تخمین وضعیت ترافیکی معبر با استفاده از داده کاوی از داده های جمع آوری شده پویشگر وای -فای

زمینه و هدف: نظارت بر ترافیک به منظور پیش‌بینی ازدحام و مدیریت بهتر ترافیک یکی از دغدغه‌های مدیران است. در این مطالعه، با استفاده از رصد و جمع‌آوری داده‎های وای-فای گوشی هوشمند مسافرین خودروهای عبوری، یک رویکرد مقرون به صرفه برای جمع‌آوری داده‌های ترافیکی و تشخیص وضعیت ترافیکی جاده‌ها پیشنهاد شده است. روش: ابتدا تعداد مسافران توسط دو پویشگر وای-فای مستقر در دو طرف جاده جمع‌آوری می‎شود. در گام بعد، عملیات پیش پردازش شامل پاکسازی داده خام، حذف ایستگاه‌های مستقر، مک‌آدرس‌های تکراری و تبدیل و تجمیع بر روی داده‌ها انجام می‌پذیرد. سپس، با استفاده از الگوریتم‎های مختلف یادگیری ماشین با نظارت همچون درخت‌تصمیم، رگرسیون و شبکه‌عصبی، حجم ترافیک معبر تخمین زده می‌شود و در گام نهایی، کدگذاری رنگی نقشه ترافیک براساس حجم تخمینی تعیین می‌‌گردد. آموزش یادگیر توسط داده‌های جمع‌آوری شده از ترددشمار مرکز مدیریت راه‌های کشور انجام پذیرفته است.یافته‌ها: نتایج نشان می‌دهد، شبکه عصبی‌مصنوعی و درخت تصمیم با دقت کمتر از 10درصد توانسته است حجم ‌تردد معبر را تخمین بزنند که شبکه‌عصبی با خطای نسبی 22.9 بهترین تخمین را ارائه داده است. همچنین صحت شبکه‌عصبی به منظور تشخیص تراکم پایین، متوسط و بالا به ترتیب برابر 95/5، 90/9، 88/4 درصد است و دقت کدگذاری رنگی نقشه ترافیک برابر 91/7 بدست آمده است.نتیجه‌گیری: پویشگرهای وای فای به عنوان ابزاری ارزان قیمت و قابل جابجایی می‌تواند با دقت قابل قبولی حجم تردد و کدگذاری رنگی ترافیک را تشخیص و جایگزین مناسبی در شرایطی که نصب تردد شمارهای ترافیکی یا دوربین‎های تردد شمار با محدودیت‎های مختلف روبرو است، خواهد بود.