فاكتورهاي ويژه. مدل تطبيقي شبكه عصبي فازي در پيش.بيني ترافيک

واضح آرشیو وب فارسی:فان پاتوق: فاكتورهاي ويژه. مدل تطبيقي شبكه عصبي فازي در پيش.بيني ترافيک
خلاصه: اين مقاله به دومين قسمتي از چارچوب يك مدل پيش.بيني ترافيك در مقابله مولف (در سال 2003) مربوط مي.شود. اين مدل ابتدا، سروصداهايي كه توسط شرايط مسافرتي مرتبي سبب شده را رفع مي.كند، و روش بي.سروصداي تكان.دهنده.اي كه موضوع مقاله قبلي است را بكار مي.برد. دومين قسمت از اين مدل به طور كمي تأثير استفاده از عوامل ويژه يك شبكه فازي عصبي كه مركز شرح در مقاله حاضرست را محاسبه مي.كند.

1- مقدمه: پيش.بيني وضع ترافيك براي مسافران كه با كفايت از زمانشان درست استفاده مي.كنند و نيروي توليد را افزايش مي.دهند، خيلي سودمند است. آن همچنين مي تواند اطلاعات ترافيكي سودمندي را براي موتورها و گردانندهاي تندرو فراهم. .كند. مدل پيش.بيني يك ترافيك خوب براي تهيه پيش.بيني ترافيكي درست اساسي است. ولي، در دنياي واقعي، سيستم.هاي حمل و نقل خيلي پيچيده , براي پيش.بيني مشكل.اند چون عوامل موثر بسيار پيچيده.اي وجود دارند.
براي يك مدل پيش.بيني ترافيك قابل تامل بايد برخورد پيچيده.اي از تمام عناصر و عكس.العمل.هايشان وقتي كه براي سيستم.هاي واقعي بكار مي.رود، تصور .شود. چنين عناصر.موثري عوامل ويژه ناميده مي شود. اينها شامل، آب.و.هوا، برخوردها.، ساختمان.ها، اتفاقات. خاص. و حتي مهمترين تصميمات بشر كه توسط رانندگان گرفته شده، مي.باشد. هر عنصري توانست يك برخورد مختلفي روي تمام سيستم ترافيكي داشته باشد. به علاوه، تأثير طرح هندسي جاده به همان اندازه بستگي دارد. مدل.هاي زيادي براي حل كردن مشكلي در سيستم. پيشنهاد شده و يك پيش.بيني درست مربوطه.اي توسط كاربرد نگرش.هاي مختلفي فراهم شده. آنها همه مزيت.ها و زيانهاي شخصي.شان را دارند.
در حال حاضر، هيچ كدام از اين مدلها روشهاي كافي را براي عوامل ويژه با روش معيني پيشرفت نداده اند. مدل.هاي پيش.بيني ترافيك پيچيده.تر و شدني.ترند. هر مدلي سعي مي.كند تا تمام شرايط ممكني از حقيقت واقعي به منظور اينكه نتيجه پيش.بيني بهتري را بدست آورد شامل شود. بنابراين، اين مدلها بي.نهايت كامل. شدند زيرا اطلاعات بسيار زياد و غير منتظره.اي براي اينكه بدنه آنها كامل شود، وجود دارد. به عبارت ديگر، تعداد زيادي از متغيرها بين اطلاعات ترافيكي وجود دارند که عكس.العمل چنين اطلاعاتي بايد ساده شود. با اين وجود، اين مدلهاي آماري، ارتباط خيلي ساده.اي را از بين تركيب.كننده.هايي از حجم عظيمي از روابط مي.پذيرد که اندازه پيچيده.گي و نادرستي چنين مدل.هايي را افزايش مي.دهد.
مدل پيشنهاد شده در اين بررسي، مشكل اصلي يك مدل آماري را برطرف مي.كند. به علاوه، چنين مدل معرفي شده روي اطلاعات تاريخي قرار دارد، و لازمه وجود دانش مصرف.كننده ضروري نيست. اخيراً، مدل تا معلوم عصبي براي سيستم.هاي حمل.ونقل بكار رفته، شامل كشف فرعي، دسترسي سيستم.هاي كنترل، ارزيابي خطر پياده.رو، كنترل عبور، كنترل مجزا وسيله، تعمير ماشين، مدل انتخاب ميانگين رفتاري، دادن سرازيري، انتقال وسيله و غيره مي.باشد. نگرش.هاي شبكه عصبي به طور عادي در زمينه پيش.بيني ترافيكي در طول دهه گذشته استفاده شده بود. اخيراً، كاربردهاي ديگر براي پيش.بيني جريان ترافيك پيشرفت كرده پيدا شده است.
مدل فازي Neuro شامل دو مدل مي.شود: سد يك شبكه.اي كه يك نگرش فازي زير را بكار مي.برد تا اطلاعات داخلي را به درون خوشه.ها طبقه.بندي كند و يك شبكه كارشناس كه يك شبكه عصبي را بكار مي.برد تا ارتباط داخلي و خارجي بين هر خوشه را طبقه.بندي كند.
