<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>سازمان حمل و نقل و ترافیک شهر تهران</PublisherName>
				<JournalTitle>مهندسی ترافیک</JournalTitle>
				<Issn>2322-1143</Issn>
				<Volume>1399</Volume>
				<Issue>83</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>02</Month>
					<Day>19</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>بررسی تأثیر هوشمندسازی و هماهنگی تقاطع های چراغدار برشاخص های ترافیکی (مطالعه موردی: شهر رشت)</VernacularTitle>
			<FirstPage>1</FirstPage>
			<LastPage>15</LastPage>
			<ELocationID EIdType="pii">255197</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>حسن</FirstName>
					<LastName>هادیزاده</LastName>
<Affiliation>کارشناس ارشد IT، مدیر ایمنی و مهندسی ترافیک شهرداری رشت</Affiliation>

</Author>
<Author>
					<FirstName>علی</FirstName>
					<LastName>خرم سلیماندارابی</LastName>
<Affiliation>کارشناس ارشد عمران گرایش راه و ترابری، کارشناس مطالعات مدیریت ایمنی و مهندسی ترافیک شهرداری رشت</Affiliation>

</Author>
<Author>
					<FirstName>بابک</FirstName>
					<LastName>میربها</LastName>
<Affiliation>استادیار، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران</Affiliation>

</Author>
<Author>
					<FirstName>علیرضا</FirstName>
					<LastName>عبدالرزاقی</LastName>
<Affiliation>دانشجوی دکتری حمل و نقل و ترافیک دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2022</Year>
					<Month>10</Month>
					<Day>18</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">در سال های اخیر، استفاده از سیستم های هوشمند ترافیکی به منظور کاهش تأخیر وسایل نقلیه، مورد توجه قرار گرفته است. در این تحقیق با استفاده از نرم افزار سینکرو و ایمسان میزان تاخیر ناشی از تردد وسایل نقلیه قبل و بعد از استفاده از چراغ های راهنمایی هوشمند مورد بررسی قرار گرفت. همچنین چراغ های راهنمایی هوشمند در شبکه های ترافیکی معمولاً برحسب حداقل کردن تأخیر در خود تقاطع عملکرد دارند و در محاسبه و اعمال زمان هر چراغ، تأثیر آن بر روی کل شبکه در نظر گرفته نمی شود، در نتیجه ممکن است تراکم ترافیک در مسیرهایی از شبکه رخ دهد. در این تحقیق سعی بر رفع این مشکل شده است تا با ایجاد هماهنگی بین تمام چراغ های راهنمایی موجود در شبکه بتوان جریان ترافیکی را کنترل کرد و در کل شبکه تعادل برقرار نمود. براساس نتایج بدست آمده  طراحی بهینه و هماهنگ چراغ ها در کریدور 1میزان تأخیر کل شبکه در بازه صبح میزان 13 درصد، در بازه ظهر میزان 3 درصد و در بازه بعدازظهر 8 درصد کاهش خواهد یافت. در کریدور 2 در بازه زمانی بعد از ظهر با عمل هوشمندسازی تقاطعات میزان تاخیر شبکه 47 درصد و با هوشمند و هماهنگ سازی تقاطعات 49 درصد کاهش می یابد و وضع ترافیکی شبکه بسیار مطلوب تر خواهد شد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">هوشمند</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">چراغ راهنمایی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تأخیر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">هماهنگ سازی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.trafficmag.ir/article_255197_8119eb2d8d71198cf1cf706ab5fc2186.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>سازمان حمل و نقل و ترافیک شهر تهران</PublisherName>
				<JournalTitle>مهندسی ترافیک</JournalTitle>
				<Issn>2322-1143</Issn>
				<Volume>1399</Volume>
				<Issue>83</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>02</Month>
					<Day>19</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>بهینه سازی تابلوهای هوشمند ترافیکی در اعلان چگالی جریان با استفاده از شبکه عصبی</VernacularTitle>
			<FirstPage>17</FirstPage>
			<LastPage>28</LastPage>
			<ELocationID EIdType="pii">255198</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>شهریار</FirstName>
					<LastName>افندی زاده</LastName>
<Affiliation>دانشیار راه وترابری، عضو هیت علمی دانشگاه علم و صنعت، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>محمد علی</FirstName>
					<LastName>روستایی</LastName>
<Affiliation>کارشناس ارشد حمل و نقل، دانشگاه آزاد واحد علوم تحقیقات، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>حمیدرضا</FirstName>
					<LastName>ثابتی</LastName>
<Affiliation>دانشجو کارشناسی ارشد حمل و نقل، سازمان حمل ونقل و بار و مسافر شهرداری کرج</Affiliation>

</Author>
<Author>
					<FirstName>الهام</FirstName>
					<LastName>منشوری نیا</LastName>
<Affiliation>دانشجو کارشناسی ارشد حمل ونقل، دانشگاه آزاد واحد ملارد</Affiliation>

</Author>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>منیعات</LastName>
<Affiliation>دانشجو دکترای حمل ونقل، دانشگاه آزاد واحد علوم تحقیقات، تهران، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2022</Year>
					<Month>10</Month>
					<Day>18</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA"> بهره گیری از پیش بینی های کوتاه مدت ترافیک و استفاده از آن در مدیریت ترافیک، مسدودی-های محتمل را کاهش خواهد داد و با پایین آوردن زمان سفرها و مسافت طی شده توسط خودروها، باعث کاهش آلودگی صوتی، آلودگی هوا و همچنین هزینه های مصرفی سوخت خواهد شد. با دانستن تردد در ساعات مختلف و پیش بینی آن می توان مدیریت و برنامه ریزی بهتری برای معبرها شهری داشت در این مطالعه با استفاده از ارزیابی ترافیک به‌وسیله شبکه عصبی به ساخت مدلی پیش‌بینی ارزیابی ترافیک پرداخته شد. همچنین به ارزیابی فنی و منافع اقتصادی آن پرداخته می­شود.در این رابطه با استفاده شمارش تردد در بزرگراه‌های شهری و با استفاده مدل شبکه عصبی به پیش‌بینی ترافیک  شهر تهران پرداخته شده است، که این پردازش می‌تواند در تابلوهای هوشمند اعلان ترافیکی در جهت انحراف ترافیک راهنمای انجام دهد. در این مطالعه ،شبکه عصبی به عنوان یک ابزار برای پیشبینی تراکم جریان با دقتی مناسب r=0.93   صورت گرفت است. داده ها گذشته تردد به دلیل آنکه با پردازش دوربین توسط محقق صورت گرفته است. شبکه عصبی توان پیش­بینی براساس دادهای گذشته را دارد، بنابراین چنانچه از ابزارها هوشمند در محوری استفاده نشده باشد نمیتوان به پیش­بینی استفاده از آن پرداخت. در شبکه عصبی استفاده شد 4 متغیر ورودی ،تعطیلی روز،بارندگی، روز های هفته،ساعت تردد و خروجی مدل پیشبینی سرعت و تردد است، تعداد 10 نورون در لایه پنهان مورد استفاده قرار گرفت و در نهایت مدل عددی به صورت یک ماتریس عددی نمایش داده شد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">پیش‌بینی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حمل و نقل هوشمند</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکه عصبی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.trafficmag.ir/article_255198_b0ff6d477de8591f06a1c91b94e1f88b.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>سازمان حمل و نقل و ترافیک شهر تهران</PublisherName>
				<JournalTitle>مهندسی ترافیک</JournalTitle>
				<Issn>2322-1143</Issn>
				<Volume>1399</Volume>
				<Issue>83</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>02</Month>
					<Day>19</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>کاربرد روش گیر و بازگیر جهت برآورد میزان مرگ و میرهای ناشی از حوادث ترافیکی (مطالعه موردی: مناطق ۵، ۹، ۱۰، ۲۱ و ۲۲ تهران)</VernacularTitle>
			<FirstPage>29</FirstPage>
			<LastPage>37</LastPage>
			<ELocationID EIdType="pii">255199</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمد آراد</FirstName>
					<LastName>اکبری</LastName>
<Affiliation>دانشجوی دکتری حقوق، کارشناس ترافیک و رئیس تصادفات منطقه ۵ تهران</Affiliation>
<Identifier Source="ORCID">0000-0003-1057-0798</Identifier>

</Author>
<Author>
					<FirstName>سهیلا</FirstName>
					<LastName>طالبی</LastName>
<Affiliation>مدرس دانشگاه، دکترای علم اطلاعات و دانش شناسی</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2022</Year>
					<Month>10</Month>
					<Day>18</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">در بسیاری از کشورها، ثبت بیماری ها منبع اصلی اطلاعات لازم برای برنامه ریزی و نظارت بر برنامه های بهبود سلامت به شمار می رود. در ایران هیچ سیستم رجیستری یکپارچه ای برای مرگ و میرهای ناشی از حوادث ترافیکی وجود ندارد، در نتیجه سازمان های دخیل در این گونه حوادث، آمارهای متفاوتی ارائه می دهند. این مطالعه با هدف بررسی میزان مرگ و میرهای ناشی از سوانح ترافیکی و تمامیت ثبت مرگ و میرها در مناطق غربی تهران از سال 1390 تا 1397 با استفاده از روش گیر و بازگیر انجام شد. بدین منظور، داده های کلیه قربانیان حوادث رانندگی از جمله نام خانوادگی، سن، جنس و زمان مرگ آنها که به تأیید سازمان پزشکی قانونی، پلیس راهنمایی و رانندگی و بیمارستان ها رسیده بود، جمع آوری شد. سپس، مدل های خطی لگاریتمی مختلف که در زمینه روش گیر و بازگیر ارائه شده، برای پیش بینی تعداد مرگ و میرهای گزارش نشده در منابع برازش داده شد. معیار اطلاعات آکائیک (AIC) و معیار اطلاعات بیزی (BIC) به عنوان شاخص های نیکویی برازش برای شناسایی مدل های برازش شده مرجح مورد استفاده قرار گرفتند. بر اساس پیش بینی برازش شده ترین مدل، تعداد مرگ و میرهای حوادث ترافیکی ۱۳۳۸ مورد بوده که از این تعداد 341 مورد توسط هیچ یک از سازمان های مسئول، مستند نشده است. میزان مرگ و میرهای ناشی از سوانح ترافیکی ۶۳/۲۲ در هر 100،000 نفر جمعیت پنج منطقه، با فاصله اطمینان 95٪ (41/۲۴ - 52/۲۱) برآورد شد. این میزان توسط LMO، بیمارستانها و TPD به ترتیب 65/95، ۰6/36 و 85/16 گزارش شد. به نظر می رسد آمار ارائه شده از طرف سازمان های مسئول کمتر از میزان واقعی است، از این رو لزوم استفاده از روش هایی مانند روش گیر و بازگیر احساس می شود.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">مرگ و میر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">گیر و بازگیر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">آسیب های حوادث ترافیکی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.trafficmag.ir/article_255199_207c400fd6c54cb0e4427b9fd002a605.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>سازمان حمل و نقل و ترافیک شهر تهران</PublisherName>
				<JournalTitle>مهندسی ترافیک</JournalTitle>
				<Issn>2322-1143</Issn>
				<Volume>1399</Volume>
				<Issue>83</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>02</Month>
					<Day>19</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>برآوردی از ارزش زمان سفر کاربران محدوده کنترل آلودگی هوای تهران</VernacularTitle>
			<FirstPage>39</FirstPage>
			<LastPage>45</LastPage>
			<ELocationID EIdType="pii">254524</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>سوگل</FirstName>
					<LastName>کنعانی ممان</LastName>
<Affiliation>دانش‌آموخته کارشناسی ارشد مهندسی سیستم‌های اقتصادی و اجتماعی، موسسه عالی آموزش و پژوهش مدیریت و برنامه‌ریزی</Affiliation>

