چکیده:
پیش بینــی دقیــق و بهنــگام حجــم ترافیــک ، نقشــی مهــم در فراهــم آوردن اطلاعــات لحظــه ای ترافیــک ، کاهــش ازدحــام در معابــر و بهبــود ایمنــی ترافیــک دارد. در پژوهــش حاضـر از ترکیـب روش شـبکه های عصبـی انتشـار برگشـتی چندلایـه بـه همـراه تبدیـلات موجکـی به منظـور پیش بینـی حجـم سـاعت اوج جریـان ترافیـک اسـتفاده شـده اسـت . بـا توجـه بـه روش پیشـنهادی ، ابتـدا بـا اسـتفاده از تبدیـلات موجکـی ، یـک پیش پـردازش بـر روی داده هــای حجــم جریــان ترافیــک انجــام پذیرفتــه تــا اطلاعــات کامل تــری در مــورد دینامیـک مسـئله بـه دسـت آیـد؛ سـپس داده هـای پردازش شـده به عنـوان داده هـای آموزشـی و آزمایشــی بــه شــبکه عصبــی ارائــه میگــردد. شــبکه آموزش دیــده بــا اســتفاده از توابــع ارزیابــی اعتبارســنجی شــده و بــرای پیش بینــی حجــم ســاعت اوج ترافیــک در ایــام هفتــه آینــده مورداســتفاده قــرار میگیــرد. بــرای ســنجش پیش بینــی صورت گرفتــه ، شــبکه عصبــی انتشـار برگشـتی رایـج نیـز طراحـی شـده و نتایـج حاصـل از آن بـا روش پیشـنهادی مقایسـه می شــود. نتایــج نشــان می دهــد کــه روش پیشــنهادی ، حجــم ســاعت اوج جریــان ترافیــک را بـا دقـت بالاتـری نسـبت بـه شـبکه عصبـی رایـج پیش بینـی میکنـد. روش پیشـنهادی در پژوهـش حاضـر بـر اسـاس پارامترهـای بومـی کشـور صـورت پذیرفتـه و قابلیت اسـتفاده در کاربردهــای عملــی را دارا می باشــد.
خلاصه ماشینی:
"در پژوهـش حاضـر از یـک روش ترکیبـی بـرای پیش بینـی حجـم سـاعت اوج ترافیـک اسـتفاده شـده اسـت ؛ ایـن روش ترکیبـی از شـبکه های عصبـی انتشـار برگشـتی )BPNN( بـا تبدیـلات موجکـی )Wavelet Transform( بـوده و داده هـای واقعـی حجـم ترافیـک ، قبـل از ورود بـه شـبکه عصبـی مـورد پـردازش قـرار میگیرنـد.
در ایــن روش )WBPNN(، ابتــدا بــا اســتفاده از تبدیــل موجکــی ، یــک پیش پــردازش بــر روی داده هــای حجــم جریــان ترافیــک انجــام پذیرفتـه ، سـیگنال ورودی بـه مؤلفه هـای فرکانـس پاییـن و فرکانـس بـالا تجزیـه می شـود تـا اطلاعـات کامل تـری در مـورد دینامیـک مسـئله بـه دسـت آیـد؛ بنابرایـن سـیگنال ورودی بـا اسـتفاده از تابـع موجـک مـادر Haar تـا ٥ سـطح تجزیـه شـده و به عنـوان داده هـای آموزشـی و آزمایشـی بـه شـبکه ارائـه می شـود.
در ایــن تحقیــق ، الگوریتــم لونبــرگ - مارکــودت ١ از روش هــای بهینه ســازی عــددی انتخاب شــده و بــرای آمــوزش شــبکه طراحی شــده اســتفاده می شــود؛ ســپس شــبکه های آموزش دیــده بــر اســاس داده هــای قســمت آزمایــش بــا اســتفاده از توابــع ارزیابــی ازجملــه میانگیــن مربعــات خطــا )MSE(، میانگیـن مربعـات خطـای تنظیم شـده )MSEREG( و درصـد خطـای نسـبی اعتبارسنجی شـده بـرای پیش بینـی حجـم سـاعت اوج ترافیـک در ایـام هفتـه آینـده مورداسـتفاده قـرار میگیـرد.
نتایج خطای پیش بینی حجم ساعت اوج ترافیک با استفاده از مدل پیشنهادی WBPNN در شــکل های ٤ و ٥، مقایســه ای بیــن خطــای پیش بینــی دو روش شــبکه های عصبــی رایـج و روش پیشـنهادی WBPNN بـرای حجـم سـاعت اوج ترافیـک در ایـام هفتـه بـا توجه بـه توابـع ارزیابـی MSE و MSEREG صـورت گرفتـه اسـت ."