پیش بینی جریان ترافیک مبتنی برسیستم های نروفازی نوع -2 بهینه شده

داشتن پیش بینی درستی ازجریان ترافیکی یک مسئله مهم درسیستم های حمل و نقل هوشمندits به شمارمی اید به دلیل اینکه جریان ترافیکی تحت تاثیرعوامل مختلف غیرخطی ازجمله رفتاررانندگان وسایل نقلیه و ... قرار میگیرد یک سیستم غیرخطی قوی را تشکیل میدهدکه با زمان تغییر می کنددراین مقاله سیستم ترافیکی تقاطع ازادی - حجت درشهرمشهد درنظر گرفته شده و داده های واقعی برای سال های 2009و2010 ازسیستم SCATS جمع اوری شده است ازانجایی که ANFIS یک سیستم فازی عصبی تطبیقی است لذا با قابلیت خودآموزشی که دارد میتواند یک کنترلر بهینه باشد چرا که تعداد پارامترهای بیشتری برای تنظیم دراختیار سیستم قرارمیدهد و با اموزش دیدن تنظیم خوبی ازشرایط حاکم بدست می آورد دراین مقاله نیز روشی برای پیش بینی بلندمدت کران های بالا و پایین حجم ترافیک با استفاده ازسیستم های نروفازی نوع 2 مبتنی برسیستم های نروفازی نوع -1 ارایه شده است برای این کار ابتدا ورودیهای موثر انتخاب و سیستم نروفازی نوع -1 با آنها اموزش می بیندسپس سیستم فازی نوع -2 معادل آن را جایگزین کرده درنهایت پارامترهای سیستم فازی نوع -2 با الگوریتم ژنتیک بهینه سازی میشود نتایج حاصل نشان میدهد پیش بینی براساس منطق فازی نوع -2 قابل تحسین است