هذا البحث يعرض بعض الطرق التي ناقشت حلولاً للتنبؤ الأوتوماتيكي بالكثافة المرورية المستقبلية والتي باتت مشكلة مهمة من مشاكل الذكاء الصنعي

1. ‫الطرق‬ ‫بعض‬ ‫عن‬ ‫لمحة‬
‫للتنبؤ‬ ‫المدروسة‬‫بالكثافة‬
‫المرورية‬
‫المنصور‬ ‫الباسل‬–‫عجاج‬ ‫مجد‬–‫زين‬ ‫وداد‬
‫دمشق‬ ‫جامعة‬

2. ‫المشكلة‬ ‫عن‬ ‫لمحة‬
•‫السير‬ ‫حركة‬ ‫يسهل‬ ‫المروري‬ ‫التنبؤ‬ ‫ألن‬ ،‫المرورية‬ ‫التنبؤ‬ ‫ألنظمة‬ ‫الحاجة‬ ‫ازدادت‬.‫دقيق‬ ‫تنبؤ‬ ‫وجود‬ ‫ومع‬‫سيكون‬
‫ال‬َّ‫ع‬‫وف‬ ‫ذكي‬ ‫مرورية‬ ‫إدارة‬ ‫نظام‬ ‫تطوير‬ ‫بمقدورنا‬.
•‫المرورية‬ ‫للعمليات‬ ‫العشوائية‬ ‫الخصائص‬ ‫هو‬ ‫األنظمة‬ ‫هذه‬ ‫يواجه‬ ‫الذي‬ ‫التحدي‬.

3. ‫مرجعية‬ ‫دراسة‬

4. ‫باستخدام‬ ‫القواعد‬ ‫استخراج‬
‫الجينية‬ ‫الشبكات‬ ‫برمجة‬GNP

5. •‫المرورية‬ ‫بالكثافة‬ ‫التنبؤ‬ ‫يتم‬ ‫خاللها‬ ‫من‬ ‫التي‬ ‫بالزمن‬ ‫مرتبطة‬ ‫ربط‬ ‫قواعد‬ ‫على‬ ‫الطريقة‬ ‫هذه‬ ‫تعتمد‬.
•‫الكافي‬ ‫العدد‬ ‫استخراج‬ ‫وإنما‬ ‫التنبؤ‬ ‫في‬ ‫القواعد‬ ‫كافة‬ ‫استخدام‬ ‫عدم‬ ‫هو‬ ‫الطريقة‬ ‫لهذه‬ ‫األساسية‬ ‫الفكرة‬‫الذي‬ ‫منها‬
‫الخرج‬ ‫حاالت‬ ‫كامل‬ ‫يغطي‬.
•‫بالتنبؤ‬ ‫تقوم‬ ‫بدورها‬ ‫التي‬ ‫التصنيف‬ ‫عملية‬ ‫في‬ ‫استخدامها‬ ‫يتم‬ ‫الناتجة‬ ‫القواعد‬.

6. ‫هي‬ ‫ما‬GNP‫؟‬
•GNPGenetic Algorithm Programming:‫التطورية‬ ‫الخوارزميات‬ ‫من‬ ‫واحدة‬
Evolutionary Algorithms‫موجه‬ ‫بيان‬ ‫بنية‬ ‫في‬ ‫أفرادها‬ ‫بتمثيل‬ ‫تقوم‬ ‫والتي‬Directed Graph.
•‫العقد‬ ‫من‬ ‫أنواع‬ ‫ثالث‬ ‫للبيان‬:‫نمط‬ ‫من‬ ‫قرار‬ ‫اتخاذ‬ ‫عقد‬ ،‫البداية‬ ‫عقدة‬IF-THEN‫معالجة‬ ‫وعقد‬ ،.
•‫المعطيات‬ ‫قاعدة‬ ‫في‬ ‫الموجودة‬ ‫المرورية‬ ‫العناصر‬ ‫بين‬ ‫الزمنية‬ ‫الفواصل‬ ‫عن‬ ‫عبارة‬ ‫الوصالت‬.
•GNP‫الجينية‬ ‫العمليات‬ ‫من‬ ‫أنواع‬ ‫ثالث‬ ‫لها‬:‫واالنتقال‬ ،‫التعديل‬ ،‫التحديد‬.
•‫من‬ ‫الهدف‬GNP:‫للتنبؤ‬ ‫الكافية‬ ‫القواعد‬ ‫تحديد‬.

7. ‫الربط‬ ‫وقواعد‬ ‫الزمني‬ ‫االنتقال‬
•‫العام‬ ‫الشكل‬ ‫لها‬ ‫الربط‬ ‫قواعد‬𝑋 ⟹ 𝑌.
•𝐴𝑖 ∗ (𝑡 = 𝑝)‫الزمنية‬ ‫اللحظة‬ ‫في‬ ‫المعطيات‬ ‫قاعدة‬ ‫في‬ ‫عنصر‬p.
•𝐴𝑖 ∗ = 𝐴𝑖 𝑙𝑒𝑣𝑒𝑙1 ,𝐴𝑖 𝑙𝑒𝑣𝑒𝑙2 , … ,𝐴𝑖 𝑙𝑒𝑣𝑒𝑙 𝑁 𝑔
‫حيث‬𝑁𝑔‫المرورية‬ ‫الكثافة‬ ‫مستويات‬ ‫عدد‬.
•‫التالية‬ ‫القاعدة‬ ‫باستخراج‬ ‫القواعد‬ ‫استخراج‬ ‫نظام‬ ‫سيقوم‬:
𝐴𝑖 ∗ 𝑡 = 𝑝 ∧ … ∧ 𝐴 𝑘 ∗ 𝑡 = 𝑞 ⟹ 𝐴 𝑐 ∗ (𝑡 = 𝑠)
•‫االستنظام‬ ‫أجل‬ ‫من‬ ‫الصفر‬ ‫يساوي‬ ‫زمنه‬ ‫األول‬ ‫العنصر‬.

