گیگا داک
بانک دانلود فایل‌های کمک آموزشی
  2. مهندسی عمران
  3. پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی

پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی

تعداد صفحات: 227 فرمت فایل: word کد فایل: 2089
سال: 1385 مقطع: مشخص نشده دسته بندی: مهندسی عمران
قیمت قدیم:۳۸,۴۰۰ تومان
قیمت: ۳۲,۰۰۰ تومان
دانلود مقاله
کلمات کلیدی: ITS - تخمین جریان ترافیک - جریان ترافیک - سیستم  حمل  و نقل  هوشمند - شبکه های عصبی - شبکه های  عصبی  مصنوعی
  • خلاصه
  • فهرست و منابع

  • خلاصه پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی

    پایان  نامه  برای  دریافت  درجه  کارشناسی  ارشد "M.SC"

    مهندسی  عمران - برنامه ریزی  حمل  و نقل 

    چکیده

    سیستم  حمل  و نقل  هوشمند(ITS)، یکی  از راهکارهای  حل  و تخفیف  مشکلات  مرتبط  با حمل  و نقل  و ترافیک  محسوب  می شود، این  سیستم  از  بخش های  مختلف  نرم  افزاری  و  سخت افزاری  تشکیل  شده  است  که  مدل  تخمین  جریان  ترافیک  در کوتاه  مدت  یکی  از این  بخش ها می باشد. این  مدل  با استفاده  از اطلاعات  وضعیت  فعلی  ترافیک  هر معبر(حجم  ترافیک  عبوری  از معبر که  توسط  سنسورها برداشت  می شود)، حجم  عبوری  از معبر در فواصل  زمانی  کوتاه  مدت  آتی  را پیش بینی  می کند. آگاهی  از وضعیت  پیش بینی  شده  برای  جریان  ترافیک  در بخش های  مدیریت  ترافیک  و  اطلاع  رسانی  به  مسافران  از  اهمیت  بسیاری  برخوردار  است  و  هدف  اصلی  این  تحقیق  نیز ارائه  مدل هایی  برای  پیش بینی  جریان  ترافیک  در فواصل  زمانی  ۵، ۱۰، ۱۵ و ۳۰ دقیقه  آینده  است .

    در  این  تحقیق  روشی  دو  مرحله ای  برای  طراحی  مدل های  پیش بینی  جریان  ترافیک  پیشنهاد  شده  است .  در  مرحله  نخست ،  با  استفاده  از  روش  شبکه های  عصبی  مدلی  برای  پیش بینی  جریان  ترافیک  طراحی  می شود و در مرحله  دوم ، مدل  پیشنهادی  با استفاده  از الگوریتم  ژنتیک  بهینه  سازی  می شود.

    روش  شبکه های  عصبی  به  عنوان  یکی  از  ارکان  هوش  محاسباتی ،  از  توانایی  پیش بینی  پدیده های  مختلف  برخوردار است ، اما این  توانایی  تنها زمانی  حاصل  می شود که  اجزای  شبکه  عصبی  به  درستی  انتخاب  شده  و شبکه  با استفاده  از روش  مناسبی  آموزش  داده  شده  باشد. طی  این  تحقیق  ضمن  بیان  نحوه  دستیابی  به  یک  شبکه  عصبی  مناسب ، اجزای  مناسب  برای  مدل های  پیش بینی  جریان  ترافیک  شامل  توابع  انتقال  و روش  آموزش  تعیین  می شود.

    الگوریتم  ژنتیک  روشی  ابتکاری  است  که  از نحوه  تکامل  موجودات  در طبیعت  الهام  گرفته  شده  است  و برای  حل  مسائل  بهینه  سازی  بکار می رود، در این  تحقیق  ضمن  بهینه سازی  شبکه های  عصبی  به  کمک  الگوریتم  ژنتیک ، سهم  عملگرهای  ژنتیکی  و اندازه  جمعیت  مناسب  برای  بهینه سازی  شبکه های  عصبی  تعیین  می شود.

     

    ۱- فصل  اول  - تعریف  مساله  و کلیات

    ١-١- مقدمه

    پیشرفت  علوم  کامپیوتر و الکترونیک  به  همراه  توسعه  زیرساخت های  مخابراتی ، ابزارهای  جدیدی  را برای  بهبود بهره برداری  از سیستم  حمل  و نقل  در اختیار متخصصان  حمل  و نقل  قرار داده  است  که  امروزه  تحت  عنوان  سیستم  حمل  و نقل  هوشمند شناخته  می شوند. اگرچه  نقش  الکترونیک  و مخابرات  در این  سیستم ها غیر قابل  انکار است  اما آنچه  موفقیت  این  سیستم ها را در پی  دارد فناوری  پیشرفته ای  که  در آنها بکار رفته  نیست  بلکه  راهکارها و تصمیمات  صحیحی  است  که  از طریق  این  سیستم ها اعمال  می شود.

    برای  تصمیم  گیری  صحیح  و انتخاب  راهکار مناسب ، علاوه  بر وجود یک  الگوریتم  تصمیم  گیری  کارا و موثر، به  داده های  صحیح  و مناسب  نیز نیاز است . یکی  از این  داده ها، وضعیت  جریان  ترافیک  است  که  در تعدادی  از  سیستم های  زیرمجموعه  حمل  و  نقل  هوشمند  حایز  اهمیت  می باشد،  نحوه  پیش بینی  جریان  ترافیک  برای  آینده  کوتاه  مدت  موضوع  این  تحقیق  می باشد که  در ادامه  توضیحات  بیشتری  در مورد آن  ارائه  می شود.

