CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش بینی حجم ترافیک با در نظر گرفتن همبستگی دو بعدی در شبکه فازی - عصبی ANFIS

اعتبار موردنیاز: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۲۲۷ | نظرات: ۰
سرفصل ارائه مقاله: حمل و نقل
سال انتشار: ۱۳۸۵
نوع ارائه: شفاهی
کد COI مقاله: ICCE07_323
زبان مقاله: فارسی
حجم فایل: ۴۹۲.۹۳ کلیوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله پیش بینی حجم ترافیک با در نظر گرفتن همبستگی دو بعدی در شبکه فازی - عصبی ANFIS

  مرجان کائدی - کارشناسی ارشد هوش مصنوعی، دانشگاه تهران
  ناصر موحدی نیا - استادیار گروه کامپیوتر، دانشکده مهندسی، دانشگاه اصفهان
  کمال جمشیدی - استادیار گروه کامپیوتر، دانشکده مهندسی، دانشگاه اصفهان

چکیده مقاله:

به دلیل پیچیدگی ترافیک شهری، پیش بینی حجم ترافیک یکی از ابزارهای ضروری جهت کنترل بهینه رفت و آمد در شهرهای بزرگ می باشد. پیش بینی ترافیک به کنترل کننده ها کمک می کند تا با اتخاذ تصمیمات مناسب از بروز ازدحام و بن بست در ترافیک جلوگیری کنند. در این مقاله، یک شبکه عصبی – فازی (Neurofuzzy) از نوع ANFIS برای پیش بینی حجم ترافیک ارائه شده که در آن علاوه بر همبستگی حجم ترافیک در ساعات مجاور پیشین، همبستگی آن در ساعات مشابه در روزهای گذشته نیز در نظر گرفته شده است. روش ارائه شده، بر روی داده های واقعی جمع آوری شده از یک خیابان داخل شهر اصفهان، اعمال گردیده ، نتایج شبیه سازی مورد بررسی قرار گرفته و بازدهی خوبی را نشان داده است.

کلیدواژه‌ها:

حجم ترافیک ، پیش بینی ، همبستگی دو بعدی ، شبکه فازی عصبی ، ANFIS

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICCE07-ICCE07_323.html
کد COI مقاله: ICCE07_323

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کائدی, مرجان؛ ناصر موحدی نیا و کمال جمشیدی، ۱۳۸۵، پیش بینی حجم ترافیک با در نظر گرفتن همبستگی دو بعدی در شبکه فازی - عصبی ANFIS، هفتمین کنگره بین المللی مهندسی عمران، تهران، دانشگاه تربیت مدرس، دانشکده عمران، https://www.civilica.com/Paper-ICCE07-ICCE07_323.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (کائدی, مرجان؛ ناصر موحدی نیا و کمال جمشیدی، ۱۳۸۵)
برای بار دوم به بعد: (کائدی؛ موحدی نیا و جمشیدی، ۱۳۸۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Bouchara, B. , Bensaid , A. , 1999, Time series ...
  • Yasdi, R. , 1999 _ Prediction of Road Traffic using ...
  • -Annunziato , M _ Bertini , I., Pannicelli , A. ...
  • Innamaa, S., 2000 , Short-Term Prediction of Traffic Situation Using ...
  • Yun, S.Y., Namkoong, S., Rho, J.H., Shing, S.W. , Choi, ...
  • YinH. , Wong, Sc. , Xu, J. , Wong , ...
  • Bingham, E. _ 1998, Neurofuzzy Traffic Signal Control, Master's The ...
  • Shing , J. , Jang, R. , 1993 , ANFIS ...
  • 0-Castel lano, G., Fanelli , A.M, 2000, A se If-organizing ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۶۳۸۷۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.