شماره ركورد :
2128
شماره راهنما :
CIV2 158
پديد آورنده :
كيهان محمودي
عنوان :
روش‌هاي انتخاب مناسب طرح ترافيكي با رويكردآناليزي مطالعه موردي شهر اصفهان
مقطع تحصيلي :
كارشناسي ارشد
رشته تحصيلي :
مهندسي عمران-راه و ترابري
محل تحصيل :
موسسه آموزش عالي دانش پژوهان پيشرو
سال تحصيل :
1400
نوع انتشار :
صحافي-ديجيتال
استاد راهنما :
دانيال نصر
كليدواژه ها :
پيش بيني سرعت،ترافيك اصفهان،.مدل پرسپترون(MLP)،مدل سري زماني(ARIMA)
چكيده :
پيش‌بيني جريان و سرعت ترافيك در سيستم حمل‌ونقل، تأثير بسزايي در كاهش ترافيك، كاهش زمان سفر، كاهش ميزان تصادفات جاده‌اي و غيره دارد. معمولاً پيش‌بيني سرعت ترافيك به دو گروه عمده قابل تقسيم است: پيش‌بيني بلندمدت و پيش‌بيني كوتاه‌مدت كه در اين تحقيق براساس پيش‌بيني كوتاه‌مدت سرعت ترافيكي است. بهره‌گيري از پيش‌بيني‌هاي كوتاه‌مدت ترافيك و استفاده از آن در مديريت ترافيك، با پايين‌آوردن زمان سفرها و مسافت طي شده توسط خودروها، باعث كاهش آلودگي صوتي، آلودگي هوا و همچنين هزينه هاي مصرف سوخت خواهد شد. در اين تحقيق براي پيش‌بيني ترافيك از مدل پيش‌بيني شبكه عصبي مصنوعي پرسپترون چند لايه(MLP) و مدل پيش‌بيني سري-هاي زماني(ARIMA) براي پيش‌بيني تردد و سرعت وسايل نقليه در شهر اصفهان استفاده مي‌شود، كه در آن از داده‌هاي گذشته مربوط به يك ايستگاه ترددشمار براي آموزش شبكه استفاده مي‌شود. نتايج اين تحقيق نشان دادند كه شبكه عصبي پرسپترون چندلايه و سري زماني، دقت بالايي در پيش‌بيني حجم ترافيك شهر اصفهان دارند. بطوريكه اين روش، توانسته است ميانگين حجم روزانه ترافيك، را براي مدت زمان كوتاهي پيش‌بيني نمايد. نتايج بدست آمده نشان مي دهد كه روش شبكه عصبي پرسپترون چندلايه و سري زماني، در پيش بيني حجم ترافيك روزهاي آينده با دقت بالايي عمل كرده و به عنوان روشي مطلوب شناخته مي شود. اين روش، متوسط حجم روزانه ترافيك، براي ده روز آتي را مي تواند با خطاي نسبي حدود 0.0259 تا 0.46239 درصد پيش بيني كند.
تاريخ نمايه سازي :
1403/01/25
نام نمايه ساز :
فائزه محمدي
لينک به اين مدرک :

بازگشت