    ١-٢- سیستم  حمل  و نقل  هوشمند و ساختار آن

    در  دو  دهه  اخیر سیستم  حمل  و  نقل  هوشمند به  عنوان  راهکاری  که  می تواند بهبود عملکرد سیستم  حمل  و نقل  را به  دنبال  داشته  باشد به  طور جدی  مورد توجه  قرار گرفته  است . این  سیستم  به  صورت  «بکارگیری  فناوری های  اطلاعات ، مخابرات ، و  کنترل  در  سیستم  حمل  و  نقل  برای  بهبود  بهره برداری  از  شبکه  و  کمک  به  تصمیم  گیرندگان  و مسافران  در اتخاذ تصمیم های  آگاهانه تر با هدف  صرفه جویی  در زمان ، بهبود کیفیت  زندگی  انسانها  و  وضعیت  محیط  زیست  و  افزایش  بهره وری  و  کارایی  سیستم های  تجاری »  تعریف  می شود.  در  یک 

    طبقه بندی  کلی ، سیستم  حمل  و نقل  هوشمند از نظر ماهیت  اجزا به  سه  بخش  کلی  زیر تقسیم  می شود:

    ۱- تجهیزات  فیزیکی  ؛

    ۲- روابط  بین  سازمانی  ؛

    ۳- مدلهای  پیش بینی ، استراتژی های  کنترلی  و سیاست های  زمان بندی  و برنامه ریزی  ؛

    منظور از تجهیزات  فیزیکی  ابزارهایی  است  که  جمع آوری ، انتقال ، پردازش  و انتشار داده ها و اطلاعات  را بر عهده  دارند، انواع  سنسورها، بسترهای  انتقال  مانند فیبرنوری  و ارتباطات  بی سیم ، سرورهای  موجود در مراکز کنترل  ترافیک  و در نهایت  تابلوهای  متغیر خبری  نمونه ای  از این  ابزارها محسوب  می شوند.

    در  روابط  بین  سازمانی  که  از  آن  تحت  عنوان  معماری  ITS نام  برده  می شود  نحوه  تعامل  بخش های  مختلف  دست  اندرکار ITS با یکدیگر تعیین  می شود، جایگاه  سازمان ها و  بخش های  مختلف  نسبت  به  یکدیگر، وظایف  و تعهدات  هر سازمان  و چگونگی  گردش  اطلاعات  بین  آنها در این  بخش  مشخص  می گردد.

    سومین  بخش  تشکیل  دهنده  سیستم  حمل  و  نقل  هوشمند،  الگوریتم ها  و  مدل هایی  هستند  که  در بخش های  مختلف  برای  شناسایی ، پیش بینی  و  تصمیم  گیری  در  مورد  رویدادها و  انتخاب  راهکار  مناسب  بکار گرفته  می شوند. مدل هایی  که  برای  تشخیص  تصادفات  بکار می روند، مدل های  پیش بینی  ترافیک ، استراتژی های  کنترل  رمپ  و مدل های  بررسی  هوشیاری  رانندگان  نمونه ای  از اعضای  این  بخش  می باشند. همانگونه  که  ملاحظه  می شود  نتایج  و  خروجی های  این  مدل ها،  ورودی  سایر  بخش های  سیستم  حمل  و  نقل  هوشمند  می باشند  و عملکرد صحیح  سیستم  کامًلا به  عملکرد صحیح  مدل های  این  بخش  وابسته  است [۱۰].

    مدل های  فوق  عمدتاً برمبنای  محاسبات  نرم  و روشهای  ابتکاری  ایجاد شده اند و به  دلیل  پیشرفت  سریع  این  روش ها طبیعتاً این  مدل ها نیز مرتباً اصلاح  شده  و تکمیل  می شوند. از سوی  دیگر به  دلیل  نوپا بودن  حمل  و نقل  هوشمند این  مدل ها نیز در مراحل  اولیه  و ابتدایی  قرار دارند و دقت  آنها با سطح  مطلوب  فاصله  دارد. البته  دلیل  دیگر  برای  توجه  دیرهنگام  به  این  مدل ها  این  است  که  تنها  مدت  کوتاهی  از  گسترش  روش های  نوین  جمع آوری  اطلاعات  که  داده های  مورد نیاز برای  ساخت  این  مدل ها را فراهم  می کنند می گذرد و همین  امر باعث  می شود که  قدمت  این  مدل ها حتی  از عمر سیستم  حمل  و نقل  هوشمند نیز کوتاه تر باشد.

    ١-٣- مدیریت  سفر و ترافیک

    خدماتی  که  از طریق  سیستم  حمل  و نقل  هوشمند ارائه  می شوند به  ۸ گروه  کلی  تقسیم  می شوند، یکی  از این  گروهها «مدیریت  سفر و ترافیک » می باشد که  خود به  ۱۰ خدمت  تقسیم  می شود هدف  خدمات  دهگانه ای که  در گروه  مدیریت  سفر و ترافیک  ارائه  می شود، استفاده  از اطلاعات  لحظه ای  وضعیت  سیستم  حمل  و نقل  برای افزایش  بازدهی  و  بهره وری  سیستم  و  نیز کاهش  اثرات  سوء زیست  محیطی  آن است [٢٠]. در  ادامه  توضیحات  مختصری  در مورد برخی  از خدمات  این  گروه  ارائه  می شود.

    ١- ٣-١- کنترل  ترافیک

    اجزای  مختلف  سیستم  پیشرفته  مدیریت  ترافیک ١ معمولاٌ  به  صورت  بدون  واسطه  اطلاعات  مربوط  به  جریان  ترافیک  را از سیستم  جمع آوری  اطلاعات  دریافت  می کنند و به  عنوان  ورودی های  فرآیندهای  تصمیم گیری  خود  مورد  استفاده  قرار  می دهند.  این  سیستم ها  ممکن  است  داده های  مربوط  به  وضعیت  تاریخی  (مربوط  به  گذشته )،  وضعیت  فعلی  و  یا  شرایط  پیش بینی  شده  برای  ترافیک  را  مبنای  عملکرد  خود  قرار  دهند.  کنترل  ترافیک  بر اساس  داده های  مربوط  به  روزها و ماه های  گذشته  در  مقایسه  با دو  روش  دیگر از  اثربخشی  کمتری  برخوردار  است  و  طی  سال های  اخیر  اتخاذ  استراتژی های  کنترلی  بر  اساس  وضع  موجود  ترافیک  و  یا  اتخاذ استراتژی های  کنترلی  بر  اساس  وضعیت  پیش بینی  شده  برای  ترافیک  یکی  از  مباحث  مطرح  در  زمینه  سیستم های  هوشمند حمل  و نقل  بوده  است .

