TY - JOUR ID - 88536 TI - طراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS) JO - پژوهشنامه حمل و نقل JA - TRI LA - fa SN - 1735-3459 AU - رحمتی, مریم AU - رادفر, رضا AU - طلوعی اشلقی, عباس AU - پیله وری سلماسی, نازنین AD - دانشجوی دکتری، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران AD - استاد، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران AD - دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه آزاد اسلامی، واحد یادگار امام خمینی(ره) شهر ری، ایران Y1 - 2019 PY - 2019 VL - 16 IS - 1 SP - 51 EP - 62 KW - برون شهری KW - پیش‌بینی KW - حجم ترافیک روزانه KW - سیستم استنتاج فازی مبتنی بر شبکه عصبی (ANFIS) DO - N2 -  تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله با آن باشند. یکی از این راه کارها پیش بینی حجم ترافیک روزانه است. پیش بینی ترافیک به کنترل کننده ها کمک می کند تا با اتخاذ تصمیمات مناسب از بروز ازدحام در ترافیک جلوگیری نمایند. در پژوهش حاضر، به منظور پیش بینی حجم ترافیک روزانه برون شهری در مسیرهای بین مراکز استان های کشور، از سیستم استنتاج فازی مبتنی بر شبکه عصبی (ANFIS) بعنوان یکی از روشهای هوش مصنوعی استفاده شده است. به‌منظور افزایش اطمینان ازتخمین ترافیک، داده ها بصورت تصادفی در سه حالت آموزشی، آزمایشی و اعتبارسنجی به سیستم استنتاج فازی مبتنی بر شبکه عصبی اعمال شد: مجموعه آموزش جهت طراحی مدل، مجموعه آزمایش و مجموعه اعتبارسنجی جهت ارزیابی و تعیین اعتبار مدل مدل طراحی شده حجم ترافیک را با دقت 90 درصد پیش بینی نمود. بنابراین می توان نتیجه گرفت که ANFIS  ابزار مناسبی برای پیش بینی حجم ترافیک روزانه برون شهری است و پیشنهاد می شود مسئولین در تصمیمات و برنامه ریزی هایشان از این مدل استفاده نمایند UR - https://www.trijournal.ir/article_88536.html L1 - https://www.trijournal.ir/article_88536_ea7495f0a34ec70cc336dca2b0c0bf24.pdf ER -