سال انتشار: ۱۳۹۴
محل انتشار: کنفرانس ملی مهندسی معماری، عمران و توسعه کالبدی
تعداد صفحات: ۷
نویسنده(ها):
پوریا اسدی فارسانی – دانش آموخته ارشد راه و ترابری، دانشگاه یزد
مهدی فلاح تفتی – استادیار دانشکده عمران، دانشگاه یزد

چکیده:
پیش بینی تردد ترافیک به دلیل پیچیدگی رفتار ترافیک امری دشوار است، لذا نگاشت یک رابطه ریاضی بین عوامل تاثیرگذار بطوریکه بتوان در موارد دیگر نیز رفتار ترافیک را پیش بینی کرد مشکل به نظر می رسد. در روش شبکه عصبی برای پیشبینی رفتار ترافیک، نیازی به یافتن توابع ریاضی جهت ارتباط داده ها نیست بلکه شبکه عصبی مصنوعی به روابط ذاتی بین دادهها پی برده و این اطلاعات را در وزن های خود حفظ می کند بطوریکه پس از یادگیری می تواند به حالت های مشابه تعمیمدهد. در این تحقیق از الگوریتم انتشار برگشتی برای آموزش شبکه استفاده شده است. در این الگوریتم ضرایب وزنی به گونه ایاصلاح می شوند که تابع خطا حداقل شود. برای کمینه کردن تابع خطا روش های مختلفی وجود دارند که در این تحقیق ازروش لونبرگ – مارکوارت استفاده شده است. همچنین جهت ساخت مدل شبکه عصبی نرم افزار متلب به کار گرفته شده است.در نهایت جهت تعیین اهمیت نسبی هر یک از پارامتر های ورودی بر خروجی مدل شبکه عصبی، آنالیز حساسیت انجام شدهاست. با توجه به نتایج به دست آمده شبکه عصبی کارایی خوبی برای پیش بینی کوتاه مدت جریان ترافیک از خود نشان داده است.