8. ‫وقواعد‬ ‫الزمني‬ ‫االنتقال‬‫الربط‬...‫تكملة‬
•‫أن‬ ‫أي‬𝑠 ≥ 𝑞 ≥ 𝑝 = 0.
•‫بالعالقة‬ ‫بالزمن‬ ‫مرتبطة‬ ‫ربط‬ ‫لقاعدة‬ ‫الزمني‬ ‫االنتقال‬ ‫يعرف‬ ‫بالتالي‬:
𝑇𝑠 = 𝐴𝑖 ∗ 𝑝 , … , 𝐴 𝑘 ∗ 𝑘 , 𝐴 𝑐 ∗ 𝑠
•‫حيث‬∗ ∈ 𝑉 = 𝐿𝑒𝑣𝑒𝑙 1,𝐿𝑒𝑣𝑒𝑙 2,𝐿𝑒𝑣𝑒𝑙 3, … ,𝐿𝑒𝑣𝑒𝑙 𝑁𝑔

9. ‫الربط‬ ‫قواعد‬ ‫اختيار‬ ‫معايير‬
•‫قيم‬ ‫بثالث‬ ‫المعطيات‬ ‫قاعدة‬ ‫في‬ ‫لقاعدة‬ ‫اإلحصائي‬ ‫التأثير‬ ‫يقاس‬:‫عناص‬ ‫ترابط‬ ‫مقدار‬ ‫و‬ ،‫الثقة‬ ،‫الدعم‬‫القاعدة‬ ‫ر‬𝜒2.
•‫القاعدة‬ ‫لدينا‬ ‫لتكن‬A: 𝑋 ⟹ 𝑌‫نفترض‬ ،t،‫للقاعدة‬ ‫الزمنية‬ ‫الوحدات‬ ‫عدد‬N‫قاعدة‬ ‫في‬ ‫الزمنية‬ ‫الوحدات‬ ‫عدد‬
‫فيكون‬ ‫المعطيات‬:
𝑠𝑢𝑝𝑝𝑜𝑟𝑡 𝐴 = 𝑠𝑢𝑝𝑝𝑜𝑟𝑡 𝑋 ∪ 𝑌 =
𝑡
𝑁
𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 𝐴 =
𝑠𝑢𝑝𝑝𝑜𝑟𝑡 𝐴
𝑠𝑢𝑝𝑝𝑜𝑟𝑡 𝑋

10. ‫قواعد‬ ‫اختيار‬ ‫معايير‬‫الربط‬...‫تكملة‬
•‫قيمة‬ ‫ولحساب‬𝜒2‫أن‬ ‫نفترض‬𝑠𝑢𝑝𝑝𝑜𝑟𝑡 𝑋 = 𝑥,𝑠𝑢𝑝𝑝𝑜𝑟𝑡 𝑌 = 𝑦,𝑠𝑢𝑝𝑝𝑜𝑟𝑡 𝐴 = 𝑧‫يكن‬ ‫لم‬ ‫وإذا‬
‫العنصران‬X, Y‫يكون‬ ‫عندها‬ ‫مرتبطان‬𝑠𝑢𝑝𝑝𝑜𝑟𝑡 𝐴 = 𝑥.𝑦‫قيمة‬ ‫وتحسب‬𝜒2‫بالعالقة‬:
𝜒2
=
𝑁 𝑧 − 𝑥𝑦 2
𝑥𝑦 1 − 𝑥 1 − 𝑦
•‫معينة‬ ‫عتبات‬ ‫من‬ ‫أكبر‬ ‫السابقة‬ ‫الثالث‬ ‫القيم‬ ‫كانت‬ ‫إذا‬ ‫مرشحة‬ ‫القاعدة‬ ‫تعتبر‬.

11. ‫المقترح‬ ‫النظام‬

12. ‫المعطيات‬ ‫قاعدة‬ ‫بنية‬
•‫المروري‬ ‫للقطاع‬ ‫الحقيقي‬ ‫الزمن‬ ‫في‬ ‫المرورية‬ ‫الكثافة‬s‫ترمز‬ ‫والتي‬T(s)‫بالعالقة‬ ‫تحسب‬:
𝑇 𝑠 =
𝑁𝑟 𝑠 + 𝑁𝑖𝑛 𝑠 − 𝑁𝑜𝑢𝑡 𝑠
𝐶𝑠 × 𝐿 𝑠
•𝐿 𝑠،‫القطاع‬ ‫طول‬𝐶𝑠‫الـ‬ ‫عدد‬ ‫القطاع؛‬ ‫استيعاب‬ ‫قدرة‬lanes،𝑁𝑟 𝑠‫القطاع‬ ‫في‬ ‫مازالت‬ ‫التي‬ ‫السيارات‬ ‫عدد‬
،‫قياس‬ ‫لحظة‬ ‫أخر‬ ‫منذ‬𝑁𝑖𝑛 𝑠،‫الحالية‬ ‫اللحظة‬ ‫في‬ ‫القطاع‬ ‫إلى‬ ‫الداخلة‬ ‫السيارات‬ ‫عدد‬𝑁𝑜𝑢𝑡 𝑠‫السيارات‬ ‫عدد‬
‫الحالية‬ ‫اللحظة‬ ‫في‬ ‫القطاع‬ ‫من‬ ‫الخارجة‬.

