عنوان فارسی مقاله : پیش بینی زمان سفر بزرگراه براساس ادغام داده مکانی-زمانی یکپارچه : مطالعه موردی بزرگراه در تایوان
.
English Article Title: Freeway Travel Time Prediction Based on Seamless Spatio-temporal Data Fusion: Case Study of the Freeway in Taiwan
Year: 2016
Publisher: Elsevier
Journal: Transportation Research Procedia
DOI: https://doi.org/10.1016/j.trpro.2016.11.087

Keywords:
#freeway_travel_time_prediction
#data_fusion
#spatio_temporal_traffic_pattern
#Kalman_filter
#Fourier_transform
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_مهندسی (#Engineering)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#پیش_بینی_زمان_سفر_آزادراه
#تلفیق_داده_ها
#الگوی_ترافیکی_مکانی_زمانی
#فیلتر_کالمن
#تبدیل_فوریه

چکیده مقاله:
پیش‌بینی زمان سفر یک خشت اساسی برای توسعه سیستم‌های مدیریت ترافیک پیشرفته (ATMS) و سیستم‌های اطلاعاتی پیشرفته مسافر (ATIS) بوده ‌است. مساله پیش ‌بینی زمان سفر در درجه اول با داده‌های موجود برای توسعه مدل و نیازها از دیدگاه هر دو طرف و اپراتورها شکل می‌گیرد. یک سیستم جمع‌آوری اطلاعات الکترونیکی که از راه دور بر سیستم بزرگراه در تایوان اجرا می‌شود، از دسامبر ۲۰۱۳ به طور کامل اجرا شده‌است، که اطلاعات جامع تری در مورد شرایط ترافیکی بزرگراه فراهم می‌کند، در نتیجه قابلیت را برای پیش‌بینی ‌اطمینان زمان سفر در بخش‌های بزرگراه فراهم می‌کند. براساس داده‌های هر دو سیستم ETC و آشکارساز وسایل نقلیه (VDs)، این تحقیق یک رویکرد پیش‌بینی زمان سفر را پیشنهاد می‌دهد که تکنیک اصلی ترکیب اطلاعات به دنبال دستیابی یکپارچه الگوی مکانی-زمانی از جریان ترافیک بزرگراه با انطباق پویاشناسی ترافیک است که از داده‌های ETC و VD مشخص شده‌است. در این صورت مدل‌های پیش‌بینی ساخته می‌شوند که در آن فیلتر کالمن برای پیش‌بینی کوتاه‌مدت بکار گرفته می‌شود و تبدیل سری فوریه برای پیش‌بینی بلند مدت براساس مدل‌سازی پیوسته پارامتری شده از سرعت سفر نقطه‌ای استفاده می‌شود. روش پیشنهادی به عنوان یک سیستم آنلاین توسعه‌یافته با استفاده از جاوا، همراه با داده‌های دنیای واقعی جمع‌آوری‌شده از بزرگراه در تایوان، برای آزمایش‌ها عددی به اجرا در می‌آید. خطاهای پیش‌بینی بزرگ‌تر از ۱۰ % در اکثر موارد وجود دارند، که دقت بالای قابلیت پیش‌بینی مدل را نشان می‌دهد. نتایج دلگرم‌کننده همچنین مزایای پردازش پیش از پردازش داده‌ها و ادغام داده‌ها را در بهبود کیفیت داده و قابلیت کاربرد نشان می‌دهد.

کلمات کلیدی: پیش بینی زمان سفر آزادراه؛ تلفیق داده ها؛ الگوی ترافیکی مکانی - زمانی؛ فیلتر کالمن؛ تبدیل فوریه

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/3bBwxFp