فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی دقیق جریان ترافیک شهری نقش کلیدی در بهینه‌سازی مدیریت حمل‌ونقل و کاهش تراکم ترافیکی ایفا می‌کند. در این پژوهش، یک مدل هوشمند ترکیبی مبتنی بر سیستم‌های تطبیقی عصبی-فازی (ANFIS) و تحلیل رفتارهای آشوبناک برای پیش‌بینی تغییرات جریان ترافیکی توسعه داده شده است. روش تحقیق شامل جمع‌آوری داده‌های زمانی ترافیک از بلوار فردوسی مشهد، پردازش این داده‌ها با مدل ANFIS، و تحلیل پایداری دینامیکی سیستم با استفاده از نمای لیاپانوف به‌منظور شناسایی ماهیت آشوبناک جریان ترافیک است. نوآوری پژوهش در بهره‌گیری هم‌زمان از مدل‌های یادگیری تطبیقی و تحلیل‌های غیرخطی برای بهبود دقت پیش‌بینی و استخراج الگوهای پنهان در نوسانات ترافیکی است. نتایج کیفی تحقیق نشان می‌دهند که مدل پیشنهادی در مقایسه با روش‌های کلاسیک (مانند مدل‌های رگرسیونی و ARIMA)، قابلیت بالاتری در شناسایی تغییرات ناگهانی جریان ترافیک داشته و متوسط خطای پیش‌بینی را تا ۲۱ درصد کاهش داده است. این یافته‌ها بیانگر آن است که رویکرد ارائه‌شده می‌تواند به‌عنوان یک ابزار تصمیم‌یار مؤثر در سامانه‌های مدیریت هوشمند ترافیک مورد استفاده قرار گیرد.