13. ‫بنية‬ ‫تعديل‬‫قاعدة‬‫المعطيات‬
•‫على‬ ‫للعنصار‬ ‫الكثافة‬ ‫قيم‬ ‫تقسيم‬ ‫يتم‬𝑁𝑔‫عندما‬ ً‫ال‬‫مث‬ ‫مستوى؛‬𝑁𝑔 = 3‫الكثافة‬ ‫مستويات‬ ‫فستكون‬:،‫منخفض‬
‫ومرتفع‬ ،‫متوسط‬.
•‫الكثافة‬ ‫قيم‬ ‫مجال‬ ‫بافتراض‬[0 − 𝑅]‫بالعالقة‬ ‫تعطة‬ ‫التقسيم‬ ‫عتبة‬ ‫عندها‬:
𝑘
𝑁 𝑔
∗ 𝑅‫حيث‬k‫أي‬ ‫المستوى‬ ‫رقم‬ ‫هو‬
‫أن‬k‫تساوي‬ ‫المنخفض‬ ‫للمستوى‬1‫تساوي‬ ‫للمتوسط‬ ،2‫تساوي‬ ‫للمرتفع‬ ،3.
•‫بافتراض‬R = 10‫التقسيم‬ ‫عتبات‬ ‫تكون‬:{0, 4, 7}
•‫التالي‬ ‫الشكل‬ ‫في‬ ‫موضح‬ ‫هو‬ ‫كما‬ ‫المعطيات‬ ‫قاعدة‬ ‫تصبح‬ ‫بالتالي‬:

15. ‫مقدار‬ ‫ودراسة‬ ‫األجيال‬ ‫تطوير‬‫التغطية‬
•‫هذه‬‫القواعد‬ ‫لتشكيل‬ ‫المكررة‬ ‫العناصر‬ ‫فقط‬ ‫تستخدم‬ ‫الطريقة‬
•‫التغطية‬ ‫مقدار‬ ‫دراسة‬ ‫خالل‬ ‫من‬ ‫ال‬ ‫أم‬ ً‫ال‬‫فع‬ ‫كافية‬ ‫المختارة‬ ‫القواعد‬ ‫كانت‬ ‫إذا‬ ‫معرفة‬ ‫يتم‬.
•‫المطلوبة‬ ‫التغطية‬ ‫عتبة‬ ‫من‬ ‫أعلى‬ ‫تغطية‬ ‫نسبة‬ ‫يملك‬ ‫القواعد‬ ‫مجمع‬ ‫كان‬ ‫إذا‬CoverRate thre‫متوسط‬ ‫كان‬ ‫أو‬
‫معينة‬ ‫عتبة‬ ‫من‬ ‫أعلى‬ ‫الواحدات‬ ‫لكل‬ ‫التغطية‬ ‫مرات‬ ‫عدد‬CoverCount thre‫قد‬ ‫الخوارزمية‬ ‫تكون‬ ‫عندها‬
‫التطوير‬ ‫عملية‬ ‫ذلك‬ ‫عند‬ ‫وتتوقف‬ ‫مناسبة‬ ‫لتغطية‬ ‫وصلت‬.
•‫المالئمة‬ ‫تابع‬:
𝐹 =
𝑟 ∈𝑅
𝜒2
𝑟 + 10 𝑛 𝑎𝑛𝑡𝑒 𝑟 − 1 + 𝛼 𝑛𝑒𝑤 𝑟 + 𝛼 𝑚𝑢𝑙𝑡 𝑟 + 𝛼 𝑐𝑜𝑣𝑒𝑟 𝑟

16. ‫التغطية‬ ‫مقدار‬ ‫ودراسة‬ ‫األجيال‬ ‫تطوير‬...‫تكملة‬
•‫ا‬ ‫وهذا‬ ،‫بينهم‬ ‫من‬ ‫مالئمة‬ ‫األكثر‬ ‫الربع‬ ‫انتقاء‬ ‫ويتم‬ ،‫المالئمة‬ ‫تابع‬ ‫على‬ ً‫ا‬‫اعتماد‬ ‫األفراد‬ ‫ترتيب‬ ‫يتم‬‫إعادة‬ ‫يتم‬ ‫لربع‬
‫الجينية‬ ‫العمليات‬ ‫تطبيق‬ ‫ويتم‬ ،‫مرات‬ ‫أربع‬ ‫تشكيله‬‫على‬‫ال‬ ‫حتى‬ ‫األفراد‬ ‫لهؤالء‬ ‫القرار‬ ‫عقد‬ ‫جينات‬‫إلى‬ ‫وصول‬
‫المناسبة‬ ‫القواعد‬.

17. ‫المرتبطة‬ ‫الربط‬ ‫قواعد‬ ‫باستخدام‬ ‫التصنيف‬‫بالزمن‬
•‫كل‬‫اختالف‬ ‫على‬ ‫بناء‬ ‫التصنيف‬ ‫في‬ ‫القرار‬ ‫اتخاذ‬ ‫بعملية‬ ‫ستساهم‬ ‫المجمع‬ ‫في‬ ‫القواعد‬‫تأثيرها‬.
•‫يساوي‬ ‫عددها‬ ‫نتائج‬ ‫صفوف‬ ‫عدة‬ ‫إلى‬ ‫المجمع‬ ‫في‬ ‫الموجودة‬ ‫القواعد‬ ‫تصنيف‬ ‫يتم‬Ng
•‫ما‬ ‫وقاعدة‬ ‫معينة‬ ‫معطيات‬ ‫بين‬ ‫التطابق‬ ‫حساب‬ ‫ويتم‬r‫العالقة‬ ‫وفق‬:
𝑀 𝑘 𝑟 =
𝑁𝑘 𝑑, 𝑟
𝑁𝑘(𝑟)

18. •‫دراس‬ ‫أن‬ ‫إلى‬ ‫باإلضافة‬ ‫الطرق‬ ‫كباقي‬ ‫القواعد‬ ‫من‬ ً‫ا‬‫ضخم‬ ً‫ا‬‫عدد‬ ‫تستخرج‬ ‫ال‬ ‫الطريقة‬ ‫هذه‬‫ة‬
‫ملحوظ‬ ‫بشكل‬ ‫التنبؤ‬ ‫من‬ ‫ن‬َّ‫س‬‫ح‬ ‫التغطية‬ ‫مقدار‬.‫ع‬ ‫الطريقة‬ ‫هذه‬ ‫في‬ ‫المشكلة‬ ‫تبقى‬‫قدرتها‬ ‫دم‬
‫القواعد‬ ‫على‬ ‫العتمادها‬ ً‫ا‬‫نظر‬ ‫جيدة‬ ‫بطريقة‬ ‫التعميم‬ ‫على‬.

