و خیابان های سطحی با توجه به تحولات اخیر در فن آوری ITS بوجود آمده است. ترافیک خودرویی، به عنوان یک جریان و یا یک سیال پیوسته شامل چند پارامتر است از جمله تردد، دانسیته و سرعت. از آنجا که جریان ترافیک یکنواخت نیست و در طول زمان و مکان متفاوت است، اندازه گیری جریان ترافیک در واقع نمونه برداری از متغیرهای تصادفی است. در نتیجه پیش بینی جریان ترافیک مقدار واقعی نیست ، اما مقدار برآورد شده بر اساس داده هایتجربی می باشد. در این مقاله به بررسی برخی روش های آماری برای تجزیه و تحلیل الگوهای جریان ترافیک و انتخاب مدلمناسب بر اساس مطالعه الگوهای جریان ترافیک مورد تاکید می پردازیم.

نویسندگان

پوریا اسدی فارسانی

دانش آموخته ارشد راه و ترابری، دانشگاه یزد

مهدی فلاح تفتی

استادیار دانشکده عمران، دانشگاه یزد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ahmed, M.S., Cook, A.R. (1979). "Analysis of freeway traffic time-series ...
  • Bollerslev, T. (1986). "Generalized Autoregressive Conditional Hetero skedasticity. _ Journal ...
  • Box, G.E.P. and Jenkins, G. M. (1970). "Time series analysis: ...
  • Castro-Netoa, M., Jeongb, Y.S., and Jeongb, M.K., and Hana, L.D. ...
  • Chen, L. and Wang, F.Y. (2002). " A neuro-fuzzy system ...
  • Chen, S.Y., and Wang, W. (2006). "Traffic volume forecasting based ...
  • Davis, G.A. and Nihan, N.L. (1984). "Using time-series designs to ...
  • Guin, A. (2004). "An incident detection algorithm based on a ...
  • Guo, J., Williams, B.M., and Smith, B.L. (2007). "Data collection ...
  • Kamarianakis, Y., Kanas, A., and Prastacos, P. (2005). "Modeling traffic ...
  • Lam, S.H.M. and Toan, T.D. (2008). "Short-term travel time prediction ...
  • Ledoux, C. (1997). "An urban traffic flow model integrating neural ...
  • Nau, B. (2005). "Introduction to ARIMA: Nonseasonal models." Decision 411 ...
  • Newell, G.F. (1993). _ simplified theory of kinematic _ in ...
  • Nicholson, H. and Swann, C.D. (1974). "The prediction of traffic ...
  • Okutani, I., and Stephanedes, Y.J. (1984). "Dynamic prediction of traffic ...
  • Park, B., Messer, C.J., and Thomas, _ II. (1998). "Short-term ...
  • Said, S. E. and Dickey, D. A. (1984). "Testing for ...
  • Smith, B. L., and Demetsky M. J. (1994). "Short-term traffic ...
  • Voort, M.D., Dougherty, M., and Watson, S. (1996). "Combining Kohonen ...
  • Williams, B.M., Durvasula, P.K., and Brown, D.E. (1998). "Urban freeway ...
  • Xiao, H., Sun, H., Ran, B., and Oh, Y. (2003). ...
  • Ye, Z.R., Zhang, Y.L, and Middleton, D. R. (2006). -Unscented ...
  • Zhang, Yanru (2011). Freeway Short-Term Traffic Flow Forecasting by Considering ...
  • نمایش کامل مراجع