پیش بینی و کنترل ترافیک با رویکردهای داده کاوی با استفاده از داده های gps
Abstract(in Persian; no English abstract is available)
در دنیای امروز افزایش چالشهای شهرنشینی و ترافیک سبب نیاز فوری به سیستم های کنترل ترافیک با حداکثر بهره وری شده است. هدر رفتن زمان و افزایش سوخت مصرفی و هم چنین آلودگیهای هوا و صوتی سبب شده کنترل ترافیک به یکی از مهمترین بحث های روز دنیا تبدیل شود. از جمله روشهای موجود برای رسیدن به این هدف، پیشبینی مسیر و مقصد نهایی خودرو است. اگر مکان آینده خودروها را بتوان پیشبینی کرد، به راحتی میتوان قادر به تخمین ازدحام ترافیک شد. پیشبینی مسیر براساس مسیرهای طی شده گذشته خودرو و در نظر گرفتن مشخصه هایی مانند مکان شروع، ساعت، روز، ماه، مدت زمان با استفاده از روشهای دادهکاوی و شبکههای عصبی مصنوعی امکان پذیر است. در این مقاله از دادههای واقعی gps، به دست آمده از خودروها به منظور انجام عملیات پیشبینی مسیر و مقصد نهایی بهره برده شده است. یکی از روشهای پیشنهادی در این مقاله به دست آوردن پایگاهدادهای از مسیرهای دقیق طی شده خودروها به کمک نرم افزار arcgis است، که این پایگاه داده سبب بالا رفتن دقت پیش بینی مسیر خودرو شده است. در این مقاله یک پایگاهداده کلی شامل همه حالات شبکه جاده ای و یک پایگاهداده پیچیده تر شامل چهارراه ها و نقاط چالشی تر جاده ایجاد شده است. هم چنین به منظور عملیات پیش بینی، دو الگوریتم قوانین انجمنی و شبکه های عصبی مصنوعی مورد استفاده قرار گرفته شده است. نتایج به دست آمده نشان دهنده دقت بسیار خوب پیشبینی است. برطبق ارزیابی انجام شده، الگوریتم ann در پایگاهداده کلی با دقت پیش بینی بالای 96 درصد و الگوریتم gri در پایگاهداده پیچیدهتر با دقت پیشبینی بالای 95 درصد، نتایج قابل قبولی به دست آورده اند. روش پیشنهادی و نتایج این پیش بینی می تواند به برنامه ریزی ترافیک و بهینه سازی حرکت خودروها کمک کند.