The Scientific-Specialized Quarterly Journal of New Technologies in Electrical Engineering and Computer ( ISSN:2981-1813)
:: مقاله مرتبط با : دوره 1 ، شماره 1 (پاییز 1400)
پیش بینی الگوهای ترافیکی با استفاده از الگوریتم های یادگیری جمعی
نویسندگان :
راضیه محبی1، حسن مطلبی2، فرشته قاضی زاده3دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته(مسئول)1، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان2، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان3
صفحات :
52-58چکیده :
یکی از اساسی ترین چالشها در حوزه مدیریت شهری، بهینه شدن جریان ترافیک شهر به منظور جلوگیری از اتلاف زمان شهروندان، جلوگیری از آلودگی هوا، کاهش مصرف انرژی و سهولت دسترسی در زمان و مکان در کوتاهترین زمان می باشد. از آنجائی که جریان ترافیک شهری غالباً از الگوی مشخصی تبعیت می کند و در گستره زمانی دارای رفتار قابل پیشبینی است، گمان می رود با رشد دانش در حوزه هایی همچون شناسائی الگو، هوش مصنوعی و داده کاوی، امکان بهینه نمودن جریان های ترافیکی وجود داشته باشد. در ابتدای این پژوهش قصد داریم با استفاده از روش K-Means گرافی مسیر برای مدل سازی و بهینه سازی جریان ترافیکی را ارائه نموده و سپس با بکارگیری درخت تصمیم گیری C4.5 به جهت هدایت جریان ترافیکی به سمت مسیرهایی با جریان ترافیکی روان تر، جریان ترافیکی را تسهیل و هدایت نمائیم. نتایج حاصل از این پژوهش نشان می دهد که ایده معرفی شده در این پژوهش در بسیاری ازموارد کارا و از نظر بعد زمان و مسافت برای هدایت جریان های ترافیکی مقرون بصرفه می باشد.
دانلود مقاله
موضوع :
سیستمهای کامپیوتری- شبکه های کامپیوترکلمات کلیدی :
ترافیک، داده کاوی، خوشه بندی، الگوریتم K-means ، درخت C4.5استناد دهی
لینک ثابت به این مقاله
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :نحوه استناد به مقاله (Harvard)
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:محبی، راضیه، مطلبی، حسن، قاضی زاده، فرشته، پاییز 1400 . پیش بینی الگوهای ترافیکی با استفاده از الگوریتم های یادگیری جمعی . سیستمهای کامپیوتری- شبکه های کامپیوتر، 1(1) ، صص. 52-58
تعداد دانلود فایل : 8
سایر شماره ها
مقالات پر بازدید
© کلیه حقوق این وب سایت محفوظ می باشد .
طراحی و پیاده سازی شده توسط : فرازنت ( پورتال آنلاین مدیریت و داوری مجله ) ویرایش 7.2