تعیین گونه سفر مبتنی بر پویشگر شبکه وای-فای با استفاده از شبکه فازی-عصبی تطبیقی

Abstract

<em>آگاهی از گونه سفر و الگوی حرکت شهروندان همواره مورد توجه مدیران شهری در حوزه مدیریت حمل و نقل و ترافیک</em><em>بوده است. بهنگام نبودن و هزینه اجرایی روش های سنتی جمع آوری اطلاعات مانند استفاده از پرسشنامه و ظهور فنآوری </em><em>­</em><em>های جدید موجب شده است تا از ابزارهای ارتباطی همچون تلفن همراه جهت جمع­آوری و تحلیل داده­های ترافیکی استفاده شود. در این میان قابلیت های شبکه های وای-فای تلفن همراه همچون عمومیت، قابلیت دسترسی بالا و هزینه </em><em>پایین</em><em>، مورد توجه سامانه­های حمل و نقل هوشمند بوده است.در این پژوهش با استفاده از تعریف سه ویژگی بر روی سیگنال های جمع آوری شده از وای-­فای کاربران و بهره­گیری از مدل شبکه فازی-عصبی تطبیقی، کاربران ناحیه تحت پوشش در سه دسته طبقه بندی می­گردند. این سه دسته عبارتند از: عابرین پیاده، خودروهای عبوری و کاربرانی که در ناحیه مذکور توقف طولانی مدت داشته اند.. نتایج نشان می­دهد، مدل پیشنهادی به ازای بکارگیری روش خوشه بندی کاهشی برای تعیین تابع عضویت اولیه ویژگی­ها توانسته است با دقت 83 درصد کاربران مذکور را طبقه بندی نماید .همچنین میزان صحت و بازخوانی تشخیص خودروهای عبوری در این ناحیه به ترتیب 75 و 90 درصد است.</em>