     در روش  اول  کنترل  ترافیک  که  کنترل  فعال ٢ نامیده  می شود، سیستم  به  وضعیت  فعلی  و مشاهده  شده  ترافیک  واکنش  نشان  می دهد. در  این  روش  نه  تنها به  مشکلات  اجازه  داده  می شود تا ایجاد شوند بلکه  ممکن  است  تا زمان  تصمیم  گیری  و  اجرای  تدابیر کنترلی ، وضعیت  و  شرایط  ترافیک  دچار  تغییر و  دگرگونی  شود و تصمیمات  و  راهکارهای  اتخاذ  شده  اثربخشی  خود  را  از  دست  دهند.  در  روش  دوم  کنترل  ترافیک  که  کنترل  پیشگیرانه  ترافیک ٣ نامیده  می شود، تدابیر کنترلی  بر  اساس  شرایطی  که  در  کوتاه  مدت  برای  وضعیت  ترافیک  پیش بینی  شده  است  اتخاذ  می شوند.  در  نتیجه  شبکه  حمل  و  نقل  همواره  با استراتژی ها و  راهکارهایی  کنترل  می شود که  از تناسب  بیشتری  با وضعیت  ترافیک  برخوردار هستند. با توجه  به  توضیحات  ارائه  شده  واضح  است  که  کنترل  پیشگیرانه  نسبت  به  کنترل  فعال  برتری  دارد.  اما  کنترل  پیشگیرانه  همواره  به  دلیل  عدم  دقت روش های  موجود برای  تخمین  ترافیک  و همچنین  حجم  پردازش های  قابل  توجه ، برای  اجرا در عمل  با چالش  رو به  رو بوده  است [۵].

    ١- ٣-٢-  سیستم  اطلاع  رسانی  به  مسافران

    یکی  از مهمترین  عواملی  که  بر موفقیت  سیستم های  پیشرفته  اطلاع  رسانی  به  مسافران ١ تاثیر می گذارد ارائه  اطلاعات  بهنگام  وضعیت  فعلی  ترافیک  و  ارائه  اطلاعات  مربوط  به  وضعیت  پیش بینی  شده  برای  آن  به  مسافران  می باشد.  همه  افرادی  که  از  سیستم  حمل  و  نقل  استفاده  می کنند معموًلا  هر  روزه  با تراکم  ترافیک ، تاخیرهای  طولانی  و  صف های  طویل  مواجه  می شوند. مسافران  همواره  به  دنبال  اطلاعاتی  در  مورد زمان  سفر و تاخیرهایی  که  احتماًلا در مسیر خود با آن  مواجه  خواهند شد می باشند. این  اطلاعات  به  مسافران  کمک  می کند تا هزینه  سفر خود را تخمین  بزنند و البته  بدیهی  است  که  مسافران  همواره  تلاش  می کنند تا هزینه  سفر خود را به  حداقل  ممکن  تقلیل  دهند. با توجه  به  اینکه  اغلب  تصمیم های  مرتبط  با سفر قبل  از شروع  سفر اتخاذ می شوند مسافران  به  دنبال  وضعیت  پیش بینی  شده  برای  ترافیک  در  مسیر مورد نظر خود و  طی  مدت  زمان  پیش بینی  شده  برای  سفر خود هستند.

    با توجه  به  پیشرفت  روش های  جمع آوری  اطلاعات  و  روش های  انتشار  اطلاعات  و  اطلاع رسانی ، امروزه  این  امکان  فراهم  شده  است  که  اطلاعات  مربوط  به  ترافیک  چه  در  مرحله  تصمیمگیری  در  مورد  سفر(پیش  از سفر) و چه  در حین  سفر در اختیار افراد قرار داده  شود. در صورتی  که  اطلاعات  ارائه  شده  از دقت  کافی  برخوردار باشند و نیز در زمان  مناسبی  در اختیار مسافران  قرار داده  شوند به  مسافران  در پرهیز از ورود به  قسمت هایی  از شبکه  که  با تراکم  ترافیک  مواجه  هستند کمک  کرده  و در عین  حال  به  آنها در انتخاب  بهتر زمان  شروع  سفر، مد سفر و مقصد سفر کمک  می کنند. چنین  تصمیم هایی  قطعاً بر تقاضای  سفر مربوط  به  بخش های  متراکم  شبکه  تاثیر می گذارند و به  بهره برداری  بهتر از ظرفیت  موجود شبکه  کمک  می کند[۱۸].

    ملاحظه  می شود که  هر دو خدمت  فوق  برای  عملکرد بهتر خود نیازمند آگاهی  از وضعیت  جریان  ترافیک 

    در آینده  کوتاه  مدت  هستند، پیش  بینی  وضعیت  جریان  ترافیک  در آینده  کوتاه  مدت  توسط  مدل های  تخمین 

    ١ Advanced

    ٥

     

     

    جریان  ترافیک  انجام  می شود و هدف  این  تحقیق  نیز ارائه  مدلی  برای  پیش  بینی  جریان  ترافیک  در کوتاه  مدت  است .

    ١-٤- تعریف  تخمین  کوتاه  مدت  جریان  ترافیک

    پیش بینی  جریان  ترافیک  در کوتاه  مدت  یکی  از  ضروریات  سیستم  حمل  و  نقل  هوشمند  محسوب 

    می شود. منظور از پیش بینی  جریان  ترافیک  در کوتاه  مدت ، پیش بینی  حجم  عبوری  از یک  مقطع  جاده  در زمان

    t (Vt ) بر اساس  حجم  عبوری  در بازه های  زمانی  گذشته  [Vt-i,...,١-Vt]  است .

    در  این  تحقیق  شبکه هایی  برای  پیش بینی  جریان  ترافیک  در  فواصل  زمانی ۵،  ۱۰،  ۱۵ و  ۳۰ دقیقه 

    ساخته  می شود و تاثیر فاصله  زمانی  پیش بینی  بر دقت  مدل  بررسی  می شود.

