بررسی قدرت داده کاوی نرم افزار وکا در حل موضوعات ترافیکی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,211

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCE06_0388

تاریخ نمایه سازی: 28 مرداد 1390

چکیده مقاله:

داده کاوی فرآیند تجزیه و تحلیل داده ها و تبدیل آن به اطلاعات مفید است. در این فرآیند از ابزارهای متفاوتی استفاده می شود. نرم افزارهای داده کاوی یکی از این ابزارها برای تجزیه و تحلیل داده ها می باشند. این نرم افزار ها به کاربر اجازه می دهد تا از ابعاد مختلف به تجزیه و تحلیل داده ها، دسته بندی آنها و خلاصه آنها به روابط شناخته شده بپردازد. در حوزه حمل و نقل که همواره با حجم انبوهی از داده ها مواجه می باشد، پردازش داده ها و داده کاوی اهمیت شایانی دارد. در این مقاله ضمن بررسی پیش بینی حجم ترافیک برون شهری، به بررسی یکی از نرم افزار های داده کاوی بنام وکا پرداخته می شود. در داده کاوی از تکنیک و قدرت شبکه عصبی جهت مدلسازی و پیش بینی حجم ترافیک برون شهری محور ساری- قائم شهر استفاده شده است و سپس صحت مدل استفاده شده در محور بابل – قائمشهر اعتبارسنجی شده است. در مدل پیش بینی از مجموعه متغیرهای اقتصادی- اجتماعی مبدا و مقصد در سالهای 85 و 86 و 87 استفاده شده است. نتایج حاصل از تحقیق، قدرت بالای شبکه های عصبی که یکی از ابزارهای نرم افزار وکا می باشد را در پیش بینی های ترافیکی نشان می دهد

کلیدواژه ها:

حمل و نقل ، حجم و پیش بینی ترافیک ، داده کاوی ، نرم افزار وکا ، شبکه عصبی

نویسندگان

سعید حسامی

عضو هیئت علمی دانشگاه صنعتی نوشیروانی بابل

دانیال قلی نژاد ازمیری

دانشجوی دانشکده مهندسی عمران دانشگاه صنعتی نوشیروانی بابل

فرشیدرضا حقیقی

عضو هیئت علمی دانشگاه صنعتی نوشیروانی بابل

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 :
  • شاهی، ج، مهندسی ترافیک، مرکز نشر دانشگاهی تهران، چاپ هفتم، ...
  • و 7 اردیبهشت 1390، دانشگاه سمنان، سمنان، ایران ...
  • حقیقی، ف.ر. و بهانی، ح، (1382)، "بررسی شبکه عصبی و ...
  • حقیقی، ف. و بهبانی، ح.، (1382)، "کنترل زمانبندی چراغ راهنمایی ...
  • مقایسه کارایی روش های رگرسیون خطی اصلاح شده و شبکه های عصبی در پیش بینی سفر مطالعه موردی ناحیه های ترافیکی شهر اصفهان [مقاله کنفرانسی]
  • افندی زاده، ش. و کیانفر ج. (1387)، تدوین متولوژی پیش ... [مقاله کنفرانسی]
  • سازمان حمل و نقل و پایانه های کشور، مر کز ...
  • Neveu, A., (1983), "Quick response procedures to forecast rurl traffic, ...
  • Mohamad, D. Sinha, K.C, Kuczec, T. and Scholer, C.F., (1998), ...
  • Zhao, F. and Chung, S., (2001), :Contributing factors of annual ...
  • Seaver, W.L., Chatterjee, A. and Seaver, M.L.(20 _ 0), "Estimation ...
  • Sharma, S.C., Lingras, P., Xu, F. and Liu, G.X. (1999), ...
  • A]-Masaeid, H.R., Al-Suleiman, T.I. and Obaidat, M.T., (1998), :Traffic volume ...
  • Castro-Neto, M., Jeong, Y., Jleong, M.K. and Han, L.D. (2008), ...
  • Massarelli, I., Imbriani, M., Coi, A., Saraceno, M., Carli, N. ...
  • Wu, Y. and Chan, C.W., (2010), "Analysis of data for ...
  • Su, M., Lo, H. and Hsu, F., (2010), _ neural ...
  • Haghighat, F., Yu, Z., Fung, _ and Yoshino, H., (2010), ...
  • Zhang, J., and Liu, K., "A Labeling Link Intensity Algorithm ...
  • McFadden, D., "Disaggregate Behavioral Travel Demand's RUM Side A 30-Year ...
  • Dorsel, V.P. and Donahoe, W., (1997), :Neural Network Models of ...
  • Omidvar, O. and Dayhoff, J., (1997), "Neural Networks and Pattern ...
  • Omidvar, O. and Van der Smagt, P., (1998), :Neural Systems ...
  • Wang, D., Wunsch, D., Hasselmo, M. and Venay agamoorthy, K., ...
  • McNelis, P., (20 0 4), "Neural Networks in Finance, " ...
  • Goodwin, S. (20 09), "Genetic Dissection of Neural Circuits and ...
  • نمایش کامل مراجع