استفاده از استنتاج بیز برای همجوشی داده‌های زمان سفر در تونل نیایش

با کاهش هزینه‌های جمع‌آوری داده، سیستم‌های حمل ‌و ‌نقل از سیستم‌های نیازمند به داده، به سیستم‌های نیازمند به تحلیل داده‌ها تبدیل شده‌اند. از آنجایی که دقت این داده‌ها متناسب با منابع جمع‌آوری آن متفاوت است، شناسایی داده با دقت بالاتر با ترکیبی از چند منبع، چالش اصلی کار با داده‌هایی از این دست می‌باشد. روش همجوشی داده‌ها می‌تواند با بهم ‌پیوند ‌دادن داده‌های حاصل از منابع مختلف دقت داده‌ها را در راستای هدف مورد مطالعه افزایش دهد. هدف اصلی از این مقاله، به دست ‌آوردن دقیق‌ترین زمان ‌سفر ممکن است. از جمله روش‌‏های همجوشی داده می‏توان به فیلتر کالمن، استنتاج بیز، شبکه‏‌های مصنوعی و تئوری دمپستر-شیفر اشاره کرد که در این تحقیق از استنتاج بیز استفاده شده و نتایج آن بررسی می‌شود. بر اساس این روش پیشنهاد شد که با ترکیب منابع مختلف داده که پوشش‌های زمانی و مکانی متفاوتی دارند، دقیق‌ترین زمان‌ سفر با پوشش زمانی و مکانی حداکثر از طریق همجوشی داده به دست ‌آید. مطالعه موردی تونل نیایش در شمال تهران انتخاب شد که در آن تجهیزات گسترده سیستم‌های حمل ‌و ‌نقل هوشمند نصب شده‌ است. پس از تعیین دقت هر یک از منابع با استفاده از داده‌های خودروی شناور، زمان‌ سفر همجوشی ‌شده در یک روز که داده‌های همه منابع در آن موجود بود محاسبه گردید. در این تحقیق، با در ‌نظر‌ گرفتن امکان دسترسی همزمان به چند منبع داده در یک یا چند کمان مشترک، منابع داده‌های زمان ‌سفر گوگل، داده‌های زمان ‌سفر از حسگر‌‌های بلوتوث و شناساگرهای حلقه در همجوشی مورد استفاده قرار گرفت. زمان ‌سفر به دست ‌آمده دقت هزینه‌های زمان ‌سفر در برنامه‌ریزی حمل ‌و‌ نقل، اطلاعات تابلوهای پیام متغیر و نرم‌افزارهای مسیریاب را افزایش می‌دهد.

fusion of travel time data in niayesh tunnel using bayesian inference

as data collection costs decrease, transportation systems have shifted from systems requiring data to systems requiring data analysis. since the accuracy of these data varies with the sources of data collection, acquiring higher-accuracy data from a combination of multiple sources is the main challenge of working with such data. data fusion is a very efficient mechanism that can interconnect data from different sources to increase the accuracy of data in line with the purpose of the study. the main goal of this article is to get the most accurate travel time possible from multiple sources. among the data fusion methods are the kalman filter, bayesian inference, artificial neural networks and dumpster-scheffer theory, from which the bayesian inference is used and its results are investigated. it is proposed that by combining different data sources with different temporal and spatial coverage, the most accurate travel time with maximum spatial and temporal coverage would be achieved. the niayesh tunnel in tehran was selected as a case study, where extensive equipment for intelligent transportation systems is installed. in this study, considering the possibility of simultaneous access to multiple data sources at the same location, the following source, google travel time data, bluetooth travel time data and inductive loop detectors, were fused. the improved travel time can increase the accuracy of travel time costs in transportation planning, information on variable message signs and routing software.