صابر حسنعلی زاده - گروه مدیریت و حسابداری دانشگاه آزاد اسلامی واحد شال
شبنم صدری - عضو هیئت علمی و معاون آموزشی دانشگاه آزاد اسلامی واحد شال
مرتضی رحمنی - گروه برق دانشگاه آزاد اسلامی واحد شال

وسایل نقلیه سنگین نقش مهمی را در حمل و نقل جاده‌ای و شهری دارند ولی باعث بروز مشکلاتی در ترافیک شده و محیط زیست به چالش می‌کشند. دانست تعداد وسایل نقلیه سنگین موجب توزیع بهتر ترافیک می‌شود، برنامه‌ریزی در جهت ایجاد زیر ساخت‌ها میسر می‌سازد و موجب بهره برداری از تمامی ظرفیت‌های عمرانی و خدماتی می‌شود. هدف اصلی این مقاله تجزیه و تحلیل دنباله‌های ویدیویی برای ردیابی وسایل نقلیه سنگین است. به همین منظور بااستفاده از تکنیک پردازش تصویرابتدا خودروها از یکدیگر تفکیک شدند که نتایج آن با توجه به روان بودن ترافیک شهری، تشخیص و گروه‌بندی 92 درصد وسایل نقلیه بود. به گونه‌ای که فرایند تشخیص موتورسیکلت 86 درصد و خودروهای سبک 97 درصد و خودروهای سنگین 98 درصد بود با توجه به توانایی مدل شبکه عصبی در امر پیش‌بینی، تعداد وسایل نقلیه سنگین استخراج شده از تکنیک پردازش تصاویر با توجه به دیگر مولفه‌های مربوط به ترافیک از جمله تعداد خودورهای سبک، تعداد موتورسیکلت‌ها و فاصله زمانی خودروهای سنگین سنجیده شد. استفاده از مدل پرسپترون چند لایه، با الگوریتم آموزش پس از انتشار نتایج مطلوبی از کارایی شبکه عصبی در پیش بینی تعداد وسایل نقلیه سنگین نشان داد.

تکنیک پردازش تصاویر، شبکه عصبی، پیش بینی تعداد وسایل نقلیه سنگین، مطالعه ترافیک