2- تكنولوژيها: عوامل ويژه، شامل برخوردها، ساختمان، آب و هوا و رويدادهاي ويژه.اي هستند كه تأثيرات زيادي را روي سرعت مسافرت دارد. به طور شايع هيچ مدل كامل كه اين عوامل را درست تصور كند وجود ندارد. بنابراين، اين تحقيق برخوردهاي فردي و تركيبي از چندين عوامل ويژه.اي روي پيش.بيني ترافيك بررسي خواهد كرد. براي يك وسيله مشخص در وسط خيابان، عوامل را روي كاهش سرعت بررسي مي كندو يك الگوي راهنماي سرعت توليد خواهد كرد و تشخيص خواهد داد تا رابطه واقعي متغير سرعت را در تمام زمان نشان دهد. برخورد عوامل ويژه نشان مي.دهد كه تطبيق براي الگوي راهنماي سرعت پيش.گويي مشرق زمين را درست مي كند و يك انحنا سرعت پيش.گويي شده را به وجود مي آورد. هدف از منطق نامعلوم , رسم يك فضاي دقيق ديگر است. آن يك وسيله بهتر براي وانمود كردن فكر بشر است. چندين منفعت از منطق فازي وجود دارد:
1- آسانست تا بفهماند.
2- اغماضي از اطلاعات نادرست دارد.
3- مي.تواند مستقيماً از دانش بشري براي سيستمي راه حل بيايد.
- به راحتي مي.تواند از طريق سيستم.هاي ديگري كامل شود. به عنوان مثال: شبكه عصبي و سيستم كنترل
- قدرت قوي دارد وقتي كه بدون مشكل حل .شود.
- انعكاس زيادي دارد.
مرحله اول از منطق فازي معين كردن يك دستگاه فازي است. مرحله دوم از منطق فازي، تعيين كردن عمل عضويت است(MF) . عمل عضو دوستانه يك عمل يا يك عضويت كه هر نكته.اي در فضاي داخلي كه بتواند براي ارزش فضاي خارجي نقشه بكشد تعيين مي.شود. مرحله ديگري از منطق فازي تعيين كردن قوانين مي.باشد.
ابزار منطق فازي 5 مرحله است:
1- داستان فازي: طراحي داخلي براي درجه عضويت، عمل عضويت را بكار مي.برد.
2- اگر مقدمه شامل بيش.تر از يك قسمتي شود، گرداننده فازي آن را برايشان بكار مي.برد تا تعداد مفردي را بگيرد.
3- عمل عضويت از كاربرد محصول نتيجه مرحله دوم گرفته مي.شود. روش ابزار در اين مرحله مي.تواند عمل آميخته يا عمل مشكوكي باشد.
4- اگر سيستم بيشتر از يك قاعده همان نتيجه را داشته باشد، نتيجه از يك مرحله سوم، بايد جمع شود. روش جمع شده اصلاً توسط تمام عمل. اضافي يكديگر براي بدست آوردن عمل.هاي عضويت تركيب شده.اي نتيجه خواهد شد.
5- مشخص كردن فاز، نتيجه مرحله چهارم يك عمل عضويت براي رديف كاملي از بيرون است و آن مجبورست تا به طور نامعلوم مشخص شود تا يك تعداد مشخصي را بدست آورد.براي محاسبه فازمرکزي از روش عادي استفاده مي کند.
به طور كلي، يك شبكه عصبي مصنوعي (ANN) شامل چندين لايه عصبي مفرد اضافه است. اتصال بين لايه.ها مشخص مي.كند كه لايه.ها يكديگر را متصل و ساختار اصلي شبكه عصبي را مشخص مي.كنند. براي هر فاز مفرد،عملي مفرد دارد كه مشخص كند بازده توسط عملي تعيين مي.شود. مشابه منطق فازي، ANN هدفمند شده است تا يك نقشه.از داخل به خارج را پيدا كند و آن را براي تمام موقعيتها بكار ببرد تا نتيجه مطلوبي را بدست آورد. تعدادي از لايه.ها و ضعف.ها در هر لايه مي.تواند توسط طراح تصميم.گيري شود.از آن جايي كه هر دو، منطق فازي و شبكه عصبي مي.توانند از كار بشر تقليد كنند،آنها را به منظور اينكه سودي از هر دو بگيرد تركيب شده است.
سه نگرش مختلف براي شبكه.هاي عصبي تركيبي و سيستم.هاي فازي وجود دارد:
1- شبكه.هاي عصبي فازي هماهنگ: در اين مدل، سيستم فازي و شبكه عصبي براي وظيفه همزمان بكار رفته اند. سيستم فازي از هيچكدام از مرحله قبل و بعد شبكه عصبي بكار نرفته است. آنها محكم به هم مرتبط نيستند. شبكه عصبي هر پارامتري را در سيستم فازي تغيير نمي.دهد.
2- شبكه.هاي عصبي فازي تعاوني: دراين مدل يك شبكه عصبي فقط يك تعليم عصبي ساده بكار رفته است تا پارامترهاي مشخصي از دستگاهاي فازي، قوانين فازي يا وزن.هايي از سيستم فازي را بياموزد. بعد از آموختن شبكه عصبي، ديگر وجود نخواهد داشت. نتيجه, يك سيستم فازي خالصي است.
3- شبكه.هاي عصبي فازي نامتجانس: اين مدل جديداست كه مي.تواند هر كدام را مثل يك شبكه عصبي يا مثل يك سيستم فازي تعبير كند.نگرش.هاي فازي از اين نوع مي.آيد. در اين بررسي يك مدل عصبي فازي نامتجانسي را بكار مي.بريم.
3-اسلوب.شناسي: در اين مقاله، تأثيرات عمل.هاي ويژه را بررسي مي.كند. سه تأثير مختلفي را شرح مي.دهد:
1- تأثير يك عمل ويژه نمونه.
2- عمل متقابلي از عمل.هاي ويژه مختلف
3-روش براي تأثيرات كاملي از تمام عوامل ويژه.

وبلاگ مهندسین صنایع

این صفحه را در گوگل محبوب کنید

[ارسال شده از: فان پاتوق]

[مشاهده در: www.funpatogh.com]

[تعداد بازديد از اين مطلب: 3056]