0% Complete
English
☰
صفحه اصلی
کنفرانسهای فعال
مدیریت منابع انسانی پایدار
حسابداری
بازاریابی و برندینگ در عصر هوش مصنوعی
هوش مصنوعی:نوآوری، کسبوکار و آموزش
ارشیو کنفرانسها
اولین کنفرانس ملی هوش مصنوعی
دومین کنفرانس ملی هوش مصنوعی
اولین کنگره ملی حسابداری، مالی و مالیاتی
32کنفرانس بین المللی زیست پزشکی
راهنمای شرکت
نحوه ثبتنام
ثبت نام مدیریت منابع انسانی پایدار
ثبت نام دومین کنگره ملی حسابداری
ثبت نام سومین کنفرانس ملی هوش مصنوعی
ثیت نام بازاریابی و برندینگ در عصر هوش مصنوعی
ثبت نام زنجیره ارزش نفت گاز و پتروشیمی
ارسال مقاله
فرمت مقالات مدیریت منابع انسانی پایدار
فرمت مقالات سیستم های هوشمند حسابداری
فرمت مقالات ملی بازاریابی و برندینگ در عصر هوش مصنوعی
فرمت مقالات سومین کنفرانس هوش مصنوعی
سوالات متداول
اخبار و رویدادها
درباره ما
تماس با ما
صفحه اصلی
/
دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی
پیشبینی وضعیت ترافیک با استفاده از الگوریتم KNN یک مطالعه موردیبر اساس دادههای دوماهه ترافیک
نویسندگان :
متین نهاوندی
1
1- دانشگاه تبریز
کلمات کلیدی :
پیشبینی ترافیک،K-Nearest Neighbors،دادههای دو ماهه،طبقهبندی وضعیت،سیستمهای حملونقل هوشمند
چکیده :
افزایش سریع وسایل نقلیه به دلیل شهرنشینی منجر به ترافیک سنگین، اتلاف زمان، افزایش آلودگی، و مسائل ایمنی جادهای شده است. پیشبینی دقیق جریان ترافیک کوتاهمدت (5 تا 15 دقیقه) برای سیستمهای حملونقل هوشمند (ITS) حیاتی است، زیرا امکان مدیریت بهینه جریان ترافیک، کاهش تأخیرها، و بهبود ایمنی را فراهم میکند [1]. مدلهای سنتی، مانند ARIMA، اغلب بر سریهای زمانی تمرکز دارند و همبستگیهای مکانی را نادیده میگیرند، که منجر به دقت پایین در محیطهای شهری پیچیده میشود [ 2]. این مقاله یک مدل K-Nearest Neighbors (KNN) ساده برای پیشبینی وضعیت ترافیک پیشنهاد میکند که همبستگیهای زمانی (مانند روز هفته) و مکانی (مانند تعداد وسایل نقلیه در نقاط مختلف) را در نظر میگیرد. دادهها از دیتاست TrafficTwoMonth.csv (Kaggle) با 5952 رکورد استخراج شده و شامل متغیرهایی مانند CarCount، BikeCount، BusCount، TruckCount، Total و Day of the week است، که وضعیت ترافیک را به کلاسهایnormal، low، heavy، high طبقهبندی میکند [ 3]. مدل پیشنهادی با دقت %96.1 عمل میکند، که نسبت به مدلهای پایه مانند SVR (77%) و LSTM (80%) بهبود قابلتوجهی نشان میدهد [ 4]. نتایج تجربی نشاندهنده کارایی بالا در پیشبینی کوتاهمدت و کاربرد در ITS است.
لیست مقالات
لیست مقالات بایگانی شده
Synthesis and Swelling Behavior of pH-Sensitive Chitosan/Polyvinylpyrrolidone Hydrogels for Drug Delivery Applications
Shaghayegh Zameni Nir - Hanieh Shokrkar - Niloofar Nasirpour
درآمدزایی از آزادی: تحلیل مدل کسبوکار نرمافزارهای آزاد
محمد امیری نسب - آرمان محبعلی - امید دادرس
Fibroglandular Tissue Classification in Breast MRI: A Comparative Study of Automated Decision Strategies
Meysam Khalaj - Arvin Arian - Ala Torabi - Nasrin Ahmadinejad - Masoumeh Gity - Seyedeh Nooshin Miratashi Yazdi - Mohammad Pooya Afshari - Melika Sadeghi Tabrizi - Hamid Soltanian-Zadeh
یشبینی فرار مالیاتی مؤدیان حقوقی با تاکید بر مولفههای اقتصادی، مؤدیان و حسابرسان مالیاتی؛ با تکیه بر هوش مصنوعی
حسین بوذری
بکارگیری فن آفرینی های پیشرفته جهت شناسایی خانه های خالی با اهداف مالیات گیری
جابر خورشیدسوار - جمال برزگری خانقاه
Multi-Level Driver Fatigue Detection Using EEG Signals with CNN–LSTM Models in a Compressed Sensing Framework
Sobhan Sheykhivand - Nastaran Khaleghi
Biomedical Applications of Pectin Nanomaterials: Progress and Perspectives
Maryam Rajabzadeh-khosroshahi - Ali Baradar Khoshfetrat - Mehdi Salami-Kalajahi
هوش مصنوعی و مدیریت مالی و سرمایه
محمد ملکی
کلیات قوانین و مقررات مرتبط با هوش مصنوعی
مجید حسن نژاد - مهدی خلفی
Finite Element Analysis of Polyoxymethylene Hemostatic Clips: Stress Distribution and Hinge Geometry Optimization
Parastoo Kamali - Hadi Taghizadeh
بیشتر
19 اردیبهشت 1405
راهنمای انتخاب کنفرانس معتبر برای چاپ مقاله علمی
19 اردیبهشت 1405
چرا شرکت در کنفرانسهای علمی برای مصاحبه دکتری اهمیت دارد؟
21 اردیبهشت 1405
پذیرش سریع مقاله در کنفرانسهای علمی مهندسی و فناوری آغاز شد
21 اردیبهشت 1405
آغاز ثبتنام در همایشهای بینالمللی مدیریت و حسابداری
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.5.0