پيش بيني زمان سفر يك خيابان در محيط GIS با استفاده از پارامترهاي پريوديك موجود در داده هاي آماري ترافيك

Prediction of a Street Travel Time in GIS by Using Periodic Parameters in Traffic Statistical Data

امروزه در بسیاری از كشورها مشكلات حمل‌ونقل و ترافیك به یكی از چالشهای مهم اجتماعی تبدیل شده و سهم قابل توجهی از سرمایه های ملی هر كشور را به خود اختصاص داده است. با پیشرفت علم، شرایط مناسبی برای یك مدیریت هوشمندانه و هدفمند به‌منظور ارتقای بهره‌وری و افزایش كارایی شبكه ترافیكی محقق شده است. در حوزه فناوری اطلاعات، سیستم‌های اطلاعات مكانی[1] از اهمیت ویژه ای در بهینه سازی عملكرد سیستم­­های حمل‌ونقل برخوردار می­باشند. در این زمینه قابلیت­های تجزیه و تحلیل شبكه در سیستم­های اطلاعات مكانی از جمله محاسبه كوتاهترین مسیر می‌تواند بسیار مفید واقع شود. تاكنون معیارهای مختلفی برای انجام آنالیز كوتاهترین مسیر در تجزیه و تحلیل شبكه در سیستمهای اطلاعات مكانی در نظر گرفته‌شده‌اند. معیارهایی از قبیل مسافت، زمان سفر، راحتی مسیر، زیبایی مسیر و ... . معیار زمان سفر چون كاملاً وابسته به ترافیك می‌باشد دارای تغییرات پیوسته و در بعضی موارد تصادفی می‌باشد. بنابراین لازم است كه زمان عبور از هر خیابان بر اساس شرایط هندسی و ترافیك لحظه‌ای آن محاسبه شود. در این مقاله با استفاده از تبدیل موجك و روش كمترین مربعات مدلی جهت پیش‌بینی زمان عبور از هر خیابان، بر اساس داده‌های موجود ترافیكی آن ارائه‌شده است. دو نمونه موردی انجام شده در این زمینه كارآیی مدل ارائه‌شده را نشان داد. به نحوی كه توانست با 8/4 ثانیه خطا، زمان سفر یك خیابان 3/6 دقیقه‌ای و با 57/ دقیقه اختلاف، زمان سفر یك خیابان 68 دقیقه­ای را پیش‌بینی كند. 1 Geographic Information System

Nowadays, the problem of transportation and traffic has become a social challenge in many countries. With the advancement of science, a favorable environment for an intelligent and purposeful management is achieved in order to improve productivity and increase efficiency of network traffic. In the field of information technology, Geographic Information Systems are very important in optimizing the performance of transportation systems. In this context, the capabilities of network analysis in GISs such as shortest path computing could be very useful. Different criterions have ever considered for shortest path analysis in GIS. Distance, travel time, path comfort, path beauty and etc., are some of these criterions. Travel time criteria has some random continues variations, because of its relation to traffic. Therefore, the travel time of each street must be calculated based on its geometric and traffic momentarily.  In this paper we have developed a model for this purpose that is based on wavelet transform and least square method. This model uses the statistical information of travel time in previous days for prediction of travel time in future. Finally for testing the developed model a case study have been explained in this paper.