</Author>
<Author>
					<FirstName>امیررضا</FirstName>
					<LastName>ممدوحی</LastName>
<Affiliation>استادیار، دانشکده مهندسی عمران و محیط‌زیست،دانشگاه تربیت مدرس،تهران</Affiliation>
<Identifier Source="ORCID">0000-0002-5339-9807</Identifier>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2022</Year>
					<Month>09</Month>
					<Day>04</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">زمان سفر یکی از مهمترین هزینه‌های سیستم حمل‌ونقل و صرفه‌جویی در زمان اغلب به عنوان بزرگترین منفعت در پروژه‌های حمل‌ونقل درنظر گرفته‌می‌شود. امروزه با توجه به تأکید بر سیاست قیمت‌گذاری، درک جنبه‌های رفتاری برای سنجش اثرگذاری و کارآمدی این سیاست‌ بسیار مهم است. یکی از عناصر کلیدی، بررسی ارزش زمان سفر در بین کاربران مختلف و تحت شرایط مختلف است. برای ارزیابی ارزش زمان سفر از نسبت نرخ نهایی جانشینی هزینه و زمان به دست آمده از تابع مطلوبیت هر گزینه در مدل‌سازی انتخاب گسسته استفاده می‌شود. در آذر ماه سال 97 پرسشگری به منظور ارزیابی کارایی و تحلیل حساسیت نرخ عوارض در قیمت‌گذاری محدوده کنترل آلودگی هوای تهران (زوج یا فرد)، با ابعاد 1004 پرسشنامه و با رویکرد ترجیحات بیان شده از طرف شهرداری تهران انجام شد. بر اساس داده‌ها، مدل لوجیت دوگانه برای برآورد ارزش زمان سفر افراد پرداخته شد. نتایج پرداخت بیش از150 مدل حاکی از آن است که ارزش زمان سفر کاربرانی که با خودروی شخصی در محدوده آلودگی هوای تهران تردد دارند و تمایل به تغییر سفر خود ندارند، به طور میانگین 8010 ریال به ازای ساعت است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">ارزش زمان سفر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">قیمت‌گذاری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">لوجیت دوگانه</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.trafficmag.ir/article_254524_2599adc33c101fc744e10de5585f7cf5.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>سازمان حمل و نقل و ترافیک شهر تهران</PublisherName>
				<JournalTitle>مهندسی ترافیک</JournalTitle>
				<Issn>2322-1143</Issn>
				<Volume>1399</Volume>
				<Issue>83</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>02</Month>
					<Day>19</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>تحلیل ظرفیت توسعه متوازن حمل‌ونقل با تاکید بر مفهوم بندر ریل پایه (مطالعه موردی: بندر چابهار)</VernacularTitle>
			<FirstPage>47</FirstPage>
			<LastPage>62</LastPage>
			<ELocationID EIdType="pii">254525</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محسن</FirstName>
					<LastName>صادقی</LastName>
<Affiliation>دکتری راه و ترابری، دانشگاه سمنان، ایران</Affiliation>

</Author>
<Author>
					<FirstName>بهاره</FirstName>
					<LastName>هانی طبایی</LastName>
<Affiliation>کارشناسی ارشد مهندسی حمل و نقل ریلی، دانشگاه علم و صنعت ایران</Affiliation>

</Author>
<Author>
					<FirstName>مهدی</FirstName>
					<LastName>شکرگذار</LastName>
<Affiliation>کارشناسی ارشد راه و ترابری، دانشگاه علم و صنعت ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2022</Year>
					<Month>09</Month>
					<Day>04</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">برنامه‌های توسعه‌ای برای شقوق مختلف حمل‌ونقل اعم از جاده‌ای، ریلی، دریایی و هوایی در ابعاد متفاوت صورت می‌پذیرد. مسئله آنجایی آغاز می‌شود که توسعه نامتوازن در مجموع این شقوق، منتج به عملکرد موردانتظار و بهره برداری متناسب نمی­گردد. توسعه بنادر از جمله مواردی است که ذیل آن نیازمندی به توسعه شبکه ریلی و جاده­ای نیز تعریف می­شود. در این پژوهش از رهگذر نگاه فرابخشی، توسعه بندر چابهار مورد بررسی قرار گرفته است. این بندر بنابر موقعیت استراتژیکی که داراست، نقش ترانزیتی ویژه‌ای در برقراری ارتباط کشورهای جنوب شرقی آسیا با کشور افغانستان، کشورهای حوزه CIS و اتصال به اروپا ایفا می‌کند و تسهیل­گر جریان جابه‌جایی بار و کالا در این منطقه می‌باشد. در همین راستا، در این پژوهش ذیل تعریف توسعه بندر چابهار، ظرفیت شقوق مختلف حمل‌ونقل اعم از ریلی و جاده‌ای با تاکید بر مفهوم توسعه بندر ریل پایه مورد بررسی قرار گرفته و پتانسیل بار داخلی، تقاضا و ترانزیت با محوریت انتقال به این بندر، تحلیل گردیده است. نتایج پژوهش نشان می­دهد برنامه‌های توسعه‌ای بندر چابهار از ظرفیت 8.5 میلیون تن به 80 میلیون تن، فاقدپتانسیل لازم است و در صورت تحقق این میزان، شبکه ریلی و جاده‌ای می‌بایست به صورت هماهنگ‌ومتناسب با ساختار فضای بندر به صورت همزمان طراحی گردد. نهایتاً پیشنهاداتی برای سناریوهای مختلف توسعه، با اتکا بر مفهوم بندر ریل‌پایه و حمل­ونقل ترکیبی ارائه شده است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">توسعه متوازن</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بندر چابهار</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکه ریلی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بندر ریل پایه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حمل‌ونقل ترکیبی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.trafficmag.ir/article_254525_46e73025a4bd8b6660179d5027c50e6c.pdf</ArchiveCopySource>
</Article>

