• پیش بینی کوتاه مدت جریان ترافیک با استفاده از اطلاعات متقابل در حضور از دست دادن داده ها

    نویسندگان :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/01/01
    • تاریخ انتشار در تی پی بین: 1392/01/01
    • تعداد بازدید: 579
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    یکی از مسایل موجود در سیستم های حمل و نقل هوشمند، پیش بینی جریان ترافیک می باشد که نقش مهمی را در مباحث کنترل ترافیک، کنترل چراغ های راهنمایی و کنترل زمان سفر دارد. دیدگاه استفاده از اطلاعات متقابل (mutual information) یک ایده جالب برای به دست آوردن میزان وابستگی موجود بین داده های گذشته می باشد که می تواند میزان وابستگی غیرخطی موجود بین داده ها را بهدست آورد. با محاسبه این تقابل اطلاعات بین داده های گذشته و انتخاب بهترین دسته داده برای عملیات پیش بینی سعی کردهایم که در عین کاهش حجم محاسباتی، دقت پیش بینی را نیز افزایش دهیم. در این مقاله با توجه به متفاوت بودن الگوهای رفتاری جریان ترافیک، با ترکیب نظریه اطلاعات متقابل با شبکه عصبی به پیش بینی کوتاه مدت جریان ترافیک با در نظر گرفتن انواع حالت های مختلف اغتشاشی همچون امکان از دست دادن داده ها و یا معیوب شدن آنها تحت شرایط مختلف آب و هوایی نظیر بارش باران و یا برف و شرایط مختلف ترافیکی مانند وقوع ازدحام و تصادف در جاده، پرداخته و عملکرد این مدل پیش بینی مورد مقایسه با روش های معمولی و گذشته قرار گرفته است که حاکی از بالا بودن دقت پیش بینی جریان ترافیک با استفاده از ترکیب اطلاعات متقابل و شبکه عصبی می باشد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم