ترجمه مقاله پیش بینی زمان رسیدن اتوبوس با شبکه های عصبی RBF تعدیل شده با داده های آنلاین - نشریه الزویر

ترجمه مقاله پیش بینی زمان رسیدن اتوبوس با شبکه های عصبی RBF تعدیل شده با داده های آنلاین - نشریه الزویر
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
پیش بینی زمان رسیدن اتوبوس با استفاده از شبکه های عصبی RBF تعدیل شده با داده های آنلاین
عنوان انگلیسی
Bus Arrival Time Prediction Using RBF Neural Networks Adjusted by Online Data
صفحات مقاله فارسی
12
صفحات مقاله انگلیسی
9
سال انتشار
2014
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد ✓
کد محصول
F724
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
ترجمه شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
رشته های مرتبط با این مقاله
مهندسی عمران و مهندسی صنایع
گرایش های مرتبط با این مقاله
بهینه سازی سیستم ها و برنامه ریزی حمل و نقل
مجله
نهمین کنفرانس بین المللی مطالعات ترافیک و حمل و نقل - The 9th International Conference on Traffic & Transportation Studies
دانشگاه
دانشکده مهندسی ترافیک و حمل و نقل، دانشگاه Dalian Jiaotong
فهرست مطالب
چکیده
مقدمه
شبکه ها ی عصبی تابع پایه شعاعی
RBFNN مورد استفاده د ر پیش بینی زمان ورود اتوبوس
مدل تعدیل با استفاده از داده ها ی انلاین
استفاده از فیلتر کالمان
طراحی سیستم
مطالعه ازمایشی
نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

This paper proposes an approach combining historical data and real-time situation information to forecast the bus arrival time. The approach includes two phases. Firstly, Radial Basis Function Neural Networks (RBFNN) model is used to learn and approximate the nonlinear relationship in historical data in the first phase. Then, in the second phase, an online oriented method is introduced to adjust to the actual situation, which means to use the practical information to modify the predicted result of RBFNN in the first phase. Afterwards, the system designing outline is given to summarize the structure and components of the system. We did an experimental study on bus route No.21 in Dalian by deploying this system to demonstrate the validity and effectiveness of this approach. In addition, Multiple Linear Regression model, BP Neural Networks and RBFNN without online adjustment are used in contrast. Results show that the approach with RBFNN and online adjustment has a better predicting performance.

نمونه چکیده ترجمه متن فارسی
چکیده :
این مقاله رویکردی را ار ایه می کند که ترکیبی از داده ها ی تاریخی و اطلاعات زمان واقعی بر ای پیش بینی زمان رسیدن اتوبوس است. این رویکرد شامل دو مرحله است. اولا، مدل شبکه های عصبی تابع پایه شعاعی(RFBNN) بر ای یادگیری و تقریب ر ابطه غیر خطی د ر داده ها ی تاریخی د ر فاز اول استفاده می شود. سپس د ر دومین مرحله، یک روش انلاین بر ای تعدیل وضعیت واقعی معرفی می شود که ابزاری بر ای استفاده از اطلاعات کاربردی بر ای اصلاح نتایج پیش بینی شده RBFNN د ر مرحله اول است. سپس، مطالعات مربوط به طر احی سیستم بر ای خلاصه سازی ساختار و اجزای سیستم ار ایه می شود. یک مطالعه ازمایشی بر روی مسیر شماره 21 اتوبس د ر دالیان با استقر ار این سیستم بر ای اثبات اعتبار و اثر بخشی این رویکرد انجام شد. به علاوه، مدل رگرسیون خطی چندگانه، شبکه ها ی عصبی BP و RBFNN بدون تعدیل انلاین استفاده می شود. نتایج نشان می دهد که رویکرد با RBFNN و تعدیل انلاین دار ای عملکرد پیش بینی بهتری است.

بدون دیدگاه