مدل پیش بینی کوتاه مدت سرعت متوسط غیرمجاز با رویکرد یادگیری ماشین
محل انتشار: فصلنامه مهندسی حمل و نقل، دوره: 13، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 130
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTE-13-2_011
تاریخ نمایه سازی: 17 اردیبهشت 1401
چکیده مقاله:
سرعت غیرمجاز یکی از عوامل اصلی وقوع تصادفات رانندگی است. در اثر سرعت غیرمجاز در راههای برون شهری نه تنها احتمال وقوع تصادف افزایش پیدا میکند بلکه بر شدت تصادفات نیز افزوده میشود، لذا کنترل سرعت امری واجب به نظر میرسد. نکته حائز اهمیت دیگر تلاش برای جلوگیری از وقوع تخلف سرعت غیرمجاز است. در این پژوهش سرعت متوسط ترافیک برای محور خرم آباد به اراک برای آینده نزدیک پیشبینی میشود. چنانچه سرعت متوسط پیشبینی شده به سرعت مجاز نزدیک یا از آن بیشتر شود، میتوان قبل از وقوع حادثه تمهیدات لازم به منظور کاهش سرعت متوسط ترافیک به وسیله استفادهکنندگان از راه یا گردانندگان سیستم اندیشیده شود. به منظور پیشبینی سرعت متوسط ترافیک، داده ترافیکی محور یاد شده توسط دستگاههای سرعت سنج در سالهای اخیر ثبت شده است. استخراج ویژگیهای موثر بر سرعت ترافیک نیز سبب تکمیل شدن مجموعه داده شده می شود تا بتوان از این ویژگیها برای پیشبینی سرعت متوسط استفاده کرد. سه مدل ماشین بردار پشتیبان، شبکه عصبی مصنوعی و شبکه عصبی مصنوعی بازگشتی به عنوان سه روش مبتنی بر یادگیری ماشین مورد استفاده قرار گرفتهاند. هر سه روش قابلیت تحلیل دادههای حجیم ترافیکی را داشته و در ضمن روش شبکه عصبی مصنوعی بازگشتی به عنوان یک روش مبتنی بر یادگیری عمیق تطابق بیشتری با ماهیت سری زمانی داده دارد. نتایج نشان میدهد برای هر دو جهت رفت وبرگشت این محور، زمانی که تنها از ویژگیهای تقویمی و آبوهوا استفاده شود میانگین درصد خطای مطلق مدلها بین ۸/۲ تا ۱/۵ درصد است و درصد پیشبینی صحیح سرعتهای بالای ۸۵ کیلومتر بر ساعت بالای ۸۰ درصد است. همچنین با افزودن مقادیر مشاهده شده سرعت در بازه زمانی ۳ تا ۸ ساعت گذشته به عنوان متغیر پیشبینی کننده، میانگین درصد خطای مطلق مدلها به ۵/۲ تا ۶/۴ درصد تقلیل پیدا میکند.
کلیدواژه ها:
نویسندگان
رضا محمدحسنی
گروه حمل و نقل ریلی، دانشکده مهندسی راه آهن، دانشگاه علم و صنعت ، تهران، ایران
ارش رسایزدی
دانشجوی دکتری برنامه ریزی حمل و نقل ریلی، دانشکده مهندسی عمران، دانشگاه تربیت مدرس، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :