close
دانلود فیلم
پایان نامه ارائه‌ چارچوبی در راستای بهبود پیش‌بینی وضعیت ترافیک

پایان نامه ارائه‌ چارچوبی در راستای بهبود پیش‌بینی وضعیت ترافیک

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر

گرایش : هوش مصنوعی

عنوان : ارائه‌ چارچوبی در راستای بهبود پیش‌بینی وضعیت ترافیک

تعداد صفحه : 109

 

چکیده

امروزه موفقیت سیستم­های حمل­و­نقل هوشمند، نه تنها به اطلاعات وضعیت فعلی ترافیک، بلکه تا حد زیادی به آگاهی از وضعیت ترافیکی دقایق آینده وابسته است. از این­رو، تحقیقات زیادی در زمینه­ی پیش­بینی­ کوتاه­­مدت وضعیت ترافیکی انجام شده است. هرچند تاکید اکثریت آنها، تنها بر روی اعمال الگوریتم­های مختلف بمنظور یادگیری داده­های ترافیکی و ارائه­­ی مدل، بر اساس داده­های جمع­آوری شده از وضعیت فعلی و پیشین می­باشد. حال آنکه، در جهت رسیدن به الگوریتمی کارا، لازم است تا ماهیت نوساناتی و وابسته به زمان داده­ها نیز در روند یادگیری مدل لحاظ شود. در این راستا، این پایان­نامه با مطالعه­ی توزیع جریان­های ترافیکی، سعی در جداسازی رفتارهای مربوط به پریودهای اوج و غیر­اوج ترافیکی و همچنین استفاده از مفاهیم و دانش بدست­آمده برای آموزش مدل­های متمایز متناظر با رفتارهای مختلف ترافیکی دارد. شایان ذکر است که حتی در صورتی­که زمان مرتبط با داده‌ها صریحاً در اختیار نباشد، روش پیشنهادی با بررسی توزیع داده­، روند جریان‌های ترافیکی را تشخیص می­دهد. بدین ترتیب، رندوم فارست بعنوان مدل پیش­بینی­کننده، از زمینه­ی داده­ی مورد آموزش باخبر بوده و بر این اساس احتمال گیر­اُفتادن آن در بهینه­ی محلی کمتر می­شود. به منظور ارزیابی روش ارائه شده، آزمایشاتی بر روی داده­­ی بخش ترافیک مسابقه بین­المللی داده­کاوی سال 2010 انجام شد. نتایج حاصل، مؤید کارایی و مقیاس­پذیری روش پیشنهادی در مقایسه با دیگر نتایج بدست آمده توسط تیم­های برتر مسابقه، می­باشد.

فهرست مطالب:

فصل اول. مقدمه

1-1- تعریف مسئله

1-2- چالش‌های مسئله

1-3- نگاهی به فصول پایان­ نامه

فصل دوم. مبانی نظری تحقیق

2-1- مقدمه

2-2- متدهای یادگیری تجمعی

2-2-1- تعاریف مفاهیم اولیه

2-2-2- درخت بوستینگ

2-2-3- درخت بگینگ

2-3- رندوم فارست

2-3-1- مراحل توسعه‌ی رندوم فارست

2-3-2- تئوری‌های مرتبط با رندوم فارست

2-3-3- رندوم فارست برای رگرسیون

2-3-4- مزایا و کاربردهای رندوم فارست

2-4- نتیجه ­گیری

 

فصل سوم. پیشینه تحقیق

3-1- مقدمه

3-2- تعریف مسئله

3-3- روش‌های مبتنی بر آنالیزهای سری زمانی

3-4- روش‌های مبتنی بر مدل‌های شبکه عصبی

3-5- روش‌های مبتنی بر الگوریتم‌های داده­کاوی

فصل چهارم. معرفی تکنیک پیشنهادی

4-1- مقدمه

4-2- خصوصیات کلی پایگاه داده

4-3- پایگاه داده­ی مورد استفاده

4-3-1- داده‌ی آموزشی

4-3-2- داده‌ی آزمایشی

4-4- تکنیک پیشنهادی

4-4-1- بررسی توزیع جریان‌های ترافیکی

4-4-2- مرحله پیش پردازش و استخراج ویژگی

4-4-3- مرحله شناسایی و تقسیم بندی به Context های مختلف 

4-4-4- مرحله یادگیری با بکارگیری Context-Aware Random Forest  

 

فصل پنجم. نتایج تجربی

5-1- مقدمه

5-2- پایگاه داده

5-3- معیارهای ارزیابی

5-3-1- معیار ارزیابی خطای پیش­بینی

5-3-2- مقایسه کارآیی معیارهای سنجش فاصله بر روی مشاهدات ترافیکی                             

5-4- بررسی تناسب الگوریتم رندوم فارست در مقایسه با دیگر متدها   

5-5- تنظیمات اعمال شده در پیاده سازی الگوریتم (تنظیم پارامترها) 

5-6- ارزیابی سایز گردآمدگی بر روی داده‌ی اعتبارسنجی 

5-7- استخراج مجموعه‌های نمونه‌های آموزشی

5-8- نتایج یادگیری الگوریتم بر روی مجموعه‌های نمونه‌های آموزشی

 

فصل ششم. نتیجه‌گیری

خلاصه­ی مطالب و نتیجه­ گیری

 

فهرست منابع و مآخذ

 

فهرست جدول‌ها

جدول شماره 4-1: شرح مفاهیم و معادل ترم‌های مورد استفاده  

جدول شماره 5-1: مقایسه میانگین خطای الکوریتم­های مختلف weka   

جدول شماره 5-2: مقایسه خطای الگوریتم بگینگ و رندوم فارست

 

