فهرست نشریات علمی دسترسی آزاد ایران

زمان سفر به عنوان یکی از تأثیرگذارترین پارامترها در تحلیل عملکرد شبکه راه‌ها به جهت مدیریت و برنامه‌ریزی آتی شبکه و همچنین مهم‌ترین متغیر در فرآیند انتخاب مسیر استفاده‌کنندگان از راه می‌باشد. پیش بینی زمان سفر در طول چند دهه به عنوان یک موضوع پرکاربرد در زمینه شرایط دینامیک شبکه و سیستم‌­های هوشمند حمل و نقل به روش‌­های مختلفی انجام شده است. در این راستا، در این مقاله مدل‌سازی پیش بینی زمان سفر معابر شهری شریانی درجه یک و دو در ساعت غیر اوج صورت گرفته است. در وهله اول، طراحی آزمایش جهت نمونه برداری صورت گرفته و پارامترهای موثر بر زمان سفر معابر شهری بررسی شدند. سپس داده­‌ها به وسیله روش ماشین شناور و به کمک یک نرم افزار تلفن همراه در 6 معبر منتخب برداشت شدند. پس از آماده سازی داده‌­ها، متغیرهای زمان توقف تقاطع، تعداد خطوط و شیب به عنوان متغیرهای موثر در مدل پیش بینی زمان سفر شناخته شدند. یک روش جدید یادگیری ماشین مبتنی بر الگوریتم گرگ صحرایی آمریکای شمالی برای مدل‌سازی زمان سفر معرفی گردید و دقت مدل ساخته‌ شده با پنج مدل رگرسیونی مرسوم مقایسه گردید. بر اساس نتایج به دست آمده و بر مبنای بررسی 5 شاخص عملکردیِ در نظر گرفته شده برای ارزیابی صحت و دقت مدل‌ها، گرگ صحرایی آمریکای شمالی از تمامی مدل‌ها دقت بالاتری داشته و ضریب تعیین این مدل برای داده‌های آموزشی و آزمایشی به ترتیب برابر0/746 و 0/724 می‌باشد. همچنین این مدل 73% داده‌های آزمایشی را با خطای کمتر از 20 ثانیه پیش بینی می‌کند.