شاهین شعبانی 1 ، مهدی معتمدی سده 2 ، فرید امجدی 3
-1 استادیار، گروه مهندسی عمران دانشگاه پیام نور تهران، مرکز تهران شمال، تهران، ایران
-2 دانشجوی کارشناسی ارشد، گروه مهندسی عمران دانشگاه پیام نور، مرکز تهران شمال، تهران، ایران
-3 دانش آموخته کارشناسی ارشد، گروه مهندسی عمران دانشگاه پیام نور، مرکز تهران شمال، تهران، ایران
Shabani@iust.ac.ir
M.Motamedi86@yahoo.com
Farid.Amjadi@yahoo.com
خلاصه
پیش بینی دقیق جریان ترافیک کوتاه مدت، نقشی بنیادی در سیستم های هوشمند حمل و نقل و نیز سیستم های مدیریت ترافیک پیشرفته ایفا می کند.
در پژوهش حاضر، از شبکه های عصبی انتشار برگشتی به منظور پیش بینی متوسط حجم روزانه ترافیک استفاده شده است. داده های حقیقی استفاده
شده برای مدلسازی، از جاده قدیم قم- تهران طی دوره زمانی بین سال های 5831 تا 5831 بدست آمده است. سپس، تغییر متغیری بر روی داده ها
صورت پذیرفته و داده های حاصل از نگاشت، به منظور آموزش شبکه عصبی، بکار گرفته می شوند. در این راستا برای دستیابی به بهترین شبکه، از
الگوریتم های آموزشی مختلفی استفاده شده است. سپس شبکه های آموزش دیده برای پیش بینی احجام ترافیکی روزهای آتی مورد استفاده قرار
گرفته و اعتبار سنجی می شوند. نتایج نشان می دهد که روش حاضر، احجام روزانه ترافیکی را با دقتی بالا و سرعتی مطلوب پیش بینی می کند.
کلمات کلیدی: حجم روزانه ترافیک، مدلسازی، شبکه های عصبی، پیش بینی.
مدلسازی متوسط حجم روزانه ترافیک با استفاده از شبکه های عصبی انتشار برگشتی (BP)
