سازمان حمل و نقل و ترافیک شهر تهران مهندسی ترافیک 2322-1143 1402 93 2023 06 22 ساخت مدل طول چرخه بر مبنای داده‌های شبیه‌سازی با الگوریتم هوش مصنوعی GP – نقدی بر شبیه‌سازی ترافیکی 91 104 708067 FA مصطفی حیدری کارشناس ارشد برنامه‌ریزی حمل‌ونقل، دانشگاه گلستان، گلستان، ایران علی غلامی استادیار گروه برنامه‌ریزی حمل‌ونقل، دانشگاه گلستان، گلستان، ایران سعید رشوند دانشجوی کارشناسی ارشد برنامه‌ریزی حمل‌ونقل، دانشگاه گلستان، گلستان، ایران محمود سلیمانی کارشناس ارشد برنامه‌ریزی حمل‌ونقل، دانشگاه گلستان، گلستان، ایران مانی حاذقی دکترای برنامه‌ریزی حمل‌ونقل، سازمان حمل‌ونقل و ترافیک شهرداری مشهد، مشهد، ایران فرشید فیروزه ای کارشناس ارشد برنامه‌ریزی حمل‌ونقل، سازمان حمل‌ونقل و ترافیک شهرداری مشهد، مشهد، ایران سید حسن محسنیان کارشناس ارشد برنامه‌ریزی حمل‌ونقل، سازمان حمل‌ونقل و ترافیک شهرداری مشهد، مشهد، ایران علی پژومند راد کارشناس ارشد برنامه‌ریزی برق مخابرات، سازمان حمل‌ونقل و ترافیک شهرداری مشهد، مشهد، ایران Journal Article 2023 09 29 شهرهای ایران از متراکم­ترین شهرهای دنیا محسوب می­شوند. تراکم جمعیت و حمل‌ونقل همگانی با عملکرد ضعیف و نبود اهرم‌های فشار از قبیل ارزان بودن بنزین و تاکسی خطی باعث شده است بسیاری از تقاطعات شهرهای ایران در ساعات اوج ترافیک با شرایط اشباع و فوق اشباع کار کنند. طول چرخه‌ی بهینه به‌صورت محسوسی می‌تواند میزان ازدحام ترافیک را کاهش داده و یا حتی از آن جلوگیری نماید. این مطالعه با هدف به حداقل رساندن تأخیر تقاطع طول چرخه بهینه را برآورد می‌کند. برای این منظور سناریوهای مختلفی با تغییر متغیرهای نرخ اشباع (DS)، طول چرخه (CL) و ظرفیت خطوط در نرم‌افزار VISSIM شبیه‌سازی شده و برای طول چرخه‌های مختلف مقدار تأخیر به دست آمد. داده‌های شبیه‌سازی با استفاده از الگوریتم GP مدل شد. هرچند GP ابزار بسیار قدرتمندی برای مدل‌سازی است، ولی به علت اینکه شبیه‌سازها توانایی شبیه‌سازی شرایط ترافیکی پیچیده‌ی ایران را ندارند علی‌رغم کالیبراسیون طولانی مدل شبیه‌سازی نتایج نشان‌دهنده عملکرد ضعیف مدل‌های به‌دست‌آمده است. نتایج این مطالعه نشان می‌دهد که حتی اگر مدل شبیه‌سازی به‌ظاهر کالیبره شده باشد، در استفاده از نتایج این‌گونه مدل‌ها باید احتیاط کرد. https://www.trafficmag.ir/article_708067_1851cd6e9f04f9fcc110e3ef39174b63.pdf