پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی
چکیده :
سیستم حمل و نقل هوشمند (ITS)، یکی از راهکارهای حل و تخفیف مشکلات مرتبط با حمل و نقل و ترافیک محسوب میشود، این سیستم از بخشهای مختلف نرمافزاری و سختافزاری تشکیل شده است که مدل تخمین جریان ترافیک در کوتاه مدت یکی از این بخشها میباشد. این مدل با استفاده از اطلاعات وضعیت فعلی ترافیک هر معبر ( حجم ترافیک عبوری از معبر که توسط سنسورها برداشت میشود )، حجم عبوری از معبر در فواصل زمانی کوتاه مدت آتی را پیشبینی میکند. آگاهی از وضعیت پیشبینی شده برای جریان ترافیک در بخشهای مدیریت ترافیک و اطلاع رسانی به مسافران از اهمیت بسیاری برخوردار است و هدف اصلی این تحقیق نیز ارائه مدلهایی برای پیشبینی جریان ترافیک در فواصل زمانی ۵، ۱۰، ۱۵ و ۳۰ دقیقه آینده است.
در این تحقیق روشی دو مرحلهای برای طراحی مدل پیشبینی جریان ترافیک پیشنهاد شده است. در مرحله نخست، با استفاده از روش شبکههای عصبی به عنوان یکی از ارکان هوش محاسباتی، از توانایی پیشبینی پدیدههای مختلف برخوردار است، اما این توانایی تنها زمانی حاصل میشود که اجزای شبکه عصبی به درستی انتخاب شده و شبکه عصبی با استفاده از روش مناسبی آموزش داده شده باشد. طی این تحقیق ضمن بیان نحوه دستیابی به یک شبکه عصبی مناسب، اجزای مناسب برای مدلهای پیشبینی جریان ترافیک شامل توابع انتقال و روش آموزش تعیین میشود.
الگوریتم ژنتیک روشی ابتکاری است که از نحوه تکامل موجودات در طبیعت الهام گرفته شده است و برای حل مسائل بهینه سازی بکار میرود. در این تحقیق ضمن بهینه سازی شبکههای عصبی به کمک الگوریتم ژنتیک، سهم عملگرهای ژنتیکی و اندازه جمعیت مناسب برای بهینه سازی شبکههای عصبی تعیین میشود.
فهرست مطالب :
فصل اول : تعریف مساله و کلیات
۱-۱ مقدمه
۱-۲ سیستم حمل و نقل هوشمند و ساختار آن
۱-۳ مدیریت سفر و ترافیک
۱-۳-۱ کنترل ترافیک
۱-۳-۲ سیستم اطلاع رسانی به مسافران
۱-۴ تعریف تخمین کوتاه مدت جریان ترافیک
۱-۵ شبکه های عصبی
۱-۶ بهبود ساختار شبکه عصبی به کمک الگوریتم ژنتیک
۱-۷ هدف از تحقیق
۱-۸ تعریف مساله
۱-۹ فرمول بندی مساله
۱-۱۰ پیشینه تحقیق
فصل دوم : کلیات شبکه های عصبی
۲-۱ مقدمه
۲-۲ شبکه عای عصبی مغز انسان
۲-۳ ساختار یک سلول عصبی ساده
۲-۴ تعریف شبکه های عصبی
۲-۵ توانایی ها و کاربرد شبکه های عصبی
۲-۶ ویژگی های کلی شبکه های عصبی
۲-۷ داده ها در شبکه عصبی
۲-۷-۱ جمعیت و نمونه
۲-۷-۲ مجموعه آموزش، مجموعه اعتبار ستجی و مجموعه تست
۲-۸ توانایی شبکه های عصبی
۲-۸-۱ تابع ترکیب کننده
۲-۸-۲ تابع انتقال
۲-۸-۳ تابع هدف
۲-۹ معیار کارایی شبکه
۲-۹-۱ متوسط خطای مطلق
۲-۹-۲ میانگین خطای نسبی بین خروجی های حقیقی و دلخواه
۲-۹-۳ جذر میانگین مربع خطاها
۲-۹-۴ ضریب همبستگی بین خروجی های حقیقی و خروجی هدف
۲-۱۰ آستانه