    ١-٥- شبکه های  عصبی

    شبکه های  عصبی  مصنوعی  که  به  اختصار  شبکه های  عصبی  نامیده  می شوند، مدل های  ریاضی  هستند

    که  مبانی  عملکردی  آنها از نحوه  یادگیری  مغز انسان  الهام  گرفته  شده  است .

    مغز  انسان  از  تعداد  زیادی  سلول  عصبی  یا نرون  تشکیل  شده  است ،  این  سلول ها از  طریق  دندریت ها سیگنال  الکتریکی  خروجی های  سایر سلول ها را دریافت  و به  بدنه  سلول (سوما) منتقل  می کنند. بدنه  سلول  همه  سیگنال های  الکتریکی  دریافت  شده  را با یکدیگر جمع  نموده  و چنانچه  مقدار آنها از حد تحریک  سلول  بیشتر باشد، یک  سیگنال  خروجی  تولید و آن  را از طریق  اکسون  به  سایر سلول ها منتقل  می کند. اکسون  و دندریت  در محلی  به  نام  سیناپس  به  یکدیگر  متصل  می شوند و  از  طریق  سیناپس ، خروجی  یک  سلول  به  سلولهای  بعدی  منتقل  می شود،  حین  عبور  سیگنال  الکتریکی  از  سیناپس ،  سیگنال  تقویت  و  یا  تضعیف  می شود،  شدت  این  تغییرات  توسط  قدرت  اتصال  سیناپسی  تعیین  می شود.

    انسان  مطالب  مختلف  را طی  تکرارهای  متوالی  و در تجارب  مختلف  می آموزد، بدون  اینکه  هیچ  آگاهی  و شناخت  اولیه ای  نسبت  به  آنها  داشته  باشد،  نرولوژیست ها  معتقدند  هنگامی  که  انسان  مطلبی  را  فرامی گیرد تغییراتی  در حدتحریک  تعدادی  از سلول های  عصبی  و قدرت  اتصال  سیناپسی  آنها صورت  می گیرد، در حقیقت 

    ٦

     

     

    با هر بار تکرار مطلبی  و در هر تجربه ای ، حدتحریک  و قدرت  اتصال  سیناپسی  تعدادی  از سلول های  مغز تصحیح  می شود تا سرانجام  یادگیری  کامل  و صحیح  محقق  شود.

    در شبکه های  عصبی  مصنوعی  سعی  می شود اجزای  اصلی  سیستم  عصبی  مغز شبیه  سازی  شده  و برای  شناخت  الگوها و یادگیری  روابط  بین  متغیرها از روشی  مشابه  روش  مغز انسان  استفاده  شود. شبکه های  عصبی  که  امروزه  بخشی  از هوش  مصنوعی  محسوب  می شوند تاکنون  به  صورت  موفقیت آمیز برای  طبقه بندی ، تقریب  توابع  و  شناخت  الگوها  در  علوم  مختلف  بکار  گرفته  شده اند.  شبکه های  عصبی  در  صورت  وجود  اطلاعات  و داده های  کافی  می توانند هر الگویی  را از جمله  الگوی  جریان  ترافیک  را از یک  مجموعه  نمونه  داده  فرا بگیرند و آن  را تعمیم  دهند. در این  تحقیق  تلاش  می شود تا ساختار مناسبی  از یک  شبکه  عصبی  برای  پیش بینی  جریان  ترافیک  در کوتاه  مدت  ارائه  شود. لیکن  انتخاب  ساختار شبکه  عصبی  مصنوعی  و پارامترهای  آن  یک  فرایند سعی  و خطا است  که  تعداد تکرارها برای  دستیابی  به  جواب  مطلوب  تا حد زیادی  به  تجارب  طراح  در گذشته  بستگی  دارد زیرا مجموعه  ساختارهای  ممکن  برای  شبکه  عصبی  و مقادیر مربوط  به  پارامترهای  شبکه  بسیار بزرگ  است . بنابراین  برای  دستیابی  به  پایین  ترین  سطح  جواب  مطلوب  معموًلا باید سعی  و خطای  زیادی  انجام  شود[۱۴].

    ١-٦- بهبود ساختار شبکه  عصبی  به  کمک  الگوریتم  ژنتیک

    همانطور  که  در  قسمت  قبل  اشاره  شد  طراحی  و  ساخت  یک  شبکه  عصبی (تعیین  تعداد  لایه ها  و سلول های  پنهان ) به  کمک  سعی  و  خطا  انجام  می شود.  برای  دستیابی  به  نتایج  مطلوب  برای  مسایل  مختلف  نمی توان  صرفاً به  نتایج  سعی  و خطا اتکا نمود و باید به  طریقی  در مورد مناسب  بودن  شبکه  عصبی  طراحی  شده  اطمینان  حاصل  نمود. راه  حل  پیشنهادی  برای  اطمینان  از مناسب  بودن  شبکه  طراحی  شده ، بهبود ساختار شبکه  عصبی  با استفاده  از  روشهای  بهینه  سازی  است . در  این  قسمت  توضیحی  در مورد مفهوم  بهینه سازی  ضروری  است .  در  علم  ریاضیات  جواب  بهینه  به  جوابی  اطلاق  می شود که  قطعاً جوابی  بهتر از  آن  در  مجموعه  جواب ها وجود ندارد و  در  حقیقت  جواب  محلی  نمی باشد. اما مفهوم  بهینه سازی  در  محاسبات  نرم  و  هوش  مصنوعی  با مفهوم  آن  در ریاضیات  متفاوت  می باشد. در این  شاخه  از علم  با استفاده  از روش های  بهینه سازی  ابتکاری  اگرچه  دستیابی  به  جواب  بهینه  مطلق  تضمین  نمی شود اما جواب  حاصل  نسبتاً بهینه  و  بسیار  نزدیک  به  جواب  بهینه است .  از  روشهای  بهینه  سازی  اصولاٌ  زمانی  استفاده  می شود  که  مجموعه  جواب ها  بسیار  گسترده  و  پیچیده  باشد[۱۵].