فهرست شکل‌ها

شکل 1-1:  معماری کلی مربوط به متدهای یادگیری تجمعی 

شکل 2-1: معماری کلی الگوریتم بگینگ

شکل 2-2:  نمایی کلی از الگوریتم رندوم فارست

شکل 2-3: معماری کلی مربوط به الگوریتم رندوم فارست  

شکل 4-1: صفحه‌ی نمایش شبیه ساز ترافیک TSF

شکل 4-2: نقشه‌ی شهر Warsaw، اعمال شده بهTSF

شکل 4-3: نمایش نمادین اعمال تکنیک پیشنهادی
شکل 4-4: توزیع جریان‌های ترافیکی مسیرها
شکل 4-5: ارائه‌ی دید دقیق‌تر در خصوص رفتار جریان‌های ترافیکی   

شکل 4-6: نمایش نمادین روند انجام مرحله گردآمدگی

شکل 4-7: نمودار الزامات معیار شباهت مناسب

شکل 4-8: جریانهای ترافیکی مسیرها مربوط به دو context   

شکل 5-1: مثالی از چگونگی اعمال مراحل گردآمدگی

شکل 5-2: مقایسه­ی خطا روشها با اعمال سایزهای مختلف گردآمدگی  

شکل 5-3: مراحل نمادین استخراج مجموعه نمونه آموزشی  

شکل 5-4: مقایسه خطای تکنیک پیشنهادی و روش Ensemble RF

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر

گرایش : هوش مصنوعی

عنوان : ارائه‌ چارچوبی در راستای بهبود پیش‌بینی وضعیت ترافیک

تعداد صفحه : 109

قيمت فايل ورد پروژه : 10000 تومان
 دانلود فایل ورد بلافاصله بعد از پرداخت هزینه

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود
پشتیبانی سایت :        09010633413

 
فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید

 


لینک کوتاه پست
مطالب مرتبط با پست جاری

استفاده از گراف ها در تشخیص الگوها


طراحی و کنترل فیلتر اکتیو سری با روش جدید برای استخراج هارمونیک ولتاژ بار


هوشمند سازی یک سیستم تبرید بوسیله سنسور مادون قرمز


مدلسازی فرکانس بالای سيستم زمين با استفاده از مفاهیم کیفی جدید در الکترومغناطیس


نهان نگاری در تصاویر سه بعدی بر اساس ویژگی عمق


ناحيه بندي عنبيه با استفاده از ویژگیهای مبتنی بر بافت روشنایی


مدیریت انرژی در ریزشبکه با استفاده از برنامه های پاسخگویی بار


مکان‏يابي همزمان منابع توليد پراکنده و کليدها در شبکه توزيع با در نظر گرفتن امکان عملکرد جزيره‏ا


مطالعه عددی مشخصات گذرای ترانزیستورهای اثرمیدانی مبتنی برنانو نوارهای گرافن


مدلسازی و شبیه‌سازی جبران‌ساز استاتیکی مبتنی بر مدل DQ


کاربرد منطق فازی برای کنترل راکتور هیدروژناسیون استیلن واحد الفین


مدلسازی و شبیه سازی کنترلر اینورتر سه سطحی


مدل سازي گره و محاسبه مصرف توان پردازشي شبكه هاي حسگر بي‌سيم به كمك شبكه عصبي


مدلسازي ديناميکي يکسوساز شش پالسه تريستوري در يک سيستم تحريک استاتيک ژنراتورسنکرون


مدلسازی توربین بادی متصل به شبکه توزیع و یا فوق توزیع جهت تامین بار


مدلسازی دینامیکی و شبیه‌سازی مبدل باک و مبدل بوست


مدل سازی، تحلیل و بهینه سازی گیربکس مغناطیسی با استفاده از روش اجزاء محدود FEM


کنترل تولیدات پراکنده در بازار خرده فروشی با روش مونت کارلو


مدل سازی پوشش دینامیکی شبکه های حسگر خودرویی بر مبنای مدل های آماری حرکت


کنترل ولتاژ در میکرو شبکه شامل توربین های بادی بر پایه ژنراتور القایی و ژنراتور سنکرون


کاهش مصرف انرژی در شبکه حسگر بی سیم با استفاده از بلوم فیلتر


تجدید آرایش شبکه های توزیع شعاعی به منظور کاهش تلفات و بهبود پروفایل ولتاژدر حضور ریز شبکه ها


شبیه سازی و کنترل یک سیستم تولید توان ترکیبی پیل سوختی/باطری/ ابر خازن به منظور تغذیه یك موتور الکت


طراحی کنترل کننده استاتیکی مقاوم خروجی برای نیل به تعقیب فازی برای سیستمهای غیرخطی توصیف شده با مد


طراحي کنترل‌کننده‌اي بر مبناي منطق فازي براي بهبود عملکرد جبرانساز استاتيکي سنکرون


  • نکات مهم
    1- لطفا نظر خود را با زبان فارسی بیان کنید
    2- رایتم نظرات اسپم و تبلیغی شما را تایید نمی کند
    3- لطفا نظرات شما بدون ابهام و واضح باشد
  • نام
    ایمیل (منتشر نمی‌شود) (لازم)
    وبسایت
    :):(;):D;)):X:?:P:*=((:O@};-:B/:):S
    نظر خصوصی
    مشخصات شما ذخیره شود ؟[حذف مشخصات] [شکلک ها]
    کد امنیتی
به کانال تلگرام سایت ما بپیوندید