PREDVIĐANJE INTENZITETA SAOBRAĆAJA NA SISTEMU ZA NAPLATU PUTARINE

Abstract

U radu je predstavljen metod za predviđanje intenziteta saobraćaja na sistemu za naplatu putarine za različit broj unapred određnih naplatnih rampi koje će biti otvorene. Sistem za naplatu putarine je predstavljen kao više jednokanalnih sistema ospluživanja, gde jedan kanal predstavlja jednu naplatnu rampu. Razvijanjem metodologije zasnovane na predviđanju parametra opsluživanja za unapred zadati broj otvorenih kanala, kombinacijom neuronskih mreža i modela masovnog opsluživanja evaluirane su verovatnoće stanja sistema za naplatu putarine i ukupni troškovi istog . LSTM neuronska mreža (eng. Long short term memory) sa unutrašnjom standardizacijom korišćena je za predviđanje parametra opsluživanja. Analizirane su 24 arhitekture mreža, model sa najboljim prediktivnim performansama je izabran i korišćen u cilji predviđanja parametra opsluživanja.

In this paper method for predicting states of toll station system for different number of open toll ramps is developed. The system for toll payment is modeled as single channel queuing model, where one channel presents toll ramp. The novel methodology based on combination of reccurent neural networks and queuing theory is presented. The goal of the methodlogy is to evaluate total costs and probability of traffic intensity at the pay toll stations.. Long short term memory neural network (LSTM) with layer normalization is used as a model for prediction intensity. The 24 different architectures of network are analyzed, and the best one is used as the predictor for intensity of vehicles arrivng time.