    الگوریتم  ژنتیک  یک  روش  ابتکاری  برای  حل  مسایل  بهینه  سازی  محسوب  می شود و  از  قاعده  تکامل  موجودات  الهام  گرفته  شده  است . در الگوریتم  ژنتیک  مجموعه  جواب ها به  صورت  مجموعه ای  از کروموزوم ها مدل  می شوند که  هر کروموزوم  از تعدادی  ژن  تشکیل  شده  است . الگوریتم  با کمک  عملگرهای  تکثیر، ترکیب  و جهش ، نسل  جدیدی  از  جواب ها (فرزندان -کرموزوم های  جدید) تولید می کند و  طی  تکرارهای  متعدد با حذف  اعضای  معیوب  و ناقص  جمعیت ، در نهایت  به  جواب  بهینه  دست  می یابد[۲۴].

  • فهرست و منابع پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی

    فهرست:

     فصل  اول  - تعریف  مساله  و کلیات ...........................................................................................................................١

    ١-١- مقدمه .............................................................................................................................................................٢

    ١-٢- سیستم  حمل  و نقل  هوشمند و ساختار آن ...........................................................................................٢

    ١-٣- مدیریت  سفر و ترافیک ...............................................................................................................................٣

    ١-٣-١- کنترل  ترافیک ....................................................................................................................................٤

    ١-٣-٢- سیستم  اطلاع  رسانی  به  مسافران ...................................................................................................٥

    ١-٤- تعریف  تخمین  کوتاه  مدت  جریان  ترافیک .............................................................................................٦

    ١-٥- شبکه های  عصبی ..........................................................................................................................................٦

    ١-٦- بهبود ساختار شبکه  عصبی  به  کمک  الگوریتم  ژنتیک .........................................................................٧

    ١-٧- هدف  از تحقیق .............................................................................................................................................٨

    ۱-۸- تعریف  مساله .................................................................................................................................................٨

    ١-٩- فرمول  بندی  مساله ......................................................................................................................................٩

    ۱-۱۰- پیشینه  تحقیق ...........................................................................................................................................٩

     فصل  دوم  – کلیات  شبکه های  عصبی ..................................................................................................................١١

    ٢-١- مقدمه ..........................................................................................................................................................١٢

    ٢-٢- شبکه های  عصبی  مغز انسان ...................................................................................................................١٢

    ٢-٣- ساختار یک  سلول  عصبی  ساده ..............................................................................................................١٤

    ٢-٤- تعریف  شبکه  عصبی .................................................................................................................................١٥

    ٢-٥- توانایی ها و کاربردهای  شبکه های  عصبی .............................................................................................١٧

    ٢-٦- ویژگی های  کلی  شبکه های  عصبی .........................................................................................................١٩

    ٢-٧- داده ها در شبکه  عصبی ............................................................................................................................٢٢

    ٢-٧-١- جمعیت  و نمونه ..............................................................................................................................٢٢

    ٢-٧-٢- مجموعه  آموزش ، مجموعه  اعتبارسنجی  و مجموعه  تست .....................................................٢٣

    ٢-٨- توابع  شبکه های  عصبی ............................................................................................................................٢٤

    ٢-٨-١- تابع  ترکیب  کننده ..........................................................................................................................٢٤

    ٢-٨-٢- تابع  انتقال ........................................................................................................................................٢٦

    ٢-٨-٣- تابع  هدف .........................................................................................................................................٢٨

    ٢-٩- معیار کارایی  شبکه ...................................................................................................................................٢٩

    ٢-٩-١- متوسط  خطای  مطلق ....................................................................................................................٢٩

    ٢-٩-٢- میانگین  خطای  نسبی  بین  خروجی های  حقیقی  و دلخواه ....................................................٢٩

    ٢-٩-٣- جذر میانگین  مربع  خطاها............................................................................................................٣٠

    ٢-٩-٤- ضریب  همبستگی  بین  خروجی های  حقیقی  و خروجی های  هدف .......................................٣٠

    ٢-١٠- آستانه .......................................................................................................................................................٣١

    ٢-١١- نحوه  شمارش  لایه ها..............................................................................................................................٣٢

    ٢-١٢- شرایط  تعمیم  موفقیت  آمیز.................................................................................................................٣٣

    ٢-١٣- انواع  شبکه های  عصبی ..........................................................................................................................٣٤

     فصل  سوم  - مروری  بر مطالعات  پیشین ..............................................................................................................٣٧

    ٣-١- مقدمه ..........................................................................................................................................................٣٨

    ٣-٢- پژوهش  یاسدی .........................................................................................................................................٣٩

    ۳-۳- پژوهش  ایناما .............................................................................................................................................٤٠

    ٣-٤- پژوهش  هائو دینگ  و همکاران ..............................................................................................................٤١

    ٣-٥- پژوهش  باهر عبدالحی  و هیمانشو پروال ..............................................................................................٤٢

    ٣-٦- پژوهش  کارلافتیس  و همکاران ..............................................................................................................٤٣

     فصل  چهارم  - شبکه های  چندلایه  از جلو تغذیه  شونده  و روش  آموزش  پس  انتشار خطا........................٤٥

    ٤-١- مقدمه ..........................................................................................................................................................٤٦

    ٤-٢- شبکه های  دولایه ای ..................................................................................................................................٤٧

    ٤-٢-١- نگاشت  غیرخطی ............................................................................................................................٥٠

    ٤-٣- قاعده  کلی  دلتا ..........................................................................................................................................٥٢

    ٤-٤- تصحیح  وزنهای  لایه  خروجی ..................................................................................................................٥٣

    ٤-٥- تصحیح  وزن های  لایه  ورودی .................................................................................................................٥٥

    ٤-٦- شبکه هایی  با خروجی  خطی ...................................................................................................................٥٧

    ٤-٧- بسط  قاعده  کلی  دلتا برای  شبکه های  چندلایه  MLF ......................................................................٥٨

    ٤-٨- محاسبات  بازگشتی  دلتا اس ...................................................................................................................٥٩

