[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 10، شماره 3 - ( 12-1399 ) ::
دوره 10 شماره 3 صفحات 147-163 برگشت به فهرست نسخه ها
مدلسازی و پیش بینی ترافیک با استفاده از شبکه ی عصبی پایه و شبکه ی عصبی موجک و به کارگیری سه الگوریتم فراابتکاری ژنتیک، ازدحام ذرات و رقابت استعماری جهت بهینه سازی
زینب قاسم پور، سعید بهزادی*
چکیده:   (153 مشاهده)
جهت رفتارسنجی ترافیک در کلانشهرها، علاوه بر نیاز به داده­های ترافیکی به روز و حجیم، نیاز به ارائه و استفاده از روش­هایی برای تحلیل رفتار ترافیک جهت پیش بینی آن است. موضوع پیش بینی ترافیک، از این جهت مورد توجه است که می توان با رسیدن به این هدف، حمل و نقل را رونق بخشید و از بار اقتصادی که هر ساله بر جوامع مختلف وارد می شود، کم کرد. به همین دلیل، باید به دنبال راه حل­هایی برای پیش بینی ترافیک بود. در این میان، استفاده از علمی به نام شبکه­های عصبی می تواند بسیار کابردی باشد. در این پژوهش، ابتدا سامانه ای طراحی شد تا بتواند داده­های ترافیکی مورد نیاز پژوهش را جمع آوری کند. موضوع دستیابی به داده­های ترافیکی همواره معضلی بوده است که تمامی دغدغه مندان این حوزه با آن مواجه بوده اند. از این رو در پژوهش حاضر ابتدا با طراحی یک سامانه جهت جمع آوری داده­های ترافیکی به رفع معضل مورد نظر پرداخته شد. در مرحله­ی بعد، داده­های ترافیکی جمع آوری شده فراخوانی می­گردد و با استفاده از اعمالی که برای استاندارد سازی و نرمالیزه سازی آن انجام شد، میزان خطا با استفاده از داده­های تست و آموزشی محاسبه گردید. در این مرحله، میزان خطا با مطلوبیت 72 درصد به دست آمد. در مرحله­ی بعدی، تحلیل داده­های ترافیکی با استفاده از ترکیب شبکه عصبی پایه و موجک انجام شد و میزان خطا محاسبه شد. نتایج نشان میدهد که محاسبات با استفاده از تبدیلات موجک دقیق تر است ولی به دلیل تعداد ورودی­های کمتر، مقادیر خطا با استفاده از داده­های تست و آموزشی، 28 درصد محاسبه گردید. به عبارت دیگر میزان مطلوبیت حدود 72 درصد به دست آمد. در مرحله ی آخر هم داده­های ترافیکی جمع آوری شده با استفاده از الگوریتم­های بهینه سازی، بهینه شدند و بهترین نقطه با کمترین خطای ممکن برای هر الگوریتم بهینه سازی، محاسبه گردید.
واژه‌های کلیدی: پیش بینی رفتار ترافیک، شبکه ی عصبی، تبدیل موجک، الگوریتم های بهینه سازی
متن کامل [PDF 1475 kb]   (50 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سامانه های اطلاعات مکانی
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ghasempoor Z, Behzadi S. Traffic Modeling and Prediction Using Basic Neural Network and Wavelet Neural Network Along with Traffic Optimization Using Genetic Algorithm, Particle Swarm, and Colonial Competition. JGST. 2021; 10 (3) :147-163
URL: http://jgst.issge.ir/article-1-958-fa.html

قاسم پور زینب، بهزادی سعید. مدلسازی و پیش بینی ترافیک با استفاده از شبکه ی عصبی پایه و شبکه ی عصبی موجک و به کارگیری سه الگوریتم فراابتکاری ژنتیک، ازدحام ذرات و رقابت استعماری جهت بهینه سازی. نشریه علمی پژوهشی علوم و فنون نقشه برداری. 1399; 10 (3) :147-163

URL: http://jgst.issge.ir/article-1-958-fa.html



دوره 10، شماره 3 - ( 12-1399 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology