0% Complete
فارسی
Home
/
پانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
پیشبینی حجم ترافیک شهری با استفاده از دادههای سرویس نشان مورد مطالعاتی: خیابان کمال اصفهان
Authors :
مهسا لطیفی
1
جمشید مالکی
2
1- دانشگاه اصفهان
2- دانشگاه اصفهان
Keywords :
پیشبینی حجم ترافیک ساعتی،سرویس نشان،مدلسازی مکانی - زمانی،یادگیری ماشین
Abstract :
افزایش تقاضا برای استفاده از وسایل نقلیه شخصی، تراکم ترافیک را به یکی از بحرانهای اصلی کلانشهرها تبدیل کرده است. پیشبینی حجم ترافیک میتواند در مدیریت و کنترل ترافیک مؤثر باشد، اما تعیین آن چالشبرانگیز است. زیرا شمارش وسایل نقلیه فقط در تعداد معدودی از مکانهایی که دارای سنسورهای ترافیک ثابت هستند، امکانپذیر است. برای رفع این چالش در پژوهش حاضر، برای اولینبار در ایران با استفاده از دادههای مسیریابی سرویس نشان و ثبت مدتزمان سفر در ساعات مختلف روز، امکان برآورد حجم ترافیک یالهای شهری برای 24 ساعت آتی وجود دارد. برای بررسی امکانپذیری روش پیشنهادی، دادههای مربوط به مدتزمان سفر خیابان کمال واقع در شهر اصفهان برای ساعت مختلف شبانهروز به مدت 24 روز اخذ گردید. برای این منظور از روشهای یادگیری ماشین شامل جنگل تصادفی، درختان تقویت شده با گرادیان، شبکه عصبی حافظه طولانی کوتاهمدت استفاده شد که شامل ویژگیهای ورودی از جمله: وابستگی مکانی (مجموع مدتزمان سفر یالهای ورودی خیابان)، ویژگیهای زمانی، تاریخچه مدتزمان سفر، تعداد یالهای ورودی و تعداد مراکز تأثیرگذار در ترافیک شهری است. نتایج عددی نشان میدهد، در بین روشهای یادگیری ماشین و یادگیری عمیق روش جنگل تصادفی با میزان بالای R2 برابر با 93/0 عملکرد بهتری دارد.
Papers List
List of archived papers
Towards Provable Privacy Protection in IoT-Health Applications
Samane Sobuti - دکتر سیاوش خرسندی
BMPA- DSL: Binary Marine Predators Algorithm to Identify Driver's Different Levels of Stress
Mahtab Vaezi - Mehdi Nasri - Farhad Azimifar - Mahdi Mosleh
توسعه مدل مفهومی طراحی فرآیند مدیریت بحران سیلاب از طریق بهینه سازی استفاده از دستگاه های اینترنت اشیاء (IoT Devices) در تصمیم گیری
محمود رسولی - سید احسان ملیحی
A Joint Trajectory and Energy Harvesting Method for an UAV Enabled Disaster Response Network
Hosein Mohammadi Firozjae - Javad Zeraatkar Moghaddam - Mehrdad Ardebilipour
PeCoQ: A Dataset for Persian Complex Question Answering over Knowledge Graph
Romina Etezadi - Mehrnoush Shamsfard
Leveraging Retrieval-Augmented Generation for Persian University Knowledge Retrieval
Arshia Hemmat - Mohammad Hassan Heydari - Kianoosh Vadaei - Afsaneh Fatemi
An Improved Drone Detection Method Using Deep Learning for Augmentation Detection Speed
Mohammad Bahrami - Seyyed Amir Asghari - Mohammadreza Binesh Marvasti - Sajjad Ansaria
STANet: Spatio-Temporal Attention-Enhanced WaveNet for Crime Hotspot Prediction
Rojan Roshankar - Mohammad Reza Keyvanpour
Investigating the impact of management information systems (MIS) on organizational transparency with an emphasis on work ethics
Sadegh Balouch - Omid mehdi Ebadati
Predictive Maintenance using LSTM and Adaptive Windowing
Aien Ghanbari Adivi - Behrouz Shahgholi Ghahfarokhi
more
Samin Hamayesh - Version 42.5.2