عنوان فارسی مقاله : پیش بینی زمان سفر با تجربه برای بزرگراه های شلوغ
.
English Article Title: Experienced travel time prediction for congested freeways
Year: 2013
Publisher: Elsevier
Journal: Transportation Research Part B: Methodological
DOI: https://doi.org/10.1016/j.trb.2013.03.006

Keywords:
#Congestion_maps
#Travel_times
#Freeway
#Prediction
#Traffic_flow
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_محیط_زیست (#Environmental_Science)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#نقشه_تراکم
#زمان_سفر
#آزادراه
#پیش_بینی
#جریان_ترافیک

چکیده مقاله:
زمان سفر یک معیار عملکردی مهم برای سیستم‌های حمل و نقل، و انتشار اطلاعات زمان سفر است که می‌تواند به مسافران کمک کند تا تصمیم‌های مهم سفر مانند انتخاب مسیر یا زمان سفر را اتخاذ کنند. از آنجا که داده‌های ترافیکی که در زمان واقعی جمع‌آوری می‌شوند منعکس‌کننده شرایط گذشته یا فعلی در بزرگراه هستند، یک روش زمان سفر پیش‌بینی‌کننده باید برای به دست آوردن اطلاعات منتشر شده مورد استفاده قرار گیرد. با این حال، بخش مهمی از ادبیات یا از فرض زمان سفر آنی استفاده می‌کند و زمان سفر بخش‌های بزرگراه در زمان شروع سفر را می‌پردازد، یا از الگوریتم های پیش‌بینی آماری برای پیش‌بینی زمان سفر آینده استفاده می‌کند. این مطالعه از اصول جریان ترافیک موجود (به عنوان مثال آنالیز شوک و شناسایی تنگراه)بهره می‌برد و از هر دو اطلاعات گذشته و زمان واقعی برای ارائه پیش‌بینی زمان سفر استفاده می‌کند. چارچوب روش‌شناسی این رویکرد، شامل الگوریتم شناسایی تنگراه، خوشه‌بندی داده‌های ترافیک در سازمانهای ترافیکی با ویژگی‌های مشابه، توسعه نقشه‌های تراکم تصادفی برای داده‌های گروهی و یک الگوریتم جستجوی ازدحام آنلاین است که داده‌های گذشته و داده‌های زمان واقعی را با زمان شروع سفر ترکیب می‌کند. نتایج تجربی بر مبنای داده‌های آشکارساز حلقه بر روی بزرگراه های کالیفرنیا نشان می‌دهد که روش پیشنهادی پیش‌بینی‌های زمان سفر امیدوارکننده را تحت شرایط مختلف ترافیک فراهم می‌کند.
کلمات کلیدی: نقشه تراکم، زمان سفر، آزادراه، پیش بینی، جریان ترافیک

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/362Jsz8

عنوان فارسی مقاله : مدل خطی پویا بیزی برای پیش بینی زمان سفر کوتاه مدت در زمان واقعی بزرگراه
.
English Article Title: A bayesian dynamic linear model approach for real-time short-term freeway travel time prediction
Year: 2011
Publisher: Elsevier
Journal: Transportation Research Part C: Emerging Technologies
DOI: https://doi.org/10.1016/j.trc.2010.10.005

Keywords:
#Real_time_travel_time_prediction
#Advanced_Traveler_Information_Systems
#Bayesian_inference
#Prediction_confidence_intervals
#Adaptive_control
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#پیش_بینی_زمان_سفر_در_زمان_واقعی
#سیستم_های_اطلاعات_پیشرفته_مسافر
#استنباط_بیزی
#فواصل_اطمینان_پیش_بینی
#کنترل_تطبیقی

چکیده مقاله:
این مقاله یک مدل خطی پویای بیزی (DLM)را برای پیش‌بینی زمان سفر کوتاه‌مدت آنلاین در مسیر بزرگراه، ارائه می‌کند. روش پیشنهادی زمان سفر بزرگراه پیش‌بینی‌شده را به عنوان مجموع متوسط زمان سفر گذشته، تغییرات تصادفی در زمان سفر ، و خطای تکامل مدل در نظر می‌گیرد، که در آن میانه برای تشخیص الگوی زمان سفر اولیه بکار گرفته می‌شود در حالی که تنوع عرضه غیر منتظره (یعنی ظرفیت)کاهش و نوسانات تقاضا را ثبت می‌کند. پیش‌بینی بیزی یک فرآیند یادگیری است که به طور مداوم وضعیت دانش قبلی زمان سفر براساس اطلاعات در دسترس را مورد بازبینی قرار می‌دهد. نتیجه پیش‌بینی یک توزیع زمان سفر است که می‌تواند برای تولید یک مقدار واحد (معمولا نه لزوما میانگین)زمان سفر و همچنین یک فاصله اطمینان از عدم قطعیت پیش‌بینی زمان سفر بکار رود. برای دتکتوری بهتر زمان سفر در طی تراکم غیرتکراری ناشی از رویداده‌ای پیش‌بینی‌نشده (به عنوان مثال، حوادث، تصادف و یا آب و هوای بد)، DLM در چارچوب کنترل تطبیقی ادغام می‌شود که می‌تواند به طور خودکار سطح نویز تکامل سیستم را یاد بگیرد و تنظیم کند. نتایج آزمایش براساس داده‌های آشکارساز(دتکتور) حلقه واقعی یک بخش ۶۶ I -در ویرجینیای شمالی، نشان می‌دهد که روش پیشنهادی قادر به ارائه پیش‌بینی زمان سفر دقیق و قابل‌اطمینان تحت شرایط ترافیکی تکراری و غیرتکراری می‌باشد.
کلمات کلیدی: پیش بینی زمان سفر در زمان واقعی، سیستم های اطلاعات پیشرفته مسافر، استنباط بیزی، فواصل اطمینان پیش بینی، کنترل تطبیقی

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2LwYJyv