۲-۱۱ نحوه شمارش لایه ها
۲-۱۲ شرایط تعمیم موفقیت آمیز
۲-۱۳ انواع شبکه های عصبی
فصل سوم : مروری بر مطالعات پیشین
۳-۱ مقدمه
۳-۲ پژوهش یاسدی
۳-۳ پژوهش ایناما
۳-۴ پژوهش هائو دینگ و همکاران
۳-۵ پژوهش باهر عبدالحی و هیمانشو پروال
۳-۶ پژوهش کارلافتیس و همکاران
فصل چهارم : شبکه های چند لایه از جلو تغذیه شونده و روش آموزش پس از انتشار خطا
۴-۱ مقدمه
۴-۲ شبکه های دولایه ای
۴-۲-۱ نگاشت غیر خطی
۴-۳ قاعده کلی دلتا
۴-۴ تصحیح وزن های لایه خروجی
۴-۵ تصحیح وزن های لایه ورودی
۴-۶ شبکه هایی با خروجی خطی
۴-۷ بسط قاعده کلی دلتا برای شبکه های چند لایه MLF
۴-۸ محاسبات بازگشتی دلتا
۴-۹ الگوریتم پس از انتشار خطا به همراه اندازه حرکت
۴-۹-۱ فرمول افزایش اصلاح شده
۴-۹-۲ تاثیر اندازه حرکت
۴-۱۰ مقادیر اولیه وزن ها
۴-۱۱تعداد لایه های پنهان و تعداد سلول های عصبی
۴-۱۲ مساله مینیمم محلی در تعین وزن ها
۴-۱۳ روش های آموزش
۴-۱۳-۱ آموزش پس از انتشار خطا با نرخ یادگیری متغیر
۴-۱۳-۲ آموزش پس از انتشار خطای انعطاف پذیر
۴-۱۳-۳ روش لونبرگ – مارکوارت
۴-۱۳-۴ روش BFGS
۴-۱۳-۵ روش سکانت یک مرحله ای
فصل پنجم : بررسی روش های ابتکاری و نقش آن در حل مسایل حمل و نقل
۵-۱ مقدمه
۵-۲ جستجوی همسایه
۵-۳ گرم و سرد کردن شبیه سازی شده
۵-۴ الگوریتم مورچگان
۵-۵ جستجوی میتنی بر منع
۵-۶ الگوریتم ژنتیک
۵-۷ الگوریتم فرهنگی
۵-۸ استراتژی تکاملی
۵-۹ دلایل انتخاب الگوریتم ژنتیک
۵-۱۰ ساختار الگوریتم ژنتیک
۵-۱۰-۱ کد گذاری جواب ها
۵-۱۰-۲ تابع صلاحیت
۵-۱۰-۳ مکانیزم انتخاب
۵-۱۰-۴ تکثیر
۵-۱۰-۵ ترکیب
۵-۱۰-۶ جهش
۵-۱۰-۷ پارمترهای کنترلی
۵-۱۱ مزایای الگوریتم ژنتیک
۵-۱۲ مراحل الگوریتم ژنتیک
فصل هفتم : کاربرد روش پیشنهادی در مطالعه موردی
۷-۱ مقدمه
۷-۲ مطالعه موردی شماره یک – محور قزوین رشت
۷-۲-۱ ساختار پیشنهادی
۷-۲-۲ مدل پیش بینی جریان ترافیک در ۵ دقیقه آتی
۷-۲-۳ انتخاب روش آموزش مناسب
۷-۲-۴ بررسی انواع توابع انتقال آب
۷-۲-۵ بینه سازی مدل پیش بینی ۵ دقیقه آتی محور قزوین – رشت
۷-۲-۶ مدل پیش بینی ۱۰ دقیقه آتی محور قزوین – رشت
۷-۲-۷ مدل پیش بینی ۱۵ دقیقه آتی محور قزوین – رشت
۷-۲-۸ مدل پیش بینی ۱۵ دقیقه آتی محور قزوین – رشت
۷-۲-۹ مقایسه مدل های پیش بینی جریان ترافیک محور قزوین – رشت
۷-۳ مطالعه موردی شماره دو – بزرگراه BHL
۷-۳-۱ بررسی تاثیر آگاهی از اطلاعات مکانی بر عملکرد مدل
۷-۳-۲ انتخاب اطلاعات مکانی
۷-۳-۳ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۵ دقیقه آتی
۷-۳-۴ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۱۰ دقیقه آتی
۷-۳-۵ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۱۵ دقیقه آتی
۷-۳-۶ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۳۰ دقیقه آتی
۷-۳-۷ مقایسه مدل های پیش بینی جریان ترافیک بزرگراه BHL
