17566

17566

ارائه روشي جهت پيش بيني زمان سفر در محيط هاي شهري مقياس بزرگ با استفاده از شبكه هاي خودرويي

كارشناسي ارشد

شبكه هاي كامپيوتري

اسفند 1395

دكتر محمود فتحي - دكتر رضا برنگي

كامپيوتر

پيشنهاد مسير با كوتاه¬ترين زمان سفر باعث مي‏شود تا از پيمودن مسافت¬هاي غيرضروري و ايجاد ترافيك طولاني در طول مسير و به دنبال آن افزايش آلودگي هوا جلوگيري شود. براي پيش¬بيني زمان سفر و ارائه آن به خودروها، روش¬هاي زيادي وجود دارد. شبكه‏هاي موردي خودرويي به عنوان يك رويكرد كارا در كاربردهاي مديريت ترافيك به شمار مي‏رود. در پژوهش حاضر براي پيش¬بيني زمان سفر مسير، از شبكه¬هاي موردي خودرويي استفاده شده است ولي در بخش¬هايي از مسير كه شبكه¬هاي موردي خودرويي پوشش¬دهي ندارند، براي پيش‏بيني زمان سفر از روش¬هاي هوش مصنوعي مانند مدل¬هاي پرسپترون چندلايه و رگرسيون بردار پشتيباني استفاده شده است. در طول مسير، اگر خودرو در محدوده پوشش¬دهي واحدهاي كنار جاده قرار بگيرد، مي¬تواند درخواست كوتاه¬ترين مسير تا مقصد را ارسال كند كه با الگوريتم A* به آن پاسخ داده مي-شود. اين پژوهش دقت پيش‏بيني زمان سفر با دو روش به¬كار گرفته شده را بررسي نموده است و براي پياده¬سازي، از روشي كه خطاي پيش¬بيني كمتري ارائه مي¬دهد، استفاده كرده است. نتايج حاصل از مقايسه روش پيشنهادي و نقشه¬اي كه كامل با واحدهاي كنار جاده پوشش¬دهي شده است، بررسي شده است و نتايج نشان مي¬دهد كه روش پيشنهادي با دقت مطلوبي مي¬تواند زمان سفر مسير را پيش¬بيني كند و خودروها را در مسيري با زمان سفر كوتاه¬تر هدايت كند. براي شبيه¬سازي شبكه¬هاي خودرويي از پروژه VEINS در محيط OMNET++ و براي شبيه¬سازي ترافيك خودروها، از نرم¬افزار SUMO استفاده شده است. همچنين براي شبيه¬سازي¬هاي مربوط به الگوريتم¬هاي هوش مصنوعي از نرم¬افزار متلب استفاده شده است.

1396/04/13

1/1/1900 12:00:00 AM

Suggesting routs with the shortest travel time causes to prevent traveling on unnecessary routs and create long traffic along the way. To predict travel times and present it to Vehicles, there are many ways. Vehicular ad-hoc networks (VANET) considered as an efficient approach for traffic management applications. In the present study, to predict travel time of the paths, was used Vehicular ad-hoc networks, but in parts of the routes, that VANETs can not cover, to predict the travel time was used artificial intelligence methods, such as multi-layer Perceptron (MLP) and support vector regression models (SVR). Along the route, if the vehicle travels within range of the road side unit covering, could request the shortest path to the destination and to be answered to it with A* algorithm. this thesis investigates travel time prediction accuracy with two methods that employed and to implementation, the method with a lower prediction error is used. The results of the comparison of proposed method and the map that has been covered with road side units, have been investigated and The results shows that the proposed method can predict travel time with good accuracy and can lead vehicles on the shortest path. To simulate vehicular ad-hoc networks, VEINS softwareis used that imports in OMNET ++ environment. and to simulate vehicular traffic, the SUMO software is used. to simulation The artificial intelligence algorithms, MATLAB software is used.