مدلسازي و پيش بيني ترافيك با استفاده از شبكه ي عصبي پايه و شبكه ي عصبي موجك و به كارگيري سه الگوريتم فراابتكاري ژنتيك، ازدحام ذرات و رقابت استعماري جهت بهينه سازي

جهت رفتارسنجي ترافيك در كلانشهرها، علاوه بر نياز به داده هاي ترافيكي به روز و حجيم، نياز به ارائه و استفاده از روش هايي براي تحليل رفتار ترافيك جهت پيش بيني آن است. موضوع پيش بيني ترافيك، از اين جهت مورد توجه است كه مي توان با رسيدن به اين هدف، حمل و نقل را رونق بخشيد و از بار اقتصادي كه هر ساله بر جوامع مختلف وارد مي شود، كم كرد. به همين دليل، بايد به دنبال راه حل هايي براي پيش بيني ترافيك بود. در اين ميان، استفاده از علمي به نام شبكه هاي عصبي مي تواند بسيار كابردي باشد. در اين پژوهش، ابتدا سامانه اي طراحي شد تا بتواند داده هاي ترافيكي مورد نياز پژوهش را جمع آوري كند. موضوع دستيابي به داده هاي ترافيكي همواره معضلي بوده است كه تمامي دغدغه مندان اين حوزه با آن مواجه بوده اند. از اين رو در پژوهش حاضر ابتدا با طراحي يك سامانه جهت جمع آوري داده هاي ترافيكي به رفع معضل مورد نظر پرداخته شد. در مرحله ي بعد، داده هاي ترافيكي جمع آوري شده فراخواني مي گردد و با استفاده از اعمالي كه براي استاندارد سازي و نرماليزه سازي آن انجام شد، ميزان خطا با استفاده از داده هاي تست و آموزشي محاسبه گرديد. در اين مرحله، ميزان خطا با مطلوبيت 72 درصد به دست آمد. در مرحله ي بعدي، تحليل داده هاي ترافيكي با استفاده از تركيب شبكه عصبي پايه و موجك انجام شد و ميزان خطا محاسبه شد. نتايج نشان ميدهد كه محاسبات با استفاده از تبديلات موجك دقيق تر است ولي به دليل تعداد ورودي هاي كمتر، مقادير خطا با استفاده از داده هاي تست و آموزشي، 28 درصد محاسبه گرديد. به عبارت ديگر ميزان مطلوبيت حدود 72 درصد به دست آمد. در مرحله ي آخر هم داده هاي ترافيكي جمع آوري شده با استفاده از الگوريتم هاي بهينه سازي، بهينه شدند و بهترين نقطه با كمترين خطاي ممكن براي هر الگوريتم بهينه سازي، محاسبه گرديد.