19. ‫ب‬ ‫نظرية‬ ‫على‬ ً‫ا‬‫اعتماد‬ ‫التنبؤ‬‫ايز‬
‫نوع‬ ‫من‬ ‫عصبونية‬ ‫وشبكة‬
RBF

20. •‫تقوم‬‫هذه‬‫الطريقة‬‫بالتنبؤ‬‫بالكثافة‬‫المرورية‬‫باستخدام‬‫نظرية‬‫بايز‬ً‫ا‬‫اعتماد‬‫على‬‫ثالث‬‫قيم‬‫لسال‬‫سل‬‫زمنية‬،‫عشوائية‬
‫هذه‬‫القيم‬‫هي‬:‫السرعة‬speed،‫الكثافة‬density or occupancy،‫التدفق‬flow‫والتي‬‫يتم‬‫الحصول‬‫عليها‬
‫من‬‫مصادر‬‫مختلفة‬‫ثم‬‫تتم‬‫إعادة‬‫بناء‬‫فضاء‬‫الحالة‬phase space‫باستخدام‬‫نظرية‬‫إعادة‬‫بناء‬‫فضاء‬،‫الحالة‬‫بعد‬
‫ذلك‬‫يتم‬‫دمج‬‫المعطيات‬‫المجموعة‬‫من‬‫مصادر‬‫مختلفة‬‫باستخدام‬‫نظرية‬‫بايز‬‫للتقدير‬Bayesian
Estimation Theory‫لتعريف‬‫الخصائص‬‫العشوائية‬‫للتدفق‬،‫المروري‬‫ثم‬‫تتم‬‫عملية‬‫التنبؤ‬‫ال‬‫مروري‬
‫المستقبلي‬‫باستخدام‬‫شبكة‬‫عصبونية‬‫من‬‫نوع‬Radial Basis Function (RBF).

21. ‫العمل‬ ‫مراحل‬
.1‫المسبقة‬ ‫المعالجة‬:‫الحسابي‬ ‫المتوسط‬ ‫فلتر‬
.2‫البناء‬ ‫إعادة‬:‫استنظام‬ ‫يتم‬ ،‫مختلفة‬ ‫مصادر‬ ‫من‬ ‫جمعها‬ ‫تم‬ ‫التي‬ ‫المعطيات‬ ‫دمج‬ ‫من‬ ‫للتمكن‬‫ب‬ ،‫القياسات‬‫عد‬‫يتم‬ ‫ذلك‬
‫الزمني‬ ‫التأخير‬ ‫حساب‬𝜏‫والبعد‬m‫فضاء‬ ‫بناء‬ ‫إعادة‬ ‫أجل‬ ‫من‬‫الحالة‬.
.3‫الدمج‬:‫ف‬ ‫في‬ ‫للتقدير‬ ‫بايز‬ ‫طريقة‬ ‫استخدام‬ ‫يتم‬ ‫الحالة‬ ‫فضاء‬ ‫في‬ ‫األمثلية‬ ‫النقطة‬ ‫على‬ ‫للحصول‬‫لدمج‬ ‫الحالة‬ ‫ضاء‬k
‫الزمني‬ ‫التسلسل‬ ‫من‬ ‫حالة‬ ‫نقطة‬‫في‬‫وحيدة‬ ‫نقطة‬.
.4‫التنبؤ‬:‫ذلك‬ ‫ويتم‬ ،‫السابقة‬ ‫المرحلة‬ ‫في‬ ‫الدمج‬ ‫معلومات‬ ‫على‬ ً‫ا‬‫اعتماد‬ ‫المرورية‬ ‫بالكثافة‬ ‫للتنبؤ‬‫باستخدام‬RBF-
NN.

22. ‫الحالة‬ ‫فضاء‬ ‫بناء‬ ‫إعادة‬
•‫أساس‬‫الالخط‬ ‫األنظمة‬ ‫في‬ ‫واسع‬ ‫بشكل‬ ‫ويستخدم‬ ‫العشوائية‬ ‫الزمنية‬ ‫السالسل‬ ‫على‬ ‫التحليل‬ ‫عمليات‬‫ية‬.
•‫على‬ ‫استنظام‬ ‫إجراء‬ ‫يجب‬ ‫عندها‬ ‫مختلفة‬ ‫زمنية‬ ‫لمجاالت‬ ‫تنتمي‬ ‫الزمنية‬ ‫السالسل‬ ‫أبعاد‬ ‫كانت‬ ‫حال‬ ‫في‬‫ا‬‫لمعطيات‬.
•‫السالسل‬‫الزمنية‬‫الديناميك‬ ‫للنظام‬ ‫استرجاعها‬ ‫باإلحرى‬ ‫أو‬ ‫بنائها‬ ‫إعادة‬ ‫يمكن‬ ‫الخطية‬ ‫غير‬ ‫العشوائية‬‫من‬ ‫األساسي‬ ‫ي‬
‫البعد‬ ‫تحديد‬ ‫خالل‬m‫الزمني‬ ‫والتأخير‬τ‫تطبيق‬ ‫خالل‬ ‫من‬ ‫وذلك‬ ،‫األساسيان‬‫خوارزمية‬C-C‫االرتباط‬ ‫لحساب‬
‫بين‬‫المقادير‬.
•‫واحدة‬ ‫زمنية‬ ‫سلسلة‬ ‫في‬ ‫المختلفة‬ ‫األبعاد‬ ‫ذات‬ ‫المعطيات‬ ‫دمج‬ ‫يتم‬‫باالعتماد‬‫للتقد‬ ‫بايز‬ ‫طريقة‬ ‫على‬‫ير‬.
•‫الطريقة‬ ‫هذه‬ ‫ميزات‬:‫نقطة‬ ‫في‬ ‫مقادير‬ ‫لعدة‬ ‫الحالة‬ ‫نقاط‬ ‫دمج‬‫أثر‬ ‫تخفيف‬ ‫بالتالي‬‫في‬ ‫الموجودة‬ ‫األخطاء‬‫قياسات‬
‫الواقعية‬ ‫النتائج‬ ‫إلى‬ ‫مايمكن‬ ‫أقرب‬ ‫التقدير‬ ‫نتائج‬ ‫ستكون‬ ‫بذلك‬ ‫القيم‬ ‫بعض‬.

