شهریار افندی زاده - دانشیار دانشگاه علم و صنعت ایران
جلیل کیانفر - کارشناس ارشد برنامه ریزی حمل و نقل، تهران، ایران، کارشناس سیستم های ح

مراکز کنترل ترافیک وظایف متعددی را در سیستم حمل و نقل هوشمند بر عهده دارند. یکی از وظایف این مراکز، جمع آوری و پردازش داده های سنسورهای ترافیکی است. پیش بینی حجم ترافیک معابر در لحظات پیش رو یکی از پردازش های مرکز کنترل ترافیک است. این پیش بینی بر اساس حجم عبوری از معبر در لحظات گذشته انجام میشود. آگاهی از حجم ترافیک معابر در لحظات آتی به مرکز در اطلاع رسانی ومدیریت شبکه کمک می نماید. در اینمقاله با استفاده از تکنیک های هوش مصنوعی روشی برای طراحی مدل پیش بینی حجم ترافیک در لحظات پیش ارائه شده است. بر اساس این روش ابتدا یک مدل اولیه با استفاده از شبکه های عصبی طراحی می شود. سپس این مدل با استفاده از الگوریتم ژنتیک بهینه سازی می شود. از روش پیشنهادی برای ساخت مدل های پیش بینی حجم ترافیک محور قزوین – رشت استفاده شده است.نتایج بدست آمده نشان میدهد که استفاده از الگوریتم ژنتیک باعث بهبود عملکرد مدل های پیش بینی می شود.

سیستم حمل و نقل هوشمند ، پیش بینی کوتاه مدت ، حجم ترافیک ، شبکه های عصبی ، الگوریتم ژنتیک