تعیین خودکار نوع وسیله ی سفر با استفاده از GPS تلفن همراه و شبکه ی عصبی – فازی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 742

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TTC12_120

تاریخ نمایه سازی: 23 خرداد 1392

چکیده مقاله:

تعیین نوع و تقاضای سفر اهمیت زیادی در سازمانهای حمل و نقل هر کشور دارد. با تشخیص دقیق نوع سفر هر کاربر امکان ارائه ی تصویر واقعیتری از تقاضای سفر فراهم میشود. در دهه ی اخیر استنتاج خودکار نوع وسیلهی سفر از دادههای موقعیت از قبیل دادههای اخذ شده با GPS که می تواند زمان و هزینهی روشهای معمول بررسی سفرهای روزانه را به طور قابل ملاحظهای کاهش دهد، مورد توجه قرار گرفته است. تکنیکهای هوش مصنوعی در مدل کردن پدیدههای غیر خطی و پیچیده دارای قابلیت فراوانی میباشند. در این تحقیق برای شناسایی خودکار نوع وسیله ی سفر از شبکهی عصبی-فازی و دادههای GPS جمع آوری شده با تلفن همراه استفاده شده است. برای این منظور دانش مورد نیاز از داده ها در قالب قوانین فازی استخراج شده و سپس با استفاده از این قوانین نوع وسیله ی سفر تعیین شد. نتایج حاکی از این است که این مدل با دقت مطلوبی قابلیت شناسایی نوع وسیله ی سفر را دارا میباشد.

کلیدواژه ها:

شبکه ی عصبی- فازی ، سیستم استنتاج فازی ، شناسایی نوع وسیله ی سفر ، GPS ،

نویسندگان

الهه خزاعی

کارشناس ارشد GIS، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیر

علی اصغر آل شیخ

دانشیار، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدی

محمد کریمی

استادیار، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدی

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 :
  • پیش‌بینی کوتاه مدت آلودگی هوا با کمک شبکه‌های عصبی پرسپترون ...
  • Household travel surveys: Where are we going? Stopher, P., & ...
  • Using Global Positioning Systems and Personal Digital Assistants for Personal ...
  • Can using global positioning system (GPS) improve trip reporting? Murakami, ...
  • Transportation mode detection from mobile phones and GIS information. Leon ...
  • A GPS/GIS method for travel mode detection in New York ...
  • Inferring hybrid transportation modes from sparse GPS data using a ...
  • Understanding transportation modes based on GPS data for Web applications. ...
  • Transportation mode detection using mobile phones and GIS information. Stenneth, ...
  • Automating mode detection for travel behaviour analysis by using global ...
  • Overview of computational intelligence, . Eberhart, R. C. s.l. : ...
  • Mamdani Model based Adaptive Neural Fuzzy Inference System and its ...
  • Soft Computing and Fuzzy Logic. Zadeh, L. A. s.1. : ...
  • Fuller, Robert. Neural Fuzzy Systems. 1995. ...
  • ANFIS: Adap tive-Netwo rk-Based Fuzzy Inference Systems. Jang, J.-S. R. ...
  • IEEE Transaction on Systems, Man, and Cybernetics 23, pp. 665-685, ...
  • Adaptive neuro-fuzzy modeling for prediction of ambient CO concentration _ ...
  • FERNANDO MORGADO و [16] Neuro-Fuzzy Systems: A Survey. _ VEIRA ...
  • A comparative study of data clustering techniques. Hammouda, K. s.l. ...
  • fuzzy model identification based on cluster estimation. Chiu. s.l. : ...
  • Fuzzy Logic and Neuro-fiuzzy Systems: A Systematic Introduction. Yue Wu, ...
  • Survey on Multi-Clas Classification Methods. Aly, Mohamed. 2005, Technical Report, ...
  • Input selection for ANFIS leaming. JSR, Jang. s.l. : IEEE, ...
  • FEATURE SELECTION METHODS AND AL GORITHMS. L. Ladha, T .Deepa. ...
  • نمایش کامل مراجع