23. ‫على‬ ً‫ا‬‫اعتماد‬ ‫التنبؤ‬RBF-NN
•RBF‫أمامية‬ ‫تغذية‬ ‫نمط‬ ‫من‬ ‫طبقات‬ ‫ثالث‬ ‫ذات‬ ‫عصبونية‬ ‫شبكة‬ ‫هي‬‫لهذه‬‫أي‬ ‫تقريب‬ ‫على‬ ‫القدرة‬ ‫الشبكة‬‫تابع‬
‫التقارب‬ ‫في‬ ‫بسرعة‬ ‫وتتميز‬ ‫التعميم‬ ‫على‬ ‫قدرة‬ ‫لها‬ ‫أن‬ ‫كما‬ ‫عالية‬ ‫بدقة‬ ‫مستمر‬.
•‫التابع‬‫هو‬ ‫الغاوصي‬‫الطبقة‬ ‫لعصبونات‬ ‫التفعيل‬ ‫تابع‬‫المخفية‬
•‫بالعالقة‬ ‫الخرج‬ ‫طبقة‬ ‫تابع‬ ‫يعطى‬:
𝑧 𝑛+1 = 𝑓 𝑧 =
𝑗 =1
ℎ
𝑤𝑗∅ 𝑧 − 𝑐𝑗 , ∀𝑛 = 𝑚 − 1 𝜏 + 1, 𝑚 − 1 𝜏 + 2, … 𝑁

24. ‫التنبؤ‬ ‫دقة‬ ‫تقييم‬ ‫معايير‬
•‫المطلق‬ ‫الخطأ‬ ‫متوسط‬Mean Absolut Error
𝑀𝐴𝐸 = ℎ=1
𝑁 𝑝
𝑥 ℎ − 𝑥 ℎ
𝑁𝑝
•‫المطلق‬ ‫النسبي‬ ‫الخطأ‬ ‫متوسط‬Mean Absolut Relative Error
𝑀𝐴𝑅𝐸 =
1
𝑁𝑝
ℎ=1
𝑁 𝑝
𝑥 ℎ − 𝑥 ℎ
𝑥 ℎ

25. ‫دقة‬ ‫تقييم‬ ‫معايير‬‫التنبؤ‬...‫تكملة‬
•‫المساواة‬ ‫معامل‬Equal Coefficient
𝐸𝐶 = 1 −
ℎ=1
𝑁 𝑝
𝑥 ℎ − 𝑥 ℎ
2
ℎ=1
𝑁 𝑝
𝑥 ℎ
2
+ ℎ=1
𝑁 𝑝
𝑥 ℎ
2

26. •‫من‬ ‫القريب‬ ‫التنبؤ‬ ‫في‬ ‫الطريقة‬ ‫هذه‬ ‫فعالية‬ ‫النتائج‬ ‫أظهرت‬‫الواقع‬‫بالكث‬‫افة‬
‫قصي‬ ‫زمنية‬ ‫لفترة‬ ‫التنبؤ‬ ‫على‬ ‫قادرة‬ ‫أنها‬ ‫مشكلتها‬ ‫تكمن‬ ‫لكن‬ ،‫المرورية‬‫على‬ ‫رة‬
‫لفترات‬ ‫التنبؤ‬ ‫في‬ ‫فاعلية‬ ‫أكثر‬ ‫تعتبر‬ ‫التي‬ ‫السابقة‬ ‫الطريقة‬ ‫عكس‬‫أطول‬ ‫زمنية‬
‫التعميم‬ ‫على‬ ‫لقدرتها‬ ‫تفتقر‬ ‫لكن‬.

27. ‫اآللية‬ ‫المرمزات‬ ‫باستخدام‬ ‫التنبؤ‬
‫المكدسة‬

28. •‫المعطيات‬ ‫من‬ ‫الواصفات‬ ‫استخراج‬ ‫على‬ ‫قادرة‬ ‫العميق‬ ‫التعلم‬ ‫خوارزميات‬.‫كب‬ ‫عدد‬ ‫ضمن‬ ‫البحث‬ ‫ويمكنها‬ً‫ا‬‫جد‬ ‫ير‬
‫المعطيات‬ ‫من‬.‫ال‬ ‫التعلم‬ ‫خوارزميات‬ ‫فإن‬ ،‫بطبيعتها‬ ‫معقدة‬ ‫المرورية‬ ‫والكثافة‬ ‫التدفق‬ ‫مشكلة‬ ‫أن‬ ‫وبما‬‫قادرة‬ ‫عميق‬
‫الت‬ ‫مشكلة‬ ‫في‬ ‫جيد‬ ‫ألداء‬ ‫يؤدي‬ ‫مما‬ ،‫مسبقة‬ ‫معرفة‬ ‫أي‬ ‫بدون‬ ‫المرور‬ ‫معطيات‬ ‫من‬ ‫الواصفات‬ ‫استخراج‬ ‫على‬‫نبؤ‬
‫المرورية‬ ‫بالكثافة‬.
•Autoencoders‫المرمزات‬‫اآللية‬:‫م‬ ‫غير‬ ‫التعلم‬ ‫في‬ ‫تستخدم‬ ‫العصبونية‬ ‫الشبكات‬ ‫أنواع‬ ‫من‬ ‫نوع‬ ‫وهي‬‫حدد‬
‫الهدف‬unsupervised learning‫تمثيل‬ ‫إعادة‬ ‫هو‬ ‫الشبكات‬ ‫من‬ ‫النوع‬ ‫هذا‬ ‫استخدام‬ ‫من‬ ‫األساسي‬ ‫الهدف‬ ،
‫المعطيات‬.
•Stacked autoencoders SAEs:‫تكديس‬ ‫طريق‬ ‫عن‬ ‫إنشاؤه‬ ‫ويتم‬ ‫العميق‬ ‫التعلم‬ ‫نماذج‬ ‫من‬ ‫شهير‬ ‫نموذج‬
‫عدة‬‫شبكات‬autoencoders‫لتشكيل‬‫في‬ ‫دخل‬ ‫ليكون‬ ‫شبكة‬ ‫كل‬ ‫خرج‬ ‫أخذ‬ ‫طريق‬ ‫عن‬ ‫وذلك‬ ،‫عميقة‬ ‫شبكة‬
‫تليها‬ ‫التي‬ ‫للشبكة‬.

