این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جاده، جلد ۳۲، شماره ۱۲۱، صفحات ۲۱۹-۲۳۴
عنوان فارسی تحلیل و ارزیابی سیستم هوشمند رمپ میترینگ بر کنترل جریان ترافیک شهری (مطالعه موردی تهران-بزرگراه حکیم)
چکیده فارسی مقاله بهره گیری از پیش بینی های کوتاه مدت ترافیک و استفاده از آن در مدیریت ترافیک ، مسدودی-های محتمل را کاهش خواهد داد و با پایین آوردن زمان سفرها و مسافت طی شده توسط خودروها، باعث کاهش آلودگی صوتی ، آلودگی هوا و همچنین هزینه های مصرفی سوخت خواهد شد. با دانستن تردد در ساعات مختلف و پیش بینی آن می توان مدیریت و برنامه ریزی بهتری برای جاده های کشور داشت، خصوصیات جریان ترافیک در یک راه از مهمترین عوامل تصمیم گیری و سیاست گذاری ترافیک در یک منطقه است. در این مطالعه با استفاده از پروتکل‌های ارزیابی ترافیک به‌وسیله شبکه عصبی به ساخت مدلی پیش‌بینی ارزیابی ترافیک پرداخته شد. همچنین به ارزیابی فنی و منافع اقتصادی آن پرداخته می‌شود.در این رابطه با استفاده شمارش تردد در بزرگراه‌های شهری و با استفاده مدل شبکه عصبی به پیش‌بینی ترافیک پرداخته شده است ، در شبکه عصبی استفاده شد 4 متغیر ورودی ، چگالی کم یا زیاد،حجم تعداد خودرو،نوع وسیله نقلیه،سرعت جریان،تعداد 10نورون در لایه پنهان مورد استفاده قرار گرفت، و در نهایت مدل عددی به صورت یک ماتریس عددی نمایش داده شد. برای پیش‌بینی تراکم جریان با دقت مناسب که در اینجا با 93/0 r= صورت گرفت. همچین برای مقایسه مدل رگرسیون خطی ساخته شدف که دقت مدل رگرسیون کمتر از مدل شبکه عصبی بوده و برابر 88/0 r=در سطح معناداری کمتر از 05/0 بدست آمده است.
کلیدواژه‌های فارسی مقاله رمپ میترینگ،شبکه عصبی،رگرسیون،
عنوان انگلیسی Analysis and Evaluation of Smart Ramp Metering System on Urban Traffic Flow Control (Case Study: Tehran-Hakim Highway)
چکیده انگلیسی مقاله Taking advantage of short-term traffic forecasts and using it in traffic management will reduce possible blockages and by reducing the travel time and distance traveled by cars, it will reduce noise pollution, air pollution and also consumption costs. It will be fueled. By knowing the traffic in different hours and predicting it, you can have a better management and planning for the roads of the country, the characteristics of the traffic flow in a road is one of the most important factors in decision making and traffic policy in a region. In this study, using traffic evaluation protocols by means of neural network, a traffic evaluation prediction model was built. Also, the technical evaluation and its economic benefits are discussed. In this regard, by using the traffic count in urban highways and by using the neural network model, the traffic prediction has been done. In the neural network, 4 input variables were used, low or high density, The volume of the number of cars, the type of vehicle, the flow speed, the number of 10 neurons were used in the hidden layer, and finally the numerical model was displayed as a numerical matrix. To predict the current density with proper accuracy, which was done here with r=0.93. Also, to compare the linear regression model, the accuracy of the regression model is lower than the neural network model and r=0.88 was obtained at a significance level of less than 0.05.
کلیدواژه‌های انگلیسی مقاله رمپ میترینگ,شبکه عصبی,رگرسیون
نویسندگان مقاله محمدامین ابراهیم زاده |
دانشجوی دکتری، گرایش برنامه‌ریزی حمل‌ونقل، دانشکده عمران، هنر و معماری، واحد علوم و تحقیقات، تهران، ایران

حسن جوانشیر |
استادیار، دانشکده صنایع‌، واحد تهران جنوب، دانشگاه آزاد اسلامی‌، تهران، ایران

محمد اسفندیاری |
دانش آموخته کارشناسی ارشد، گرایش برنامه ریزی حمل ونقل، دانشگاه تهران جنوب، تهران، ایران

نشانی اینترنتی https://road.bhrc.ac.ir/article_194433_9365032bc486d4ccfae68eb15a21e44d.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات