پیش بینی کوتاه مدت حجم تردد بزرگراه های شهری با استفاده از تبدیلات حوزه فرکانس

مدیریت مناسب ترافیک شهری مستلزم پیش بینی کوتاه مدت وضعیت تردد بزرگراه های شهری است. در صورت پیش بینی جریان آینده نزدیک (چند دقیقه بعد) هدایت جریان از طریق تابلوهای پیام متغیر نصب شده در بزرگراه هاامکان پذیر می شود. وضعیت جریان ترافیک در بزرگراه های شهری از عوامل مختلفی تأثیر می گیرد و پیوسته در حال تغییر است، در نتیجه معمولاً پیش بینی شهودی آن امکان پذیر نیست. مقاله ی حاضر به توسعه روشی برایپیش بینی کوتاه مدت جریان ترافیک می پردازد. مقاله حاضر با استفاده از تبدیل موجک، فرکانس های اصلی سیگنال تردد را استخراج نموده و سپس وضعیت تردد پنج دقیقه آینده را با استفاده از شبکه عصبی پیش بینی نموده است.نتایج پیش بینی جریان با استفاده از مدل ترکیبی تبدیل موجک – شبکه مصنوعی عصبی نسبت به مدل های اماری و مدل ساده شبکه مصنوعی عصبی از دقت بیشتری برخوردار است. بهترین نتیجه با استفاده از موجک هار با یک فرکانس اصلی و سه فرکانس فرعی بدست آمد. ساختار نهایی قادر است حجم تردد در 5 دقیقه آینده را با میانگین خطای مطلق7/43 7 پیش بینی نماید.

کلیدواژه ها:

پیش بینی جریان ترافیک ، پردازش سیگنال ، تبدیل موجک ، شبکه مصنوعی عصبی