29. •‫استخدام‬ ‫من‬ ‫للتمكن‬SAE‫لهذا‬ ‫معياري‬ ‫متنبئ‬ ‫إضافة‬ ‫يجب‬ ‫المرورية‬ ‫بالكثافة‬ ‫التنبؤ‬ ‫مشكلة‬ ‫في‬‫النموذ‬،‫ج‬‫حيث‬
‫انحدار‬ ‫طبقة‬ ‫إضافة‬ ‫تمت‬‫لوغاريتمي‬‫للتنبؤ‬logistic regression layer.
•‫مهمة‬ ً‫ا‬‫إذ‬SAE‫بال‬ ‫اللوغاريتمي‬ ‫االنحدار‬ ‫طبقة‬ ‫تقوم‬ ‫بينما‬ ‫المرور‬ ‫معطيات‬ ‫من‬ ‫الواصفات‬ ‫استخراج‬ ‫هي‬‫تنبؤ‬
‫المرورية‬ ‫بالكثافة‬ ‫المستقبلي‬.

30. ‫خوارزمية‬‫التدريب‬
•‫األولى‬ ،‫النمط‬ ‫هذا‬ ‫من‬ ‫العميقة‬ ‫الشبكات‬ ‫تدريب‬ ‫في‬ ‫مرحلتان‬ ‫يوجد‬:‫الشب‬ ‫طبقات‬ ‫من‬ ‫طبقة‬ ‫كل‬ ‫تدريب‬‫العميقة‬ ‫كة‬
‫والثانية‬ ،‫العليا‬ ‫حتى‬ ‫السفلى‬ ‫الطبقة‬ ‫من‬ ً‫ا‬‫بدء‬ ‫حدى‬ ‫على‬:‫النموذج‬ ‫معامالت‬ ‫لتعديل‬ ،‫الضبط‬ ‫مرحلة‬‫الطبقة‬ ‫من‬ ً‫ا‬‫بدء‬
‫تسمى‬ ‫للتدريب‬ ‫الطريقة‬ ‫هذه‬ ،‫السفلى‬ ‫حتى‬ ‫العليا‬layerwise training‫بالخطوات‬ ‫تلخيصها‬ ‫يمكن‬ ‫والتي‬
‫التالية‬:
.1‫تدريب‬ ‫بطريقة‬ ‫األولى‬ ‫الطبقة‬ ‫تدريب‬autoencoder‫مجموعة‬ ‫على‬ ‫الخطأ‬ ‫تابع‬ ‫قيمة‬ ‫تخفيض‬ ‫طريق‬ ‫عن‬
‫األساسية‬ ‫الدخل‬ ‫مجموعة‬ ‫هي‬ ‫التي‬ ‫التدريب‬.
.2‫تدريب‬ ‫بطريقة‬ ‫الثانية‬ ‫الطبقة‬ ‫تدريب‬autoencoder‫الطبقة‬ ‫خرج‬ ‫هو‬ ‫الطبقة‬ ‫لهذه‬ ‫الدخل‬ ‫يكون‬ ‫لكن‬ ،ً‫ا‬‫أيض‬
‫األولى‬.

31. ‫خوارزمية‬‫التدريب‬...‫تكملة‬
.3‫الخطوة‬ ‫تكرار‬ ‫يتم‬2‫العميقة‬ ‫الشبكة‬ ‫طبقات‬ ‫بعدد‬.
.4‫عشوائي‬ ‫بشكل‬ ‫التنبؤ‬ ‫طبقة‬ ‫معامالت‬ ‫وتهيئة‬ ،‫التنبؤ‬ ‫لطبقة‬ ‫كدخل‬ ‫األخيرة‬ ‫الطبقة‬ ‫خرج‬ ‫استخدام‬‫بطريقة‬ ‫أو‬ ،
supervised learning.
.5‫بطريقة‬ ‫الطبقات‬ ‫لكل‬ ‫المعامالت‬ ‫ضبط‬Backpropagation.

32. ‫التنبؤ‬ ‫تقييم‬ ‫معايير‬
•‫الخطأ‬ ‫متوسط‬‫المطلق‬
•‫الخطأ‬ ‫متوسط‬‫النسبي‬
•‫المربع‬ ‫الخطأ‬ ‫متوسط‬ ‫وجذر‬RMSE:
𝑅𝑀𝑆𝐸 =
1
𝑁𝑝
ℎ=1
𝑁 𝑝
𝑥 ℎ − 𝑥 ℎ
2
1
2
‫مخف‬ ‫طبقة‬ ‫كل‬ ‫في‬ ‫المخفية‬ ‫الوحدات‬ ‫عدد‬ ،‫المخفية‬ ‫الطبقات‬ ‫عدد‬ ‫للنموذج؛‬ ‫المناسبة‬ ‫البنية‬ ‫تحديد‬ ‫يتم‬‫الدخل‬ ‫طبقة‬ ‫بعد‬ ،‫ية‬
‫طريقة‬ ‫باستخدام‬grid search.

