ارائه یک الگوریتم جدید برای پیش بینی حجم ترافیک در تقاطع های شهری مبتنی بر شبکه های عصبی-فازی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 938
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC02_022
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
پیش بینی رفتار سیستم ترافیک شهری به دلیل وابستگی آن به شرایط متعدد به عنوان چالش محسوبمی شود. در این مقاله یک مدل تطبیقی جدید به منظور پیشبینی حجم ترافیک شهری مبتنی بر شبکهعصبی فازی ارائه شده است. در مدل پیشنهادی از مدل سوگنو مبتنی بر دسته بندی تفاضلی برای سیستمعصبی فازی استفاده شده است. استفاده از الگوریتم دسته بندی تفاضلی موجب تعیین تعداد قوانینفازی مناسب برای مدل پیشنهادی میشود. همچنین الگوریتم کلونی زنبور عسل به منظور تعیین اندازهبهینه برای شعاع دسته های فازی مورد استفاده قرار گرفته است. مدل پیشنهادی از جنبه های مختلفمورد ارزیابی قرار گرفته و دقت آن در پیشبینی داده های ترافیک شهری آزمایش شده است. نتایجآزمایشات نشان داد که مدل پیشنهادی میتواند حجم ترافیکی پیشرو را با حداقل دقت 90 % پیش بینی کند.
کلیدواژه ها:
نویسندگان
طیبه حاجی طاهر
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی، واحد اراک
عباس کریمی
عضو هیئت علمی دانشگاه آزاد اسلامی، واحد اراک
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 :