پایش و مقایسه رویکردهای مختلف پیش‌بینی کوتاه مدت پارامترهای ترافیک شهری و شبیه-سازی آن به کمک سیستم اطلاعات جغرافیایی

چکیده مقاله

هدف این تحقیق، مقایسه روش‌های مختلف برای پیش‌بینی کوتاه‌مدت پارامترهای ترافیک شهری و همچنین شبیه‌سازی پارامترهای ترافیکی در محیط متلب و انتخاب بهینه پارامترهای مؤثر آن با سیستم اطلاعات مکانی، به عنوان مکمل سیستم اطلاعات حمل‌ونقل است. برای این منظور از سه روش مختلف پیش‌بینی کوتاه‌مدت پارامترهای ترافیکی، روش چندجمله‌ای کلاسیک، الگوریتم شبکه های عصبی و چندجمله‌ای مبتنی بر ژنتیک به همراه دو روش کاهش خطا استفاده شد. همچنین، پارامترهای ترافیک شهری جریان و سرعت برای کنترل ترافیک آینده شبیه‌سازی شدند. به دلیل عدم دسترسی به داده های ترافیکی منظم در ایران، داده های تحقیق برای این مطالعه از داده های سال 2012 تا 2014 در لندن با رفتار ترافیکی مشابه در طول هفته انتخاب گردید. مسیرهای مورد مطالعه در این پژوهش، جمعاً بطول 84/15 کیلومتر، تحت نام‌های LM561-LM563-LM557-LM555 مورد بررسی قرار گرفت. داده‌های سال‌های 2012، 2013 و 2014 به‌عنوان داده‌های آموزشی، داده‌های اعتبارسنجی و داده‌های مرجع برای اعتبارسنجی، به ترتیب مورد استفاده قرار گرفتند. به طور کلی، نتایج نشان داد که مدل چندجمله‌ای کلاسیک در پیش‌بینی پارامترهای ترافیکی جریان و سرعت خیلی موفق و کارآمد نیست، اما مدل چند جمله‌ای مبتنی بر ژنتیک و شبکه‌های عصبی موفق عمل کردند. علاوه بر این، یافته‌های کمی چهار مسیر مطالعاتی بر حسب خطای جذر میانگین مربعات نشان داد که سه روش چندجمله‌ای کلاسیک، چندجمله‌ای بر مبنای ژنتیک و شبکه-های عصبی برای پارامتر ترافیکی جریان به ترتیب برابر با 91/13، 78/0و 22/0 و برای پارامتر سرعت به ترتیب برابر با 20/5، 78/0و 19/0 می باشند. به عبارت دیگر، دقت پیش‌بینی پارامتر جریان ترافیک در روش‌های چندجمله‌ای مبتنی بر ژنتیک و شبکه‌های عصبی به ترتیب تقریباً 18 و 63 برابر بهتر از روش چند جمله‌ای کلاسیک و دقت پیش‌بینی پارامتر سرعت تقریباً 7 و 27 برابر بهتر بود.