پیش بینی داده محور جریان ترافیک متاثر از شرایط آب وهوایی مبتنی بر رویکرد شبکه های عصبی

در دهه گذشته، تعداد خودروها در ایران افزایش چشمگیری داشته است، اما مسئله ترافیک باعث ایجاد ناراحتی زیادی برای سفر مردم شدهاست. پیش بینی دقیق و کارآمد جریان ترافیک، به عنوان هسته اصلی سیستم ترافیک هوشمند، می تواند به طور موثر مشکلات سفر و مدیریتترافیک را حل کند. داد ه های جریان ترافیک با ویژگی های زمانی و ویژگی های دوره ای نسبت به اثرات آب وهوا آسیب پذیر هستند و پیش بینیجریان ترافیک کوتاه مدت را به یک مسئله چالش برانگیز تبدیل می کند. بااین حال، اکثر مدل های موجود تاثیر تغییرات آب وهوا بر جریانترافیک را در نظر نمی گیرند که منجر به عملکرد ضعیف در برخی شرایط شدید می شود. این مقاله یک روش پیش بینی جریان ترافیککوتاه مدت را با درنظرگرفتن شرایط آب وهوایی، بر اساس شبکه عصبی کانولوشن تک بعدی و حافظه کوتامدت طولانی ارائه کرده است. دراین مقاله، از داده های آزادراه باغچه - مشهد استفاده شده است و هدف پیش بینی جریان ترافیک یک ساعت آینده این محور است. درنهایت،نتایج نشان داد که دقت پیش بینی مدل شبکه عصبی کانولوشن تک بعدی و حافظه کوتاه مدت طولانی تحت عامل آب وهوا بهتر از بدوندرنظرگرفتن عامل آب وهوا بود