تقدير تدفق حركة المرور كل ساعة باستخدام الشبكة العصبية الاصطناعية: دراسة حالة الطريق السريع M25
DOI:
https://doi.org/10.54153/sjpas.2023.v5i1.448الكلمات المفتاحية:
الانحدار، تقدير تدفق المرور، التعليم الالي، الشبكات العصبية الاصطناعية، المؤشرات الفنية.الملخص
تبحث هذه الورقة في التحدي المتمثل في حساب مقاييس أداء الطرق السريعة بدقة من خلال تقدير تدفق حركة المرور بين مستشعرات المرور المنتشرة جغرافيًا. وبالتالي، فإن التنبؤ بقيم تدفقات المركبات هو أحد أصعب القضايا في مجال التنبؤ بتدفق حركة المرور. لذلك، كان هناك ارتفاع في الاهتمام بدمج أساليب التعلم الآلي (ML) مع مؤشرات من التحليل الفني. في هذه الورقة، نقترح استراتيجية مختلطة لتوليد حركة المرور للمساعدة في هذه المشكلة. تستخدم طريقتنا المقترحة مؤشرًا تقنيًا وتقنية ANN للتنبؤ بالتدفقات المستقبلية. إن إمكانية تطبيق هذه الطريقة على المؤشرات الفنية الأخرى مع الحفاظ على بساطتها وفعاليتها بفضل القواعد المختلطة هو ما يجعلها جديدة. تم تقييم أداء الشبكة العصبية الاصطناعية المقترحة (ANN) بعدد من تقنيات التعلم الآلي الأخرى لمساعدتنا في اختيار نهج ML الأمثل. تم استخدام بيانات حركة المرور اليومية من نظام اكتشاف حوادث الطرق السريعة والتشوير التلقائي (MIDAS) على الطريق السريع M25 لاختبار الطريقة المقترحة. توضح النتائج المحققة أن القوة التنبؤية لنماذج ML تزداد عند تطبيق تقنيات ML على مؤشرات التحليل الفني.
التنزيلات
منشور
كيفية الاقتباس
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2023 مجلة سامراء للعلوم الصرفة والتطبيقية
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
Copyright Notice
Authors retain copyright and grant the SJPAS journal right of first publication, with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in Samarra Journal of Pure and Applied Science.
The Samarra Journal of Pure and Applied Science permits and encourages authors to archive Pre-print and Post-print items submitted to the journal on personal websites or institutional repositories per the author's choice while providing bibliographic details that credit their submission, and publication in this journal. This includes the archiving of a submitted version, an accepted version, or a published version without any Risks.
