ارائه مدل جدید با ساختار تلفیقی برای تخمینبه هنگام وضعیت ترافیک شهری

شناسایی وضعیت به هنگام ترافیک برای برنامه ریزی حمل‌ونقل شهری، کنترل و مدیریت ترافیک مهم است. به‌منظور رعایت الزامات گردآوری داده‌های ترافیکی و ارائه اطلاعات جامع، داده‌های دقیق همراه با فناوری ترکیب داده‌ها در تخمین وضعیت ترافیکی زمان واقعی (به‌هنگام) به‌طور گسترده مورد استفاده قرار می گیرد. مدل ارائه شده در این مقاله مشکل شناسایی و پیش بینی وضعیت ترافیک را با درجه دقت قابل قبولی با استفاده از اطلاعات ترافیکی زمان واقعی ممکن می‌سازد. به منظور برآورده ساختن ملزومات روش ترکیب داده‌های ترافیکی برای تخمین به هنگام وضعیت ترافیک شهری، نوع جدیدی از مدل ساختار ترکیبی در این مقاله ارائه شده است. این مدل تلفیقی از هر دو روش ترکیب فضایی و موقت است. ابتدا عمل‌گر میانگین گیری را برای ترکیب فضایی به‌کار می‌بریم؛ سپس الگوریتم همبستگی زمانی مبتنی بر فشرده‌سازی داده‌ها را براساس الگوریتم رگرسیون خطی مقطعی پیشنهاد می‌کنیم. شاخصه کار ما، استفاده از مقطع زمانی و تفکیک دوره‌های زمانی است. بسط نتایج شبیه‌سازی، ارزیابی و مقایسه روش پیشنهادی ما نشان‌دهنده‌ی اثربخشی و دقت مناسب و نیز برتری الگوریتم همبستگی موقت مبتنی بر فشرده‌سازی داده‌ها نسبت به رگرسیون خطی مقطعی از نظر عملکرد کلی است.