    ٤-٩- الگوریتم  پس  انتشارخطا به  همراه  اندازه  حرکت ................................................................................٦٠

    ٤-٩-١- فرمول  افزایش  اصلاح  شده ...........................................................................................................٦١

    ٤-٩-٢- تاثیر اندازه  حرکت ..........................................................................................................................٦٢

    ٤-١٠- مقادیر اولیه  وزن ها.................................................................................................................................٦٤

    ۴-۱۱- تعداد لایه های  پنهان  و تعداد سلول های  عصبی ..............................................................................٦٥

    ٤-١٢- مساله  مینیمم  محلی  در تعیین  وزن ها ..............................................................................................٦٧

    ۴-۱۳- روشهای  آموزش .....................................................................................................................................٦٩

    ۴-۱۳-۱- آموزش  پس  انتشار خطا با نرخ  یادگیری  متغیر....................................................................٦٩

    ۴-۱۳-۲- آموزش  پس  انتشار خطای  انعطاف  پذیر.................................................................................٧٠

    ۴-۱۳-۳- روش  لونبرگ -مارکوارت .............................................................................................................٧١

    ۴-۱۳-۴- روش  BFGS ................................................................................................................................٧٢

    ۴-۱۳-۵- روش  سکانت  یک  مرحله ای .......................................................................................................٧٣

    فصل  پنجم  - بررسی  روش های  ابتکاری  و نقش  آن  در حل  مسایل  حمل  و نقل .........................................٧٤

    ٥-١- مقدمه ..........................................................................................................................................................٧٥

    ۵-۲- جستجوی  همسایه ....................................................................................................................................٧٦

    ٥-٣- گرم  و سرد کردن  شبیه  سازی  شده ......................................................................................................٧٦

    ۵-۴- الگوریتم  مورچگان ....................................................................................................................................٧٧

    ۵-۵- جستجوی  مبتنی  بر منع .........................................................................................................................٧٨

    ۵-۶- الگوریتم  ژنتیک .........................................................................................................................................٧٩

    ۵-۷- الگوریتم  فرهنگی ......................................................................................................................................٨٠

    ۵-۸- استراتژی های  تکاملی ...............................................................................................................................٨١

    ۵-۹- دلایل  انتخاب  الگوریتم  ژنتیک ...............................................................................................................٨٢

    ۵-۱۰- ساختار الگوریتم  ژنتیک ........................................................................................................................٨٢

    ۵-۱۰-۱- کدگذاری  جواب ها .......................................................................................................................٨٥

    ۵-۱۰-۲- تابع  صلاحیت ...............................................................................................................................٨٦

    ۵-۱۰-۳- مکانیزم  انتخاب ............................................................................................................................٨٦

    ۵-۱۰-۴- تکثیر..............................................................................................................................................٨٨

    ۵-۱۰-۵- ترکیب ............................................................................................................................................٨٨

    ۵-۱۰-۶- جهش .............................................................................................................................................٩٠

    ۵-۱۰-۷- پارامترهای  کنترلی ......................................................................................................................٩١

    ۵-۱۱- مزایای  الگوریتم  ژنتیک .........................................................................................................................٩٢

    ۵-۱۲- مراحل  الگوریتم  ژنتیک .........................................................................................................................٩٣

    فصل  ششم  - تخمین  جریان  ترافیک  به  کمک  شبکه های  عصبی ...................................................................٩٤

     

    ٦-١- مقدمه ..........................................................................................................................................................٩٥

    ۶-۲- کلیات  و روش  پیشنهادی ........................................................................................................................٩٥

    ۶-۳- اهداف  تحقیق  و چگونگی  دستیابی  به  آنها ..........................................................................................٩٧

    ٦-٣-١- اهداف  مرتبط  با حمل  و نقل ........................................................................................................٩٧

    ٦-٣-٢- اهداف  مرتبط  با شبکه های  عصبی ..............................................................................................٩٨

    ٦-٤- روش  طراحی  شبکه  عصبی  MLF.........................................................................................................٩٩

    ٦-٤-١- تشکیل  نمونه  اولیه  و انتخاب  شبکه  برتر....................................................................................٩٩

    ٦-٤-٢- تعیین  ساختار اولیه .....................................................................................................................١٠٠

    ٦-٤-٣- آموزش  شبکه ................................................................................................................................١٠٣

    ٦-٤-٤- بررسی  عملکرد شبکه .................................................................................................................١٠٤

    ٦-٥- بهبود ساختار شبکه  انتخابی  با استفاده  از الگوریتم  ژنتیک ..........................................................١٠٥

    ٦-٥-١- بهینه  سازی  به  کمک  الگوریتم  ژنتیک ....................................................................................١٠٥

    ٦-٥-٢- کدگذاری  جواب ها .......................................................................................................................١٠٦

    ٦-٥-٣- تابع  صلاحیت ................................................................................................................................١٠٨

    ٦-٥-٤- تشکیل  جمعیت  اولیه ..................................................................................................................١٠٨

    ٦-٥-٥- تولید نسل  جدید .........................................................................................................................١٠٩

    ٦-٥-٦- ارتباط  اجزای  مدل  با یکدیگر....................................................................................................١١٠

     فصل  هفتم  - کاربرد روش  پیشنهادی  در مطالعه  موردی .............................................................................١١٢

    ٧-١- مقدمه .......................................................................................................................................................١١٣

    ۷-۲- مطالعه  موردی  شماره  یک  – محور قزوین  رشت ............................................................................١١٣

    ۷-۲-۱- ساختار پیشنهادی .......................................................................................................................١١٤

    ۷-۲-۲- مدل  پیش بینی  جریان  ترافیک  در ۵ دقیقه  آتی ...................................................................١١٤

     

    ۷-۲-۳- انتخاب  روش  آموزش  مناسب ....................................................................................................١٢٠

    ۷-۲-۴- بررسی  انواع  توابع  انتقال ............................................................................................................١٢٢

    ۷-۲-۵- بهینه  سازی  مدل  پیش بینی  ۵ دقیقه  آتی  محور قزوین -رشت ..........................................١٢٤

