ارائه مدل پیش بینی سرعت ترافیک در شرایط بارندگیبا بکار گیری شبکه های عصبی (مطالعه موردی : استان گیلان)

روابط بین اجزای اصلی ترافیک به جهت اینکه ابزاری برای تحلیل های دقیق تر ارایه می دهند همواره از اهمیت زیادی نزد محققان برخوردار بوده اند. با لحاظ نمودن این امر که در اکثر مطالعات مشابه و از جمله منابع اصلی دانشگاهی سعی بر این بوده که روابط ، عمدتا برای شرایط آفتابی و مساعد هوایی ارایه گردد ؛ این مقاله با تاثیر دادن شرایط بارش ساعتی برای یک راه اصلی با جدا کننده وسط واقع در منطقه پر بارش ، مدلی برای پیش بینی سرعت جریان ترافیک مبتنی بر شبکه های عصبی ارایه نمود. به این منظور شبکه پرسپترون با سه ورودی حجم ترافیک ساعتی ، درصد ساعتی وسایل نقلیه سنگین و وضعیت بارش (1 برای بارش و 0 برای عدم بارش) و خروجی سرعت متوسط ، تعریف شده و آموزش دید. مدل موصوف دارای ضریب برازش  0/86 و بر اساس اطلاعات محور خمام - انزلی واقع در استان گیلان بوده است.