Key points are not available for this paper at this time.
शहरी योजना और प्रबंधन में ट्रैफ़िक प्रवाह पूर्वानुमान आवश्यक है, परिवहन संरचनाओं और संसाधनों के आवंटन को अनुकूलित करना। हालाँकि, आगंतुकों की गति की सटीक भविष्यवाणी करना कठिन है क्योंकि इसमें अंतर्निहित जटिलता, गैर-रेखीयता और विभिन्न अनिश्चित कारक शामिल हैं। समस्या बयान ट्रैफ़िक प्रवाह के पूर्वानुमान में चुनौतियों को रेखांकित करता है, विशेष रूप से उन शहरी वातावरणों में जिन्हें गतिशील और जटिल ट्रैफ़िक पैटर्न द्वारा पहचाना जाता है। मौजूदा कार्य में ट्रैफ़िक प्रवाह भविष्यवाणी के लिए कई पारंपरिक उपकरणों के अध्ययन मॉडल का उपयोग किया गया है, लेकिन ये पारंपरिक विधियाँ उच्च भविष्यवाणी सटीकता प्राप्त करने में बाधाएँ प्रस्तुत करती हैं। इसलिए, प्रस्तावित काम परिवहन प्रणाली में सटीक भविष्यवाणी के लिए हाइब्रिड ऑप्टिमाइजेशन तकनीकों को लागू करने का लक्ष्य रखता है। यहाँ फ़ज़ी वेवलेट न्यूरल नेटवर्क (FWNN) को अनिश्चित स्थितियों और जटिल गैर-रेखीय संरचनाओं को संबोधित करने के लिए उपयोग किया गया है, और हाइब्रिड ऑप्टिमाइजेशन विधि जिसे हाइब्रिड फायरफ्लाई और कण झुंड अनुकूलन (HFO-PSO) कहा जाता है, यह फायरफ्लाई की अन्वेषण और शोषण क्षमताओं को संयोजित करता है और यह संयोजन मॉडल को जटिल ट्रैफ़िक पैटर्न को प्रभावी रूप से कैप्चर करने और भविष्यवाणी विधि को अनुकूलित करने की अनुमति देता है, जिससे सटीकता और क्षमता में सुधार होता है। इसके अलावा, प्रस्तावित मॉडल के पूर्वानुमान प्रदर्शन की स्थापना की गई है और विभिन्न माप का उपयोग करके इसकी तुलना की गई है।
बालासुब्रमणि आदि (गुरूवार,) ने इस प्रश्न का अध्ययन किया।