    ۷-۲-۶- مدل  پیش بینی  ۱۰ دقیقه  آتی  محور قزوین -رشت ..............................................................١٢٨

    ۷-۲-۷- مدل  پیش بینی  ۱۵ دقیقه  آتی  محور قزوین -رشت ..............................................................١٣١

    ۷-۲-۸- مدل  پیش بینی  ۳۰ دقیقه  آتی  محور قزوین -رشت ..............................................................١٣٣

    ۷-۲-۹- مقایسه  مدل های  پیش بینی  جریان  ترافیک  محور قزوین -رشت .......................................١٣٥

    ۷-۳- مطالعه  موردی  شماره  دو – بزرگراه  BHL.......................................................................................١٣٧

    ۷-۳-۱- بررسی  تاثیر آگاهی  از اطلاعات  مکانی  بر عملکرد مدل ......................................................١٣٧

    ٧-٣-٢- انتخاب  اطلاعات  مکانی ..............................................................................................................١٤٥

    ٧-٣-٣- مدل پیش بینی  وضعیت  ترافیک  بزرگراه  BHL در ٥ دقیقه  آتی ......................................١٤٨

    ٧-٣-٤- مدل پیش بینی  وضعیت  ترافیک  بزرگراه  BHL در ١٠ دقیقه  آتی ....................................١٥١

    ٧-٣-٥- مدل پیش بینی  وضعیت  ترافیک  بزرگراه  BHL در ١٥ دقیقه  آتی ....................................١٥٤

    ٧-٣-٦- مدل پیش بینی  وضعیت  ترافیک  بزرگراه  BHL در ٣٠ دقیقه  آتی ....................................١٥٧

    ٧-٣-٧- مقایسه  مدل های  پیش بینی  جریان  ترافیک  بزرگراه  BHL.................................................١٦٠

    ٧-٤- ساخت  مدل های  پیش بینی  با استفاده  از روش  آماری  باکس -جنکینز.......................................١٦١

    ۷-۴-۱- مدل های  پیش بینی  باکس -جنکینز محور قزوین -رشت .....................................................١٦٣

    ۷-۴-۲- مدل های  پیش بینی  باکس -جنکینز بزرگراه  BHL............................................................... ١٦٦

    ۷-۴-۳- مقایسه  روش  پیشنهادی  تحقیق  با روش  باکس -جنکینز...................................................١٦٧

     فصل  هشتم  - نتیجه  گیری  و پیشنهادهایی  برای  مطالعات  آینده ..............................................................١٧٠

    ٨-١- نتایج  تحقیق ............................................................................................................................................١٧١

    ٨-٢- نتایج  بدست  آمده  از مطالعه  موردی ..................................................................................................١٧١

    ٢١٧

     

     

    ۸-۳- پیشنهادهایی  برای  مطالعات  آینده .....................................................................................................١٧٢

    ٨-٣-١- پیش بینی  زمان  سفر...................................................................................................................١٧٣

    ۸-۳-۲- مطالعه  بر روی  شبکه های  بزرگ ..............................................................................................١٧٣

    ۸-۳-۳- طراحی  مدلی  با استفاده  از فازی  و مقایسه  آن  با شبکه های  عصبی .................................١٧٤

    ۸-۳-۴- بررسی  تاثیر رویدادها و تصادفات .............................................................................................١٧٤

    ۸-۳-۵- بررسی  نحوه  واکنش  مسافران  و رانندگان ..............................................................................١٧٤

     منابع .........................................................................................................................................................................١٧٦

     پیوست .....................................................................................................................................................................١٧٨

    پیوست  الف - کد برنامه  طراحی  مدل ............................................................................................................١٧٩

    پیوست  ب - عملکرد شبکه های  طراحی  شده ...............................................................................................١٨٨

     

    منبع:

    [١] البرزی  محمود، "آشنایی  با شبکه های  عصبی "، موسسه  انتشارات  علمی  دانشگاه  صنعتی  شریف ، ١٣٨٣.

    [٢] پرهیزکاری  مسعود، "شبکه های  عصبی "، انتشارت  عابد، ١٣٨٢.

    [٣] فرشادفر عزت  الله ، "اصول  و روش های  آماری "، انتشارات  طاق  بستان ، ١٣٨١.

    [٤] کاوه  علی ، همایون  ثروتی ، "شبکه های  عصبی  مصنوعی  در طراحی  و تحلیل  سازه ها"، مرکز تحقیقات  ساختمان 

    و مسکن ، تابستان  ١٣٧٩.

پروپوزال در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, گزارش سمینار در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, تز دکترا در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, رساله در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, پایان نامه در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, تحقیق در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, مقاله در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, پروژه دانشجویی در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, تحقیق دانشجویی در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, مقاله دانشجویی در مورد پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی, پروژه دانشجویی درباره پایان نامه طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی
مطالب مرتبط با این موضوع:
تعداد صفحه: ۱۳۳ دسته بندی: مهندسی عمران

"M.SC پایان نامه برای دریافت درجه کارشناسی ارشد" مهندسی عمران -سازه های هیدرولیکی چکیده بررسی پایداری سدهای خاکی بالاخص ایستایی لرزه ای آنها از اهمیت خاصی برخوردار است .روشهای متعددی برای تعیین ضریب اطمینان پایداری سدهای خاکی وجود دارد. در این پایان نامه شبکه عصبی مصنوعی برای پیش بینی مقادیر ضریب اطمینان و مشخصات سطح لغزش دایره ای بحرانی سدهای خاکی ناهمگن با درنظر گرفتن تأثیر ...

