فهرست نشریات علمی دسترسی آزاد ایران

سرعت غیرمجاز یکی از عوامل اصلی وقوع تصادفات رانندگی است. در اثر سرعت غیرمجاز در راه­های برون‌شهری نه تنها احتمال وقوع تصادف افزایش پیدا می­کند بلکه بر شدت تصادفات نیز افزوده می­شود، لذا کنترل سرعت امری واجب به نظر می­رسد. نکته حائز اهمیت دیگر تلاش برای جلوگیری از وقوع تخلف سرعت غیرمجاز است. در این پژوهش سرعت متوسط ترافیک برای محور خرم‌آباد به اراک برای آینده نزدیک پیش­بینی می­شود. چنانچه سرعت متوسط پیش­بینی شده به سرعت مجاز نزدیک یا از آن بیشتر شود، می­توان قبل از وقوع حادثه تمهیدات لازم به‌منظور کاهش سرعت متوسط ترافیک به وسیله استفاده­کنندگان از راه یا گردانندگان سیستم اندیشیده شود. به‌منظور پیش­بینی سرعت متوسط ترافیک، داده ترافیکی محور یاد شده توسط دستگاه­های سرعت‌سنج در سال­های اخیر ثبت شده است. استخراج ویژگی­های مؤثر بر سرعت ترافیک نیز سبب تکمیل شدن مجموعه داده شده می‌شود تا بتوان از این ویژگی­ها برای پیش­بینی سرعت متوسط استفاده کرد. سه مدل ماشین بردار پشتیبان، شبکه عصبی مصنوعی و شبکه عصبی مصنوعی بازگشتی به‌عنوان سه روش مبتنی بر یادگیری ماشین مورد استفاده قرار گرفته­اند. هر سه روش قابلیت تحلیل داده­های حجیم ترافیکی را داشته و در ضمن روش شبکه عصبی مصنوعی بازگشتی به‌عنوان یک روش مبتنی بر یادگیری عمیق تطابق بیشتری با ماهیت سری زمانی داده دارد. نتایج نشان می­دهد برای هر دو جهت رفت‌وبرگشت این محور، زمانی که تنها از ویژگی­های تقویمی و آب­وهوا استفاده شود میانگین درصد خطای مطلق مدل­ها بین 8/2 تا 1/5 درصد است و درصد پیش­بینی صحیح سرعت­های بالای 85 کیلومتر بر ساعت بالای 80 درصد است. همچنین با افزودن مقادیر مشاهده شده سرعت در بازه زمانی 3 تا 8 ساعت گذشته به‌عنوان متغیر پیش­بینی کننده، میانگین درصد خطای مطلق مدل­ها به 5/2 تا 6/4 درصد تقلیل پیدا می­کند.