مقاله پیش بینی ترافیک با استفاده از سیستم های حمل و نقل هوشمند (استفاده از الگوریتم های داده کاوی)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله پیش بینی ترافیک با استفاده از سیستم های حمل و نقل هوشمند (استفاده از الگوریتم های داده کاوی) دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیش بینی ترافیک با استفاده از سیستم های حمل و نقل هوشمند (استفاده از الگوریتم های داده کاوی)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش بینی ترافیک با استفاده از سیستم های حمل و نقل هوشمند (استفاده از الگوریتم های داده کاوی)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پیش بینی ترافیک با استفاده از سیستم های حمل و نقل هوشمند (استفاده از الگوریتم های داده کاوی) :

تعداد صفحات:۱۲
چکیده:
هدف این مقاله که بر اساس یک طرح پژوهشی اجرا شده بر روی داده های ترافیکی شهر تهران استخراج شده است، استفاده از سیستم های حمل و نقل هوشمند برای پیش بینی ترافیک بر اساس الگوریتم های داده کاوی است. غالباً اطلاعات مفیدی برای مدیریت بهتر ترافیک در حجم زیادی از داده های ترافیکی جمع آوری شده در سیستم های حمل و نقل هوشمند وجود دارد. به طور کلی از دادههای جمع آوری شده برای تشکیل شبکه عصبی مصنوعی (ANN) استفاده شده است تا بتواند موقعیت های ترافیکی را با استفاده از اطلاعات پیش بینی ترافیک تشخیص دهد. برای جلوگیری ازعملکرد نادرست الگوریتم شبکه های مصنوعی از الگوریتم های داده کاوی در این مقاله استفاده شده است. در ا بتدا برای دسته بندی اطلاعات ترافیکی از داده های کلی جمع آوری شده استفاده گردید و عناوینی برای این دسته ها در نظر گرفته شد. سپس این عناوین اطلاعاتی برای توسعه GA_choas و بهینه سازی شبکه عصبی RBA استفاده شد. الگوریتم GA-choas برای تعریف پارامترهای RBF استفاده شده است. تست های آزمایشی از اطلاعات عملی بدست آمده از مجموعه اطلاعات سیستم حمل و نقل هوشمند (ITS)، که برای معتبر ساختن عملکرد مدل ANN مطرح شده، استفاده می کنند. نتایج آنالیز نشان می دهد که روش مطرح شده می تواند نمونه های بالقوه پنهان شده در داده های ترافیکی را استخراج کند و همینطور می تواند پیش بینی دقیقی از وضعیت ترافیک درآینده داشته باشد. دقت عمل این پیش بینی حدود ۹۵ درصد می باشد. بنابراین الگوریتم های داده کاوی می تواند یک جنبه کاربردی برای پیش بینی اطلاعات ترافیکی در سیستم ITS بوجود می آورد.