معادل

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 رفتارهای وابسته به زمان آن‌ها، هدف تکنیک پیشنهادی، اعمال اطلاعات حاصل از آنالیز توزیع جریان‌های ترافیکی و بکاربستن آن­ها در جهت بهبود دقت پیش‌بینی ترافیک است. در راستای اعمال این روش، در اولین گام روند تغییرات جریان­های ترافیکی داده شده بررسی می­ شود. نظر به اینکه زمان واقعی جمع­آوری این داده ­ها را در اختیار نداریم، با بررسی قوانین موجود در شبیه­سازی داده، رفتارها را تفسیر و با رفتار داده ­های واقعی نظیر می­کنیم. سپس اطلاعات بدست آمده را در سه مرحله به الگوریتم وارد می­کنیم: (۱) در ابتدا یک مرحله پیش­پردازش داده با هدف کاهش بُعد و اطلاعات تکراری، انجام می‌شود. همچنین نحوه­ استخراج ویژگی نیز، در این مرحله توضیح داده می‌شود، سپس در مرحله (۲)، آنالیز گروه بندی در راستای دسته بندی داده ­ها و مبتنی بر رفتارهای مشاهده شده‌ی جریان های ترافیکی صورت خواهد گرفت که منجر به تشکیل گروه‌های peak و non-peak می­ شود و در نهایت در مرحله (۳) دو مدل Contex-Aware RF بطور جداگانه، روی گروه‌های مختلف ارائه شده، آموزش داده خواهند شد.
بطور خلاصه مشاهده‌ی رفتارهای مختلف در جریان­های ترافیکی باعث این نتیجه‌گیری شد که آموزش تنها یک مدل برای کل داده کافی نیست و در راستای بکارگیری اطلاعات بدست آمده از روند ترافیکی در ساختن مدل، مراحل آورده شده در شکل (۴-۳) در نظر گرفته شد.

شکل ۴-۳٫ مراحل اعمال تکنیک پیشنهادی به منظور لحاظ کردن رفتارها و اطلاعات استخراج شده از روند ترافیکی داده‌ها در ساخت مدل پیش‌بینی کننده. شامل پیش‌پردازش(Data Preprocessing)، دسته بندی(Clustering) و یادگیری(Training). در مرحله‌ی پیش‌پردازش، پس از اعمال گردآمدگی روی داده‌ها، از آنها بردارهای ویژگی استخراج می‌شود. در مرحله‌ی دسته‌بندی، contextهای مختلف در داده‌ها تشخیص و دسته‌بندی می‌شوند و نهایتاً در مرحله‌ی یادگیری، برای هر کدام از دسته‌ ها، مدل RF آموزش داده می‌شود و در انتها مدل‌ها ارزیابی می‌شوند.

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 به یک خیابان، معمولاً در طی روزهای مختلف یکسان است. از دیگر ویژگی‌های مشترک جریان‌های ترافیکی همه خیابان‌ها نیز، وجود نرخ ترافیکی بالا در ساعت‌های اوج ترافیک است. در این راستا، با آنالیز داده‌های موجود و به دنبال یافتن رفتارهای ذکر شده، نمودارهایی همچون شکل (۴-۴) در مورد همه‌ی مسیرها، مشاهده شد.

شکل ۴-۴٫ روند جریان‌های ترافیکی مشاهده شده در خصوص مسیرهای مختلف، مربوط به ۱۰ سایکل متوالی ومستقل(۶۰۰۰دقیقه). محور افقی و عمودی به ترتیب نشان‌دهنده‌ی زمان (به دقیقه) و نرخ ترافیکی(تعداد ماشین‌های عبوری در بازه‌ی یک دقیقه) می‌باشند. رنگهای مختلف نمایانگر جریان‌های ترافیکی خیابانهای مختلف است. طبق شکل، بر خلاف مشاهده‌ی نرخ ترافیکی مختلف در خیابان‌های مختلف، همه‌ی جریان‌ها دارای پیک‌های متوالی و با فاصله‌های تقریباً یکسان می‌باشند.