فهرست مطالب سید حمید عباسی

انتخاب همه

رویکردی نو در بررسی پیش بینی پذیری ترافیک شهری مبتنی بر تئوری آشوب...

سید حمید عباسی*، مهدی یعقوبی

فصلنامه مهندسی حمل و نقل، سال چهارم شماره 3 (پیاپی 15، بهار 1392)، ص 233

پیش بینی کوتاه مدت پارامترهای ترافیکی مانند جریان ترافیک، سرعت و ازدحام، دارای اهمیت بسیاری در پژوهشهای حوزه سیستمهای حمل ونقل هوشمند مدرن است. در این مقاله، ابتدا با بکارگیری تئوری آشوب به بررسی پیش بینی پذیری جریان ترافیک شهری پرداخته شده و غیرتصادفی بودن سری زمانی حجم ترافیک مورد بررسی قرار گرفته است. سپس، در حوزه پیش بینی، با توجه به این نکته که یکی از مهم ترین مشکلات در هنگام پیش بینی وضعیت آینده ترافیک، ناقص بودن داده ها به علل مختلف است، الگوریتم ارایه شده در این مقاله با بکارگیری روش های پیش پردازش، سعی بر کاهش تاثیر داده های معیوب دارد. همچنین در فاز پیش پردازش، دسته بندی های مناسب با درنظرگرفتن تاثیرات پارامترهای اجتماعی بر جریان ترافیک، صورت گرفته است. در بخش بعد و به منظور پیش بینی جریان ترافیک، با توجه به ویژگی های تطبیق پذیری، الگوریتمهای خودیادگیر شبکه های عصبی و نیز یادگیری قوانین فازی که در ساختار ANFIS ترکیب شده است، از این مدل برای پیش بینی کوتاه مدت حجم ترافیک استفاده شده است. مدل مطرح شده در این مقاله، برای پیش بینی جریان ترافیک موجود در بلوار فرامرزعباسی در شهر مشهد در کشور ایران مورد استفاده قرار گرفته است. مقایسه نتایج مقادیر پیش بینی شده جریان ترافیک با مقادیر اندازه گیری شده در واقعیت، نتایج نشان می دهد که مدل مطرح شده به طور رضایت بخشی جریان ترافیک را پیش بینی می کند.

کلید واژگان: پیش بینی کوتاه مدت, سری زمانی, نمای لیاپانوف, سیستم استنتاج فازی}

چکیده مشاهده متن زبان: فارسی

A New Method in Studying Urban Traffic Predictability Based on Chaos Theory and Prediction of Mashhad Traffic Flow Based on Multiple ANFIS

S. H. Abbasi*, M. Yaghoubi

Journal of Transportation Engineering, Volume:4 Issue: 3, 2013, P 233

Short-term prediction of traffic parameters such as traffic flow, speed and occupancy, have an important role in research fields of modern intelligent transportation systems. In this paper, first of all, traffic flow predictability was studied, based on chaos theory, and chaotic properties of traffic volume time-series were evaluated on the basis of Lyapunov exponent. In the prediction module, since the major problem is corrupted and noisy data due to various reasons, effect of corrupted data was reduced by preprocessing techniques. In the next step, suitable classifications were considered, based on the effects of social factors on the traffic volume. In order to predict traffic flow, according to adaptability features, self learning algorithms of neural networks and also comprehensibility of fuzzy rules which are all combined in ANFIS structure were used. The model proposed in this paper is applied to predict the real traffic flow in Ferdowsi Boulevard, Mashhad city, Iran. Comparing the predicted traffic flow value with the flow measured in reality, the results show that the proposed model can predict traffic flow satisfactorily.

Keywords: Traffic flow, speed, occupancy, prediction, Lyapunov exponent}

Abstract View Paper Original: Persian

بدانید!

در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

فهرست مطالب سید حمید عباسی