33. ‫المرو‬ ‫التدفق‬ ‫كان‬ ‫حال‬ ‫في‬ ‫لكن‬ ‫الواقع‬ ‫من‬ ‫قريبة‬ ‫نتائج‬ ‫الطريقة‬ ‫هذه‬ ‫تعطي‬‫ري‬
‫الواق‬ ‫والقيم‬ ‫التنبؤ‬ ‫ناتج‬ ‫بين‬ ‫الصغيرة‬ ‫الفروق‬ ‫ألن‬ ‫ذلك‬ ،‫متوسط‬ ‫أو‬ ‫عالي‬‫عية‬
‫التدف‬ ‫معدل‬ ‫يكون‬ ‫عندما‬ ‫النسبي‬ ‫الخطأ‬ ‫قيمة‬ ‫في‬ ‫كبير‬ ‫ارتفاع‬ ‫إلى‬ ‫ستؤدي‬‫ق‬
‫صغير‬ ‫المروري‬.‫حالة‬ ‫في‬ ‫الوقوع‬ ‫احتمال‬ ‫ارتفاع‬ ‫هو‬ ‫العميق‬ ‫التعلم‬ ‫ومشكلة‬
overfitting.

34. COST VECTOR
OPTIMIZATION FOR
SUPPORT VECTOR
MACHINE REGRESSION

35. •‫نموذج‬ ‫يعتبر‬support vector machine‫بين‬ ‫التصنيف‬ ‫في‬ ً‫ا‬‫قوي‬ ً‫ا‬‫نموذج‬‫نماذج‬‫أن‬ ‫إال‬ ،‫اآللي‬ ‫التعلم‬‫دقته‬
‫األمث‬ ‫االختيار‬ ‫طرق‬ ‫بدراسة‬ ‫األبحاث‬ ‫من‬ ‫العديد‬ ‫قامت‬ ‫ولذلك‬ ،‫للمعامالت‬ ‫الصحيح‬ ‫االختيار‬ ‫على‬ ‫معتمدة‬‫لهذه‬ ‫ل‬
‫المعامالت‬.‫طريقة‬ ‫كانت‬ ‫الطرق‬ ‫أنجح‬ ‫من‬Particle Swarm Optimization (PSO)‫استمدت‬ ‫التي‬
‫الطيور‬ ‫أسراب‬ ‫مثل‬ ‫الحيوانات‬ ‫أصناف‬ ‫لبعض‬ ‫الجماعي‬ ‫السلوك‬ ‫من‬ ‫فكرتها‬.

36. SUPPORT VECTOR MACHINE REGRESSION
(SVMR)
•SVMR‫تقريبه‬ ‫المراد‬ ‫التابع‬ ‫على‬ ‫الخطأ‬ ‫تابع‬ ‫قيمة‬ ‫تصغير‬ ‫يحاول‬ ‫حيث‬ ‫أمثلية‬ ‫مشكلة‬ ‫يحل‬:
1
2
𝑤 2 + 𝐶 𝑖=0
𝑙
𝜉 + 𝜉∗
•‫حيث‬:𝐶 𝑖=0
𝑙
𝜉 + 𝜉∗‫و‬ ،‫التدريب‬ ‫خطأ‬ ‫هو‬
1
2
𝑤 2‫التالية‬ ‫القيود‬ ‫بمراعاة‬ ‫وذلك‬ ،‫استنظام‬ ‫معامل‬:
𝑦𝑖 − 𝑤, 𝑥𝑖 − 𝑏 ≤ 𝜉𝑖 + 𝜀
𝑤, 𝑥𝑖 + 𝑏 − 𝑦𝑖 ≤ 𝜉𝑖
∗
+ 𝜀
𝜉, 𝜉∗ ≥ 0, 𝑖 = 1, 2, … , 𝑙

37. SVMR CONT.…
•‫حيث‬𝑥𝑖‫مقترنة‬‫المقابلة‬ ‫تابع‬ ‫طريق‬ ‫عن‬ ‫الدخل‬ ‫أمثلة‬ ‫أبعاد‬ ‫من‬ ‫األكبر‬ ‫بالبعد‬𝜙،𝜉𝑖‫أعلى‬‫مرحلة‬ ‫في‬ ‫خطأ‬
،‫التدريب‬𝜉∗‫و‬ ‫األدنى‬ ‫الخطأ‬ ‫هو‬𝜀‫المعادلة‬ ‫في‬ ‫المذكورة‬ ‫للقيود‬ ‫يخضع‬ ‫أن‬ ‫يجب‬ ‫الذي‬ ‫التسامح‬ ‫أنبوب‬ ‫عرض‬
‫السابقة‬.
•‫الـ‬ ‫بدقة‬ ‫تتحكم‬ ‫التي‬ ‫المعامالت‬regression‫هي‬:C،‫الخطأ‬ ‫كلفة‬𝜀‫المقابلة‬ ‫وتابع‬ ،‫التسامح‬ ‫أنبوب‬ ‫عرض‬𝜙.
‫األنبوب‬ ‫في‬ ‫العينات‬ ‫من‬ ‫عدد‬ ‫أكبر‬ ‫وجود‬ ‫يجب‬ ‫أنه‬ ‫تفرض‬ ‫القيود‬ ‫هذه‬𝑦𝑖 − 𝑤,𝑥𝑖 − 𝑏 ≤ 𝜀.‫يكن‬ ‫لم‬ ‫إذا‬
‫التدريب‬ ‫مثال‬𝑥𝑖‫خطأ‬ ‫يوجد‬ ‫بالتالي‬ ‫األنبوب‬ ‫ضمن‬ ‫يقع‬𝜉‫أو‬𝜉∗‫قيمته‬ ‫تصغير‬ ‫يتم‬ ‫أن‬ ‫يجب‬.
•‫تختلف‬SVMR‫الـ‬ ‫نماذج‬ ‫باقي‬ ‫عن‬regression‫بأن‬ ‫التقليدية‬ε‫وال‬ ،‫النماذج‬ ‫باقي‬ ‫في‬ ‫للصفر‬ ‫مساوية‬ ً‫ا‬‫دائم‬
‫للمعطيات‬ ‫األعلى‬ ‫البعد‬ ‫مع‬ ‫المعطيات‬ ‫مقابلة‬ ‫يتم‬.‫بالتالي‬SVMR‫الـ‬ ‫نماذج‬ ‫باقي‬ ‫من‬ ‫ومرونة‬ ‫عمومية‬ ‫أكثر‬
regression.

