سیداحسان سیدابریشمی - استادیار دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس
آرش رساءایزدی - دانشجوی دکتری تخصصی برنامه ریزی حمل و نقل، دانشگاه تربیت مدرس
مریم ایران منش - کارشناسی ارشد برنامه ریزی حمل و نقل، دانشگاه تربیت مدرس

پیش بینی کوتاه مدت پارامترهای ترافیکی به عنوان راهکاری برای ایجاد تعادل بین عرضه و تقاضا همواره مورد توجه پژوهشگران قرار گرفته است. پارامترهایی نظیر حجم ترافیک، سرعت متوسط، چگالی، زمان سفر و وضعیت ترافیک از جمله مهم ترین این پارامترها به شمار می آید. با پیش بینی این پارامترها برای آینده ی نزدیک، هم گرداننده سیستم آمادگی لازم برای مواجه ه با بروز تراکم ترافیک را دارد و هم استفاده کننده می تواند سفر خود را برای ساعات و روزهای آتی برنامه ریزی کند. در یک طبقه بندی کلی، این روش ها به سه طبقه ی نایو، پارامتری و غیر پارامتری تقسیمبندی می شوند. در این پژوهش به منظور پیش بینی کوتاه مدت سه پارامتر حجم ترافیک ساعتی، سرعت متوسط ساعتی و وضعیت ترافیکی از روش غیر پارامتری ماشین بردار پشتیبان استفاده شده است. مجموعه داده ی مورد استفاده، مربوط به محور برون شهری کرج -چالوس است. مدل های ماشین بردار پشتیبان به صورت پیوسته برای پیش بینی حجم و سرعت و گسسته برای پارامتر وضعیت ترافیک پرداخت شده و نتایج نشان می دهد دقت پیش بینی برای دو پارامتر حجم و وضعیت ترافیک بیشتر از نتایج پیش بینی برای پارامتر سرعت ترافیک است. تفاوت در دقت پیش بینی مدل های سرعتموند به بازه ی تغییرات محدودتر سرعت مربوط دانست.

سیستم هوشمنداطلاع مسافر،پیش بینی کوتاه مدت،ماشین بردارپشتیبان،پارامترهای ترافیکی