۷-۴ ساختار مدل های پیش بینی جریان ترافیک بزرگراه BHL
۷-۴-۱ مدل های پیش بینی باکس – جنکینز محور قزوین – رشت
۷-۴-۲ مدل های پیش بینی باکس – چنکینز بزرگراه BHL
۷-۴-۳ مقایسه روش پیشنهادی تحقیق با روش باکس – جنکینز
فصل هشتم : نتیجه گیری و پیشنهاد هایی برای مطالعات آینده
۸-۱ نتایج تحقیق
۸-۲ نتایج بدست آمده از مطالعه موردی
۸-۳ پیشنهادهایی برای مطالعات آینده
۸-۳-۱ پیش بینی زمان سفر
۸-۳-۲ مطالعه زمان سفر
۸-۳-۳ مطالعه بر روی شبکه های بزرگ
۸-۳-۴ طراحی مدلی با استفاده از فازی و مقایسه آن با شبکه های عصبی
۸-۳-۵ بررسی نحوه واکنش مسافران و رانندگان
منابع
پیوست
پیوست الف – کد برنامه طراحی مدل
پیوست ب – عملکرد شبکه های طراحی شده
پایان نامه طرح هندسی راه و کنترل هوشمند ترافیک و تاثیر آن بر ایمنی و ظرفیت راهها
طبقه بندی و مقدمه واظهار بکر بودن متون
ارزیابی و مدل سازی تصادفات در خیابانهـای شـهری و بـرون شـهری یکـی از بهتـرین روش بـرای ارزیابی زیانهای اقتصادی و تراکم ترافیک و پیش بینی جراحـات و تـصادفات مـی باشـد. مطالعـات بسیای در سطح جهان به منظور ارزیابی تأثیر طرح هندسی راه بر بروز تصادفات انجام گرفته اسـت .
که می توان تأثیر عرض روسازی و تعداد خطوط عبوری و شیب راه و شانه و شعاع قـوس و فاصـله دید و حجم ترافیک و سرعت طرح را نام برد. که مطالعـات بـسیاری در کـشورهای مختلـف انجـام پذیرفته است . پیش بینی تصادفات ترافیکی و رابطه آن با طرح هندسی راه به ویـژه بـرای راه هـای شهری که پارامترهای بیشتری در بروز تصادفات در این راه ها تأثیر گذار بـوده، مـسأله پیچیـده ای است و تعامل بین این پارامترها نیز پیچیده تـر اسـت . پیچیـدگی زیـاد در ارزیـابی و مـدل سـازی تصادفات راه های شهری باعث گشته تا بسیاری از پژوهشگران از مدل سازی نـرخ تـصادفات در راه های شهری اجتناب کنند. به همین دلیل مطالعات بـر روی راه هـای درون شـهری گـزارش نـشده است . در حالی که مطالعات بسیار زیادی در خصوص پیش بینی تصادفات در آزاد راه ها و راه هـای برون شهری صورت گرفته است . مـشکلات زیـادی در مـدلهای پـیش بینـی تـصادفات کـه توسـط پژوهشگران مختلف انجام شده وجود دارد. یکی از ایـن مـشکلات ایـن اسـت کـه مـدلهای توسـعه تغییرات ترافیک در طول شبانه روز را مد نظر قرار نمی دهند. به طوریکـه بیـشتر ایـن مـدلها نـرخ تصادفات را به صورت تابعی خطی از حجم ترافیک روزانه در نظر می گیرند و مشکل دیگر ایـن کـه این مدلها چنین فرض می کنند .
تاثیر حجم ترافیک
معمولاً انتظار می رود که افزایش حجم ترافیک دلیلی بر افزایش نرخ تصادف می باشـد. بـا افـزایش حجم ترافیک نرخ تصادفات کاهش می باید. وسـایل نقلیـه در خیابانهـای بـا حجـم ترافیـک بـالاتر احتمالاً با سرعت کمتری حرکت می کننـد. در نتیجـه تـاثیر حجـم ترافیـک حـداقل خواهـد بـود.
