رویکردی نو در بررسی پیش بینی پذیری ترافیک شهری مبتنی بر تئوری آشوب وپیش بینی جریان ترافیک شهر مشهد مبتنی بر سیستم فازی- عصبی تطبیقی چندگانه

پیش بینی کوتاه مدت پارامترهای ترافیکی مانند جریان تراف کی، سرعت و ازدحام، دارای اهمیت بسیاری در پژوهش های حوزه سیستم های حمل ونقل هوشمند مدرن است. در این مقاله، ابتدا با بکارگیری تئوریآشوب به بررسی پیشبینی پذیری جریان ترافیک شهری پرداخته شده و غیرتصادفی بودن سری زمانی حجم ترافیک مورد بررسی قرار گرفته است. سپس، در حوزه پیش بینی، با توجه به این نکته که یکی از مهم ترینمشکلات در هنگام پی شبینی وضعیت آینده ترافیک ناقص بودن داده ها به علل مختلف است، الگوریتم ارایه شده در این مقاله با بکارگیری روشهای پیش پردازش، سعی بر کاهش تأثیر داد ههای معیوب دارد. همچنیندر فاز پیش پردازش، دسته بند یهای مناسب با درنظرگرفتن تاثیرات پارامترهای اجتماعی بر جریان ترافیک صورت گرفته است. در بخش بعد و به منظور پیش بینی جریان ترافیک با توجه به ویژگیهای تطبیق پذیری، الگوریتمهای خودیادگیر شبکه های عصبی و نیز یادگیری قوانین فازی که در ساختار ANFIS ترکییب شده است، از این مدل برای پیش بینی کوتاهمدت حجم ترافیک استفاده شده است. مدل مطرح شده در این مقاله، برای پیش بینی جریان ترافیک موجود در بلوار فرامرزعباسی در شهر مشهد در کشور ایران مورد استفاده قرار گرفته است. مقایسه نتایج مقادیر پیش بینی شده جریان ترافیک با مقادیر اندازه گیری شده در واقعیت، نشان می دهد که مدل مطرح شده به طور رضایت بخشی جریان ترافیک را پیشبینی می کند

کلیدواژه ها:

پیش بینی کوتاه مدت ، سری زمانی ، نمای لیاپانوف ، سیستم استنتاج فازی