ارائه مدلي به منظور تخمين و كاهش جريان ترافيك با استفاده از الگوريتم هاي فرا ابتكاري نوين

چكيده :

در اين پژوهش، مدلي به منظور تخمين و كاهش جريان ترافيك با استفاده از رويكرد تلفيقي مبتني بر يادگيري عميق و نهنگ پرداخته شده است. در روش پيشنهاد شده، الگوريتم بهينه سازي نهنگ، ويژگي هاي بهينه و موثر بر جريان ترافيك را كه از مجموعه داده هاي مربوط به ترافيك شهري از يكي از اتوبان هاي تهران تهيه شده، انتخاب نموده و در گام بعد به الگوريتم يادگيري عميق (CNN) مي دهد. الگوريتم يادگيري عميق نيز ويژگي هاي انتخاب شده را استخراج كرده و پس از انجام مراحل آموزش و آزمايش، آن ها را در راستاي تخمين جريان ترافيك طبقه بندي مي نمايد. به منظور ارزيابي عملكرد روش پيشنهادي، با بكارگيري مجموعه داده هاي يكسان، از الگوريتم هاي درخت تصميم (DT)، K-نزديكترين همسايه (KNN)، و شبكه عصبي MLP در تركيب با الگوريتم نهنگ استفاده شده است. نتايج نشان مي دهد كه الگوريتم پيشنهادي (تركيب الگوريتم نهنگ و CNN) داراي بالاترين دقت مي باشد. بطور خاص نتايج نشان مي دهد كه الگوريتم CNN داده هاي انتخاب شده را با دقت 98.46 درصد طبقه بندي مي كند. پس از آن، الگوريتم شبكه عصبي MLP با دقت 93.4091 درصد، الگوريتم DT با 90.9091 درصد و در نهايت الگوريتم KNN با 83.8636 درصد قرار دارند.در اين پژوهش، مدلي به منظور تخمين و كاهش جريان ترافيك با استفاده از رويكرد تلفيقي مبتني بر يادگيري عميق و نهنگ پرداخته شده است. در روش پيشنهاد شده، الگوريتم بهينه سازي نهنگ، ويژگي هاي بهينه و موثر بر جريان ترافيك را كه از مجموعه داده هاي مربوط به ترافيك شهري از يكي از اتوبان هاي تهران تهيه شده، انتخاب نموده و در گام بعد به الگوريتم يادگيري عميق (CNN) مي دهد. الگوريتم يادگيري عميق نيز ويژگي هاي انتخاب شده را استخراج كرده و پس از انجام مراحل آموزش و آزمايش، آن ها را در راستاي تخمين جريان ترافيك طبقه بندي مي نمايد. به منظور ارزيابي عملكرد روش پيشنهادي، با بكارگيري مجموعه داده هاي يكسان، از الگوريتم هاي درخت تصميم (DT)، K-نزديكترين همسايه (KNN)، و شبكه عصبي MLP در تركيب با الگوريتم نهنگ استفاده شده است. نتايج نشان مي دهد كه الگوريتم پيشنهادي (تركيب الگوريتم نهنگ و CNN) داراي بالاترين دقت مي باشد. بطور خاص نتايج نشان مي دهد كه الگوريتم CNN داده هاي انتخاب شده را با دقت 98.46 درصد طبقه بندي مي كند. پس از آن، الگوريتم شبكه عصبي MLP با دقت 93.4091 درصد، الگوريتم DT با 90.9091 درصد و در نهايت الگوريتم KNN با 83.8636 درصد قرار دارند.