پیاده سازی اتوماسیون پیشبینی وضعیت ترافیک جادهای با استفاده از تکنیکهای داده کاوی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 771

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TTC15_001

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

توسعه ی سیستمهای ثبت اطلاعات ترافیک و افزایش روزافزون اطلاعات سیستمهای مذکور، ما را در جهت پیش بینی الگوهای مناسب ترافیکی هدایت میکند. پیشبینی وضعیت ترافیک جاده میتواند در سیستمهای اطلاعاتی هوشمند، اتوماسیون عوارضیها، تابلوهای هوشمند، تغییر جایگاهها و نیروهای پلیس استفاده شود. یکی از روشهای پیشبینی وضعیت ترافیک استفاده از تکنیکهای دادهکاوی می باشد. دادهکاوی امکان تجزیه تحلیل حجم عظیمیاز دادههای ترافیک را فراهم میکند که الگوهای مناسبی از آن استخراج میشود. این الگوها کمک شایانی به حل مشکلات ترافیک خواهد کرد. پارامترهای مورد بررسی در این مقاله از سازمان راهداری و حمل و نقل جادهای درسالهای 1390 و 1391 برای آزادراه قم- تهران و تهران - قم دریافت شده است البته ممکن است پارامترهای دیگری نیز بر وضعیت ترافیک تأثیرگذار باشند. در این پژوهش از ابزار دادهکاوی جهت بررسی تکنیکهای داده- کاوی از جمله: درخت تصمیم، مبتنی بر قواعد، بیز ساده، جنگل تصادفی و روشهای ترکیبی از جمله روش و Bagging Adaboost و Bayesian boosting استفاده شده است. نتایج بیانگر برتری روش ترکیبی Bagging وروش درخت تصمیم به ترتیب با درصد صحت برابر84/05و83/37 می باشد

نویسندگان

الهام عطائی فر

دانشجو کارشناسی ارشد، گروه مکاترونیک، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران

مهدی اسماعیلی

استادیار، گروه کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، 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 :