APPLICATION OF ARTIFICIAL INTELLIGENCE MODELS IN TRAFFIC FLOW PREDICTION AND TIME-OF-DAY BREAKPOINTS DETERMINATION

(2010) APPLICATION OF ARTIFICIAL INTELLIGENCE MODELS IN TRAFFIC FLOW PREDICTION AND TIME-OF-DAY BREAKPOINTS DETERMINATION. PhD thesis, King Fahd University of Petroleum and Minerals.

[img] PDF (DISSERTATION)
SYED-M-RAHMAN-PHD-DISSERTATION-CIVIL.pdf
Restricted to Registered users only until 1 January 2020.

Download (5MB)

Arabic Abstract

يهدف هذا البحث لحل مشكلة التنبؤ بحركة المرور بالإضافة إلى تحديد نقاط تقسيم حركة المرور خلال اليوم إلى أجزاء متجانسة (TOD) للإشارات الضوئية مسبقة التوقيت (Pre-timed) والمتفاعلة مع الحركة المرورية (Actuated). يقوم هذا البحث بشكل أساس على دراسة ثلاثة أنواع من النماذج المبنية على الذكاء الاصطناعي (AI) وهي: Group Method Data Handling (GMDH), Adaptive Neuro-Fuzzy Inference System (ANFIS) و (Type-2 fuzzy logic) للتنبؤ بتدفق حركة السير في التقاطع مع الأخذ بعين الاعتبار الخصائص المكانية والزمنية. وبناء على أداء هذه النماذج اتضح أن النماذج المستنبطة من نماذج (ANFIS) و (Type-2 fuzzy logic) تفوقت على باقي النماذج التي خضعت للدراسة, كما تبين أن كل النماذج التي أُخذت بعين الاعتبار فعالة وواعدة للتنبؤ بتدفق حركة السير. كما تقدم هذه الدراسة طريقة حديثة لتحديد نقاط (TOD) باستخدام قيمة (Z-Score) للحركة المرورية إضافة إلى الوقت كمتغيرين أساسيين, وقد حلت هذه الطريقة المشاكل التي تواجه عملية تحديد هذه النقاط في السابق, كما قدمت هذه الدراسة طريقة مستنبطة من نماذج الذكاء الاصطناعي (AI) للتنبؤ بالحركة المرورية على الطرق السريعة في المملكة العربية السعودية.

English Abstract

This research aims to solve the problem of intersection traffic flow prediction along with the determination of time-of-day (TOD) break points for a pre-timed or actuated intersection. This study investigated mainly three artificial intelligence based models namely group method of data handling (GMDH) model, adaptive neuro-fuzzy inference system (ANFIS) model and type-2 fuzzy logic (FL) model to predict intersection traffic flow considering spatial and temporal characteristics. It is observed that that fuzzy c-means (FCM) clustering algorithm based ANFIS models and type-2 FL models outperform other considered models for two approaches of the considered intersection. Based on the obtained performance measures, it can be concluded that all the considered models are valid and promising for predicting traffic flow. This study also proposes a novel methodology in which time variable and Z-score of the approach traffic counts are used as the prospective features for determining TOD breakpoints instead of relying on the judgmental approach. The obtained results solve the problem of frequent changes of TODs. At the end, this study proposes a hybrid AI model consists of AIM, ANFIS, type-2 and artificial neural network (ANN) for predicting freeway traffic flow for the local freeway condition of Saudi Arabia.

Item Type: Thesis (PhD)
Subjects: Civil Engineering > Transportation Engineering
Divisions: College Of Engineering Sciences > Civil Engineering Dept
Committee Advisor: Ratrout, N.T
Committee Members: Mohandes, M.Dawoud, and Al-Senan, S. H. and Abdulwahhab, H. I.
Depositing User: MASIUR RAHMAN SYED
Date Deposited: 28 Sep 2010 13:58
Last Modified: 01 Nov 2019 18:28
URI: http://eprints.kfupm.edu.sa/id/eprint/136350