تعداد صفحه: ۱۷۳ دسته بندی: مهندسی عمران

پایان نامه کارشناسی ارشد عمران سازه های هیدرولیکی چکیده سیل ‌یکی‌از‌مهمترین ‌بلایای‌طبیعی‌است ‌که ‌زندگی‌انسان ‌را‌تحت ‌تاثیر‌قرار‌داده و‌خسارتهای‌اقتصادی‌قابل ‌توجهی‌ را‌در‌تمام ‌دنیا‌ایجاد‌می‌کند.‌براساس ‌مطالعه ‌ای‌که ‌انجام ‌شده ،‌٥٨%‌از‌کل ‌تلفات ‌ناشی‌از‌بلایای‌طبیعی‌و‌٣٣%‌از‌ خسارتهای‌اقتصادی‌مربوط ‌به ‌سیل ‌بوده ‌است .‌بخش ‌اصلی‌این ‌تلفات ‌و‌خسارتها‌در‌کشورهای‌در‌حال ...

تعداد صفحه: ۱۸۲ دسته بندی: مهندسی عمران

پایان نامه برای دریافت درجه کارشناسی ارشد M.Sc” مهندسی عمران -راه و ترابری چکیده تشخیص به موقع شرایط نامطلوب روسازی به عنوان مسئله مهمی در حوزه مدیریت روسازی در سطح شبکه مطرح می باشد و در گذشته مدل های متفاوتی همچون رگرسیون و توزیع احتمالاتی برای آن در نظر گرفته شده است . برای پیش بینی شرایط روسازی در آینده لازم است که از شاخص هایی استفاده شود که کیفیت روسازی را با یک عدد که ...

تعداد صفحه: ۳۳ دسته بندی: محیط زیست و انرژی

چکیده: ما یک سیستم بهره برداری مخزن هوشمند جدیدی را بر پایه شبکه عصبی مصنوعی نمو یافت (ANN) را پیشنهاد می دهیم. نمو یافته به معنی پارامترهای مدل ANN می باشد که توسط تکنیک تکاملی بهینه سازی GA شناخته می شود. مزیت های اصلی سیستم هوشمند استنتاج شده ANN (ANNIS) به صورت زیر می باشد: (i) فقط تعداد اندکی از پارامترها حتی برای افقهای بهینه سازی طولانی بهینه می شوند. (ii) سهولت در ...

تعداد صفحه: ۱۳ دسته بندی: جغرافیا و برنامه ریزی شهری

چکیده: در این مقاله سعی شده جدیدترین کاربرد سیستم های حمل و نقل عمومی پیشرفته برای برنامه ریزی پویا سیستم اتوبوسرانی به منظور زمانبندی حرکت اتوبوسها، تشریح گردد. مبنای محاسباتی این روش بر اساس الگوریتم کالمن استوار است واز داده های سیستم مکانیابی خودکار وسیله نقلیه و شمارش خودکار مسافر در محاسبات خود استفاده می نمایند. وجه تمایز این روش با روشهای مشابه قبلی در این است که زمان ...

تعداد صفحه: ۱۱۴ دسته بندی: ادبیات فارسی

پایان نامه برای دریافت درجه کارشناسی ارشد (M.A) گرایش : جغرافیا و برنامه ریزی شهری مقدمه « شهر پدیده ای است « مکانی – زمانی » که در نقطه ای خاص ایجاد شده ، در فضای تکامل یافته و با گذشت زمان ، رشد یافته است . این امر سبب شده است که در هر مقطعی از تاریخ ، شهر بتواند دگرگونیهای کمی خود را به تغییرات کیفی مورد نیاز عصر خویش تبدیل کند ، از عرصه های عینی در گذرد و به محدوده های ذهنی ...

تعداد صفحه: ۱۳۹ دسته بندی: مهندسی عمران

پایان نامه برای دریافت درجه کارشناسی ارشد ”M.Sc“ مهندسی عمران – برنامه ریزی حمل و نقل چکیده : در این پایان نامه روش وفرآیندی برای مکان یابی تابلوهای پیام رسان در بزرگراه های شهری ارائه شده است . در ابتدا به معرفی تابلوهای پیام رسان پرداخته وسپس انواع پیام های قابل نمایش ، کاربردهای تابلو و جایگاه آن در سامانه های هوشمند حمل و نقل بررسی شده است . بعد از شناخت مشخصه های محلی مربو ...

تعداد صفحه: ۲۹۲ دسته بندی: مهندسی عمران

پایان نامه برای دریافت درجه کارشناسی ارشد"M.Sc" مهندسی عمران- راه و ترابری چکیده : بطور کلی 55 درصد از تصادفات مسیرهای خارج شهری ناشی از خروج جاده میباشد که عمدتاً این تصادفات منجر به برخورد با حفاظها (در صورت وجود ) یا موانع دیگر موجود در کنارۀ راه است . هزینۀ سالانه تصادفات بطور تقریبی 1 تا 2 درصد میانگین درآمد ناخالص ملی است و این بیانگر قابل توجه بودن هزینه تصادفات است . ...

تعداد صفحه: ۱۸۹ دسته بندی: مهندسی عمران

پایان نامه برای دریافت درجه کارشناسی ارشد ”M.Sc“ مهندسی عمران – برنامه ریزی حمل و نقل چکیده : امروزه ، افزایش کاربرد وسایل نقلیه و تقاضا در شهرها و همچنین محدود بودن منابع لازم برای توسعه شبکه حمل و نقل شهری ، ازدحام در بزرگراه ها را به همراه داشته است . مدیریت بزرگراهی یکی از روش های بهبود عملکرد بزرگراه برای کاهش این مشکلات می باشد. استفاده از زیر سیستم های مدیریت بزرگراهی در ...

تعداد صفحه: ۵۱۵ دسته بندی: مهندسی عمران

پایان نامه برای دریافت درجه کارشناسی ارشد ”M.Sc“ مهندسی عمران - برنامه ریزی حمل ونقل چکیده معماری سیستم ITS به اجزای مختلف (تکنولوژیها و سیستم های خاصی) پرداخته و در واقع ارتباط اعضای مختلف را در یک چارچوب ارائه میکند. این پایان نامه با عنوان ارائه الگوی معماری ITS در کلان شهرها به ٦ فصل تقسیم شده است . در فصل اول پس از تعریف مساله و اهداف موضوع کلیاتی در ارتباط با سیستم های حمل ...

ثبت سفارش
عنوان محصول
قیمت