مدلسازي متوسط حجم روزانه ترافيك با استفاده از شبكه هاي عصبي انتشار برگشتي (BP)

پیش بینی دقیق جریان ترافیك كوتاه مدت، نقشی بنیادی در سیستم های هوشمند حمل و نقل و نیز سیستم های مدیریت ترافیك پیشرفته ایفا می كند. در پژوهش حاضر، از شبكه های عصبی انتشار برگشتی به منظور پیش بینی متوسط حجم روزانه ترافیك استفاده شده است. داده های حقیقی استفاده شده برای مدلسازی، از جاده قدیم قم- تهران طی دوره زمانی بین سال های 5831 تا 5831 بدست آمده است. سپس، تغییر متغیری بر روی داده ها صورت پذیرفته و داده های حاصل از نگاشت، به منظور آموزش شبكه عصبی، بكار گرفته می شوند. در این راستا برای دستیابی به بهترین شبكه، ازالگوریتم های آموزشی مختلفی استفاده شده است. سپس شبكه های آموزش دیده برای پیش بینی احجام ترافیكی روزهای آتی مورد استفاده قرار گرفته و اعتبار سنجی می شوند. نتایج نشان می دهد كه روش حاضر، احجام روزانه ترافیكی را با دقتی بالا و سرعتی مطلوب پیش بینی می كند