پیش‌بینی و کنترل ترافیک با رویکردهای داده‌کاوی با استفاده از داده‌های gps

در دنیای امروز افزایش چالش های شهرنشینی و ترافیک سبب نیاز فوری به سیستم‌های کنترل ترافیک با حداکثر بهره‌وری شده است. هدر رفتن زمان و افزایش سوخت مصرفی و هم‌چنین آلودگی های هوا و صوتی سبب شده کنترل ترافیک به یکی از مهم ترین بحث‌های روز دنیا تبدیل شود. از جمله روش های موجود برای رسیدن به این هدف، پیش بینی مسیر و مقصد نهایی خودرو است. اگر مکان آینده خودروها را بتوان پیش بینی کرد، به‌راحتی می توان قادر به تخمین ازدحام ترافیک شد. پیش بینی مسیر براساس مسیرهای طی شده گذشته خودرو و در نظر گرفتن مشخصه‌هایی مانند مکان شروع، ساعت، روز، ماه، مدت زمان با استفاده از روش های داده کاوی و شبکه های عصبی مصنوعی امکان‌پذیر است. در این مقاله از داده های واقعی gps، به‌دست‌آمده از خودروها به‌منظور انجام عملیات پیش بینی مسیر و مقصد نهایی بهره برده شده است. یکی از روش های پیشنهادی در این مقاله به‌دست آوردن پایگاه داده ای از مسیرهای دقیق طی‌شده خودروها به کمک نرم‌افزار arcgis است، که این پایگاه‌داده سبب بالا رفتن دقت پیش‌بینی مسیر خودرو شده است. در این مقاله یک پایگاه داده کلی شامل همه حالات شبکه جاده‌ای و یک پایگاه داده پیچیده‌تر شامل چهارراه‌ها و نقاط چالشی‌تر جاده ایجاد شده است. هم‌چنین به‌منظور عملیات پیش‌بینی، دو الگوریتم قوانین انجمنی و شبکه‌های عصبی مصنوعی مورد استفاده قرار گرفته شده است. نتایج به‌دست‌آمده نشان‌دهنده دقت بسیار خوب پیش بینی است. برطبق ارزیابی انجام‌شده، الگوریتم ann در پایگاه داده کلی با دقت پیش‌بینی بالای 96 درصد و الگوریتم gri در پایگاه داده پیچیده تر با دقت پیش بینی بالای 95 درصد، نتایج قابل قبولی به‌دست آورده‌اند. روش پیشنهادی و نتایج این پیش‌بینی می‌تواند به برنامه‌ریزی ترافیک و بهینه‌سازی حرکت خودروها کمک کند.