مقایسه روش ماشین بردار پشتیبان خطی و غیرخطی با رگرسیون خطی جهت پیش‌بینی کوتاه‌مدت پارامتر طول صف و حجم ورودی رویکرد تقاطع جهت کنترل تطبیقی چراغ‌‌‌های راهنمایی منفرد

الموضوعات : سامانه‌های پردازشی و ارتباطی چندرسانه‌ای هوشمند

محمد علی کوشان مقدم ¹ , مهدی فلاح تفتی ²

1 - کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه یزد، یزد، ایران
2 - دانشیار، دانشکده مهندسی عمران، دانشگاه یزد، یزد، ایران

تاريخ الإرسال : 28 الخميس , شعبان, 1443 تاريخ التأكيد : 23 الخميس , ربيع الثاني, 1444 تاريخ الإصدار : 23 الأربعاء , ذو القعدة, 1443

الکلمات المفتاحية: پیش‌بینی ترافیک, چراغ راهنمایی تطبیقی, طول صف, رگرسیون بردار پشتیبان, حجم ورودی به رویکرد تقاطع,

ملخص المقالة :

این مطالعه به منظور توسعه سیستم‌‌‌های کنترل چراغ راهنمایی با رویکرد تطبیقی جهت کنترل بهتر ترافیک در تقاطعات صورت گرفته است. در این رویکرد اگر از داده‌های پیش‌بینی شده مربوط به سیکل‌های آینده به منظور بهینه‌سازی زمانبندی استفاده گردد، باعث کنترل ترافیک در موارد پیش‌بینی نشده و مدیریت آن قبل از رسیدن به سیکل مورد نظر می‌شود. در این راستا از روش رگرسیون بردار پشتیبان به صورت خطی و غیرخطی برای پیش‌بینی پارامتر طول صف و حجم ورودی به یک رویکرد به عنوان دو متغیر اصلی مورد نیاز در فرآیند کنترل تطبیقی استفاده شد. برای داشتن داده کافی جهت ایجاد چنین مدلی به آماربرداری از دو تقاطع شهر یزد و شبیه‌سازی آن‌‌ها در نرم‌افزار شبیه‌ساز ایمسان پرداخته شد. سپس این تقاطع‌‌ها برای شرایط موجود کالیبره و اعتبارسنجی گردیدند. نتایج دقت پیش‌بینی به روش‌‌‌های پیشنهادی استخراج شده و با روش رگرسیون خطی مقایسه گردید. نتایج نشان دادند که رگرسیون بردار پشتیبان به صورت غیرخطی دارای عملکرد بهتری نسبت به هر دوی مدل پیشنهادی در حالت خطی و رگرسیون خطی است. دو روش رگرسیون بردار پشتیبان به صورت خطی و رگرسیون خطی عملکردی مشابه نشان دادند.

المصادر:

 

• Emradi and Divandari, "Evaluating the impact of traffic factors in predicting traffic light delay estimation model", International Conference on Civil Engineering, Architecture and Urban Development Management in Iran, Tehran, 1397.


• Ebadi Shieuyari, Arman, Yazdanpanah, Shariat Mohaymeni, Abedini, Khashaeipur and Kalantari, " Calibrating traffic software based on the traffic conditions of Tehran city", Avaye Fahim, Third Volume: Providing instructions on how to simulate, calibrate and validate Imsan software, 1392.


• Bruno, Giuseppe, Giovanni Buommino, and Gennaro Improta. "Comparison Among Pre-Timed, Plan Selection and Knowledge-Based Strategies for Individual Junction Control." IFAC Proceedings Volumes 30, no. 8. 1997.


• Niittymäki, Jarkko. "Using fuzzy logic to control traffic signals at multi-phase intersections." In International Conference on Computational Intelligence, pp. 354-362. Springer, Berlin, Heidelberg, 1999.


• Yulianto, Budi. "Detector technology for demand responsive traffic signal control under mixed traffic conditions." In AIP Conference Proceedings, vol. 1977, no. 1, p. 040021. AIP Publishing LLC, 2018.


• Kim, S., M. Keffeler, T. Atkison, and A. Hainen. "Using Time Series Forecasting for Adaptive Traffic Signal Control." In Proceedings of the International Conference on Data Science (ICDATA), pp. 34-39. The Steering Committee of the World Congress in Computer Science, Computer Engineering and Applied Computing (WorldComp), 2017.


• Sun, Hongyu, Henry X. Liu, Heng Xiao, Rachel R. He, and Bin Ran. "Use of local linear regression model for short-term traffic forecasting." Transportation Research Record 1836, no. 1. 2003.


• Araghi, Sahar, Abbas Khosravi, and Douglas Creighton. "A review on computational intelligence methods for controlling traffic signal timing." Expert systems with applications 42, no. 3. 2015.


• Ximin, Liu, and Lu Shoufeng. "Vehicular traffic flow dispersion prediction of coordinated signal control based on support vector regression." In 2007 Chinese Control Conference, pp. 49-52. IEEE, 2007.