پیش بینی حجم ترافیک با استفاده از شبکه های عصبی مصنوعی نمونه موردی زنجان

شهر یک سیستم فضایی است که عناصر آن نسبت به همدیگر در ارتباط می باشند و به دلیل ماهیت سیستمی آن ، روابط متقابل پیچیده ای بین سیستم حمل و نقل شهری و محیط اقتصادی ، اجتماعی و کالبدی آن وجود دارد. از طرفی برنامه¬ریزی حمل و نقل شهری جزیی از برنامه¬ریزی فضایی شهری است که جنبه¬های سه¬گانه اجتماعی، اقتصادی و کالبدی را مورد توجه قرار می¬دهد.فضای شهری عالیترین محل جابجایی است وتردد درشهر بیش از هر جای دیگر اساس زندگی است. به دلیل گسترش فناوریها و وسایط نقلیه تردد شهری در حال تغییر است و هر اندازه فضای شهر گسترش یابد، مسیرها طولانی¬تر شود و هر چه سطح زندگی ارتقا پیدا کند تعداد سفرها رو به افزایش می¬گذارد. جابجایی و تردد شهری نیز بازتاب ساختار فضایی شهر است. بدین ترتیب برنامه¬ریزی برای یک سیستم بدون توجه به سیستم حمل و نقل شهری نه تنها نتیجه¬ای در برندارد بلکه باعث تشدید و بروز مشکلاتی نیز می¬گردد. هدف کلی پژوهش حاضر، پیش¬بینی حجم ترافیک با استفاده از شبکه¬های عصبی مصنوعی می باشد. با توجه به مطالب فوق این نوشتار به منظور پیش¬بینی حجم ترافیک برای سال 1392 از شبکه عصبی Feed Forward با استفاده از الگوریتم آموزش پیس انتشار خطا استفاده شده است. داده¬های ترافیکی سال 1383 بعنوان نرونهای ورودی تعریف شده است.لازم به ذکر است که 10% داده¬ای ورودی بعنوان داده¬ای Testing و 90% داده¬ها بعنوان داده¬های Training در نظر گرفته شده است.در این رساله مرحله آزمون و خطای شبکه در محیط نرم¬افزار مطلب انجام یافته است و سپس مرحله Testing و Training به دلیل خروجی¬های ساده و قابلیت تبدیل آنها به نقشه و نمودار در محیط نرم¬افزار Neuro Solutions انجام گرفته است.

حمل و نقل شهری، پیش بینی حجم ترافیک ، شبکه عصبی مصنوعی ، زنجان