Regression By Discritization ۳۰ بنابراین تنها دستهای از الگوریتمها که قابلیت اعمال به مسائل رگرسیون را داشتند، استفاده شده و در جدول (۵-۲) مشاهده می‌شوند. از آنجا که الگوریتم رگرسیون […]

شکل۵-۱ .مثالی از چگونگی اعمال مراحل گردآمدگی با سایز۱۵=s و استخراج بردار ویژگی با سایز ۴۰. به بیانی دقیق‌تر، برای اعمال گردآمدگی با سایز ۱۵=s بر روی یک پنجره ۳۰-دقیقه‌ای، رکوردهای ۱ […]

که در این فرمول i نشان دهنده iاَمین مقدار از بردارهای مشاهدات ترافیکی است.در دیگر تحقیقات [۴۵] و [۴۶] نیز همین نتیجه گیری تأیید شد که برای تعیین شباهت مشاهدات، معیارهای دیگر بهبود […]

فصل پنجم نتایج تجربی مقدمه در این فصل به بررسی کارآیی تکنیک پیشنهادی و مقایسه آن با روشهای قوی ارائه شده درحوزه‌ی پیشبینی کوتاه مدت ترافیک میپردازیم. از آنجا که […]

بررسی توزیع جریان های ترافیکی در داده بطور معمول جریان‌های ترافیکی مربوط به خیابان‌های شهری، رفتار و پترنی وابسته به زمان را دنبال می‌کنند. علاوه‌براین، رفتار ترافیکی مشاهده شده‌ی مربوط […]

(۴-۶) بدین ترتیب، اگر همین روند را بر روی دادههای هر ساعت دنبال کنیم و از هر ساعت یک نمونه آموزشی استخراج کنیم، از کل مجموع داده های آموزشی که […]

داده‌ی آزمایشی به منظور ارزیابی بهتر و طبق روال داده‌های مقایسه‌ای، مجموعه‌ی دیگری از دادهها شامل ۱۰۰۰ ساعت از ترافیک شبیه سازی شده، بعنوان داده‌ی آزمایشی فراهم شده است. این […]

Training data ۱۰۰ cycles Each Cycle ۱۰ hours Each Hour ۶۰ records (minutes) Test data ۱۰۰۰ windows Each window ۳۰ minutes تکنیک پیشنهادی نظر به ماهیت داینامیک جریان‌های ترافیکی و […]

شکل ۴-۱٫ صفحه‌ی نمایشTraffic Simulation Framework(TSF) ، ابزاری قدرتمند برای شبیه‌سازی ترافیک شهری، توسعه یافته در دانشگاه Warsaw. این ابزار از نقشه‌های واقعی شبکه‌ی جاده‌ای شهر استفاده می‌کند که در […]