پيش‌بيني و كنترل ترافيك با رويكردهاي داده‌كاوي با استفاده از داده‌هاي GPS

Forecasting Traffic Load using GPS data, a data mining approach

در دنياي امروز افزايش چالش هاي شهرنشيني و ترافيك سبب نياز فوري به سيستم‌هاي كنترل ترافيك با حداكثر بهره‌وري شده است. هدر رفتن زمان و افزايش سوخت مصرفي و هم‌چنين آلودگي هاي هوا و صوتي سبب شده كنترل ترافيك به يكي از مهم ترين بحث‌هاي روز دنيا تبديل شود. از جمله روش هاي موجود براي رسيدن به اين هدف، پيش بيني مسير و مقصد نهايي خودرو است. اگر مكان آينده خودروها را بتوان پيش بيني كرد، به‌راحتي مي توان قادر به تخمين ازدحام ترافيك شد. پيش بيني مسير براساس مسيرهاي طي شده گذشته خودرو و در نظر گرفتن مشخصه‌هايي مانند مكان شروع، ساعت، روز، ماه، مدت زمان با استفاده از روش هاي داده كاوي و شبكه هاي عصبي مصنوعي امكان‌پذير است. در اين مقاله از داده هاي واقعي GPS، به‌دست‌آمده از خودروها به‌منظور انجام عمليات پيش بيني مسير و مقصد نهايي بهره برده شده است. يكي از روش هاي پيشنهادي در اين مقاله به‌دست آوردن پايگاه داده اي از مسيرهاي دقيق طي‌شده خودروها به كمك نرم‌افزار ArcGIS است، كه اين پايگاه‌داده سبب بالا رفتن دقت پيش‌بيني مسير خودرو شده است. در اين مقاله يك پايگاه داده كلي شامل همه حالات شبكه جاده‌اي و يك پايگاه داده پيچيده‌تر شامل چهارراه‌ها و نقاط چالشي‌تر جاده ايجاد شده است. هم‌چنين به‌منظور عمليات پيش‌بيني، دو الگوريتم قوانين انجمني و شبكه‌هاي عصبي مصنوعي مورد استفاده قرار گرفته شده است. نتايج به‌دست‌آمده نشان‌دهنده دقت بسيار خوب پيش بيني است. برطبق ارزيابي انجام‌شده، الگوريتم ANN در پايگاه داده كلي با دقت پيش‌بيني بالاي 96 درصد و الگوريتم GRI در پايگاه داده پيچيده تر با دقت پيش بيني بالاي 95 درصد، نتايج قابل قبولي به‌دست آورده‌اند. روش پيشنهادي و نتايج اين پيش‌بيني مي‌تواند به برنامه‌ريزي ترافيك و بهينه‌سازي حركت خودروها كمك كند.

In today’s world, rapid increase of urbanization and traffic challenges have led to the profound need of traffic control systems with the highest possible productivity and efficiency. Time loss and increased fuel consumption as well as air and noise pollutions have made traffic control to be one of the most important current issues in the world. One of the best possible methods for reaching this objective is to predict the directions and the final destination of the car. If the future position of a car can be predicted, traffic estimation in an urban zone will be a simple task. Route prediction is possible based on the previous routes of the car as well as parameters such as the starting point, time, day, month, and duration utilizing data mining methods and artificial neural networks .The current paper uses real GPS data obtained from different cars in order to carry out prediction operation of the route and final destination. One of the propoesd methods in this study is to establish a database for the previous routes of the cars using ArcGIS software The high accuracy of recording the previous routes of the cars in this database increases the accuracy of the route prediction process.In this study, two distinct databases were established. The first involves general database, where only the more challenging sections of the roads including intersections and crossroads are considered in the second which is the more complex database.Moreover, in order to carry out the prediction operation, association rules algorithms as well as artificial neural network algorithms have been used. The obtained results indicate the high accuracy of the prediction. Artificial Neutral Network (ANN) algorithms used on the general database and the GRI algorithm used on the more complex one provide better results, respectively. Both algorithms acquires precision greater than 95%. The results obtained from the prediction process can be used for traffic planning and the optimization of car movements.