38. PARTICLE SWARM OPTIMIZATION
•‫خوارزمية‬PSO‫ا‬ ‫لمفاهيم‬ ‫مشابه‬ ‫بشكل‬ ،‫األسماك‬ ‫ومجموعات‬ ‫الطيور‬ ‫أسراب‬ ‫سلوك‬ ‫على‬ ً‫ا‬‫اعتماد‬ ‫نيت‬ُ‫ب‬‫لحسابات‬
‫التطورية‬.
•‫المطروحة‬ ‫للمشكلة‬ ‫محتملة‬ ‫حلول‬ ‫تمثل‬ ‫والتي‬ ‫الجزيئات‬ ‫من‬ ‫مجموعة‬ ‫تستخدم‬.
•‫موقع‬ ‫لها‬ ‫جزيئة‬ ‫كل‬،‫وسرعة‬‫وتنتقل‬ ‫حيث‬‫البعد‬ ‫ذو‬ ‫فضاء‬ ‫في‬ ‫للبحث‬ ‫الجزيئة‬ ‫هذه‬Q.
•‫بأكمله‬ ‫للسرب‬ ‫األمثلي‬ ‫الموقع‬ ‫باتجاه‬ ‫تتحرك‬ ‫كما‬ ‫األمثلي‬ ‫موقعها‬ ‫باتجاه‬ ‫تتحرك‬ ‫جزيئة‬ ‫كل‬.
•‫ل‬ ‫الحالي‬ ‫الموقع‬ ‫بين‬ ‫المسافة‬ ‫على‬ ‫باالعتماد‬ ‫حسابه‬ ‫يمكن‬ ‫تكرار‬ ‫كل‬ ‫في‬ ‫الجزيئة‬ ‫موقع‬ ‫في‬ ‫التغير‬‫والموقع‬ ‫لجزيئة‬
‫األمثلي‬ ‫الحل‬ ‫موقع‬ ‫عن‬ ‫الحالي‬ ‫الحل‬ ‫موقع‬ ‫بين‬ ‫والمسافة‬ ،‫لها‬ ‫األمثلي‬.‫وال‬ ‫الموقع‬ ‫قيم‬ ‫تحديث‬ ‫يتم‬ ‫ثم‬‫سرعة‬‫للجزيئة‬.

39. SUPPORT VECTOR MACHINE OPTIMIZED
BY PARTICLE SWARM OPTIMIZATION
•‫وقوع‬ ‫لتجنب‬SVM‫حالة‬ ‫في‬overfitting‫تطبيق‬ ‫يتم‬ ‫ولذلك‬ ،‫النموذج‬ ‫لمعامالت‬ ‫الصحيح‬ ‫االختيار‬ ‫يجب‬
PSO‫التالية‬ ‫الخطوات‬ ‫وفق‬ ‫األنسب‬ ‫المعامالت‬ ‫الختيار‬:
.1‫معامالت‬ ‫تهيئة‬PSOً‫ا‬‫تجمع‬ ‫وإنشاء‬ ،‫الذاتي‬ ‫القصور‬ ‫وزن‬ ،‫التجمع‬ ‫حجم‬ ،‫التطوير‬ ‫أجيال‬ ‫عدد‬ ‫ضمنها‬ ‫من‬
‫نموذج‬ ‫معمالت‬ ‫هي‬ ‫معامالتها‬ ‫الجزيئات‬ ‫من‬ ً‫ا‬‫عشوائي‬SVM.
.2‫نموذج‬ ‫تدريب‬ ‫في‬ ‫السابقة‬ ‫المعامالت‬ ‫استخدام‬SVM‫عين‬ ‫على‬ ‫بتطبيقه‬ ‫التنبؤ‬ ‫على‬ ‫النموذج‬ ‫قدرة‬ ‫وقياس‬ ،‫ات‬
‫االختبار‬.
.3‫كل‬ ‫وموقع‬ ‫سرعة‬ ‫حساب‬‫جزئية‬
.4‫نموذج‬ ‫أفضل‬ ‫على‬ ‫والحصول‬ ‫التوقف‬ ‫شرط‬ ‫تحقق‬ ‫حال‬ ‫في‬ ‫الخوارزمية‬ ‫إيقاف‬SVM‫جديد‬ ‫جيل‬ ‫إنشاء‬ ‫وإال‬ ،
‫من‬‫الجزئيات‬.

40. ‫األداء‬ ‫تقييم‬ ‫معايير‬
•‫الخطأ‬ ‫متوسط‬‫المطلق‬
•‫النسبي‬ ‫الخطأ‬ ‫متوسط‬‫المطلق‬
•‫جذر‬‫الخطأ‬ ‫متوسط‬‫المربع‬
•‫الخطأ‬‫النسبي‬:
𝑅𝐸 =
𝑥 ℎ − 𝑥 ℎ
𝑥 ℎ
× 100%

41. •‫التدف‬ ‫نسبة‬ ‫تكون‬ ‫عندما‬ ‫حتى‬ ‫التنبؤ‬ ‫في‬ ‫عالية‬ ‫دقة‬ ‫الطريقة‬ ‫هذه‬ ‫أظهرت‬‫ق‬
‫استخد‬ ‫التي‬ ‫السابقة‬ ‫الطريقة‬ ‫على‬ ‫متفوقة‬ ‫يجعلها‬ ‫مما‬ ‫صغيرة‬ ‫المروري‬‫مت‬
SAEs.‫األو‬ ‫الطريقة‬ ‫عكس‬ ‫على‬ ‫التعميم‬ ‫على‬ ‫الكبيرة‬ ‫لقدرتها‬ ‫باإلضافة‬‫لى‬.
‫ال‬ ‫الطريقة‬ ‫إليه‬ ‫تفتقر‬ ‫والذي‬ ‫أطول‬ ‫زمنية‬ ‫بفترات‬ ‫التنبؤ‬ ‫على‬ ‫وقدرتها‬‫ثانية‬.

42. ‫البحث‬ ‫رابط‬
https://www.shamra.sy/academia/show/5b0b17cc4a9cc

43. ‫النهاية‬