همچنین خیابانهای با حجم ترافیـک بـالا در حالـت عـادی دارای خطـوط عبـوری عـریض و سـایر پارامترهای طرح هندسی هستند که نرخ تصادفات را کاهش می دهد. به عبارت دیگر هر چه حجـم ترافیک بیشتر باشد، تفاوت در سرعتهای وسایل نقلیه بیشتر بوده و در نتیجه امکان این که وسـیله نقلیه ای تصادف کند، بیشتر می شود. همچنین در مورد تصادف یک وسیله نقلیه با افـزایش حجـم ترافیک نرخ تصادفات کاهش می یابد. در حالی که در مورد تصادفات چند وسیله نقلیه ،ارتبـاط بـر عکس می باشد.
فهرست مطالب
عنوان شماره صفحه
چکیده
مقدمه
فصل اول : تعریف کلی مسئله ١
١-١- تعریف کلی مسئله ٢
١-٢- نیاز به مطالعه در مورد مسئله ٣
١-٣- اثرات مهم مطالعه بر مسئله از نظر بهبود آن ٤
١-٤-اهداف وفرضیات ٥
١-٥- اثرمسئله درجامعه علمی و اجتماع ٦
١-٦- محدودیت ها و چهار چوب پروژه ٨
١-٧-پیشینه تحقیق ٩
فصل دوم: کاوش در متون ١٠
٢-١- طبقه بندی و مقدمه واظهار بکر بودن متون ١١
٢-٢- بررسی مقالات ١٣
٢-٣- بررسی تزها و پروژه ها ٤٩
٢-٤-بررسی کتابها ٦٦
٢٢--٦٥--بسرروسلای ت کمنطفراحسشهدا ه ویافته ها ا زمان حاض ر ٨٦٣٩
فصل سوم: روش تحقیق ٨٥
٣-١-روش بکار گرفته شده ودلایل آن ٨٦
٣-٢-دستورالعمل جمع آوری اطلاعات وروش بکارگرفته شده ٩١
٣-٣-تعاریف ،اختصارات و نشانه های ریاضی ٩٥
٣-٤-بر نامه کامپیوتری استفاده شده ١٠١
٣-٥-ارائه مباحث ضروری علمی ١٠١
فصل چهارم:جمع آوری اطلاعات ١٠٧
٤-١-مقدمه ١٠٨
٤-٢-موضوعات مورد نظر ١٠٨
٤-٣-اطلاعات لازم برای هر سوال از سوالات موضوع تحقیق ١٠٩
٤-٣-١- طرح هندسی راهها ١٠٩
٤-٣-٢-سیستمهای هوشمند ترافیک ١٥٦
٤-٣-٣-ظرفیت راه ها و سطح سرویس ٢٠٠
٤-٣-٤- مقدمه ای بر ایمنی راه ٢١٧
٤-٤-مشکلات در جمع آوری اطلاعات ٢٣٥
فصل پنجم - تحلیل اطلاعات وارائه نتایج ٢٣٦
٥-١-تحلیل اطلاعات ٢٣٧
٥-١-١-رابطه بین طراحی و ایمنی ( قوس های افقی ) ٢٣٨
٥-١-٢- رابطه بین طراحی و ایمنی (قوسهای قائم ) ٢٤٢
٥-١-٣- رابطه بین طراحی و ایمنی (ترکیب قوسهای افقی و قائم ) ٢٤٤
٥-١-٤- رابطه بین طراحی و ایمنی (تقاطع ها) ٢٤٥
٥-١-٥- رابطه بین طرح هندسی راه و ایمنی و ظرفیت (نتیجه گیری) ٢٥٧
٥-٢-١-مدل های تصادف استان تهران ٢٦٥
٥-٣-نتیجه گیری در مورد کل تحقیق : ٢٦٨
٥-٣-١-مدل بین نرخ تصادفات و عرض هر خط عبوری(RSA-LV) ٢٧١
٥-٣-٢-مدل بین نرخ تصادفات وحجم ترافیک( RSA-ADT) ٢٧٧
٥-٣-٣-مدل بین نرخ تصادفات وساعت پیک وسرعت عملکردی ٢٨٠
٥-٤-کاربردهای عملی وتئوری ٢٨٢
٥-٤-١-محاسبه ضریب ساعت اوج (PHF) ٢٨٢
٥-٤-٢-محاسبه ظرفیت راه دو خطه برون شهری ٢٨٥
٥-٥-پیشنهادهای تحقیقاتی برای آینده ٢٩٨
٥-٦-خلاصه اطلاعات محاسبات مدل با استفاده از نرم افزار ٢٩٩
منابع وماخذ ٣٧٧