<Article>
<Journal>
				<PublisherName>سازمان حمل و نقل و ترافیک شهر تهران</PublisherName>
				<JournalTitle>مهندسی ترافیک</JournalTitle>
				<Issn>2322-1143</Issn>
				<Volume>1399</Volume>
				<Issue>83</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>02</Month>
					<Day>19</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>بررسی تاثیر پوشش داده‌های حجم تردد در تخمین ماتریس سفر</VernacularTitle>
			<FirstPage>63</FirstPage>
			<LastPage>71</LastPage>
			<ELocationID EIdType="pii">254526</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمدحسین</FirstName>
					<LastName>پورغلامعلی</LastName>
<Affiliation>کارشناس ارشد برنامه ریزی حمل‌ونقل، دانشگاه علم و صنعت ایران</Affiliation>

</Author>
<Author>
					<FirstName>افشین</FirstName>
					<LastName>شریعت مهیمنی</LastName>
<Affiliation>استاد دانشکده عمران، دانشگاه علم و صنعت ایران</Affiliation>
<Identifier Source="ORCID">0000-0002-7344-2067</Identifier>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2022</Year>
					<Month>09</Month>
					<Day>04</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">امروزه ازدحام‌های طولانی مدت و اتلاف زمان ناشی آن، به یکی از مسائل بسیار مهم درمدیریت ترافیک شهرهای بزرگ تبدیل شده است. مدل‌های شبیه ساز پویا ترافیک به عنوان یکی از ابزارهای اصلی در مدیریت ترافیک نقش ایفا می‌کنند که می‌توانند با پیش بینی وضعیت جریان ترافیک، تصمیم گیران را در اتخاذ سیاست‌های کارا کمک کنند. جهت دستیابی به نتایج قابل استفاده از مدل‌های شبیه ساز پویا نیاز است تا ماتریس تقاضای سفر، به عنوان یکی از ورودی‌های اساسی، به صورت به روز شده و حاوی الگوهای سفر جاری در شبکه باشد. به منظور دستیابی به ماتریس تقاضی سفر به روز از روش‌های تخمین ماتریس استفاده می‌شود. فرایند تخمین ماتریس همواره از داده‌های برداشت شده از سطح شبکه برای تخمین ماتریس به روز استفاده می‌کند. از آنجایی که برداشت داده‌های مختلف با هزینه‌هایی همراه است، از مهمترین مسائلی که در تخمین ماتریس وجود دارد، میزان داده‌های ترافیکی است که از سطح شبکه به عنوان داده‌ی واقعی برداشت می‌شود. در این پژوهش، به منظور بررسی تاثیر میزان داده‌ی تردد مورد استفاده بر تخمین ماتریس مبدا-مقصد، به عنوان داده‌های ورودی فرایند تخمین ماتریس، این فرایند بر روی چندین مجموعه ‌داده‌ی حجم تردد بر اساس تفاوت در تعداد نقاط برداشت شده، با بکارگیری الگوریتم بهینه سازی SPSA صورت گرفته است. نتایج حاصل از بررسی پوشش‌های مختلف با یکدیگر مقایسه شده اند و نتایج حاصل از این بررسی‌ها نشان می‌دهد که حتی با برداشت اطلاعات کم از سطح شبکه، می‌توان تخمین ماتریس مناسبی به دست آورد. نتایج این پژوهش می‌توانند در تعیین میزان اطلاعات برداشته شده مورد نیاز برای تخمین ماتریس کمک شایانی کند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">تخمین ماتریس سفر</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تاثیر داده‌های ترافیکی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پوشش داده‌های حجم تردد</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.trafficmag.ir/article_254526_8b268ff50c58ac43aa462f1117e322ec.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
