ekstrem लर्निंग मशीन का उपयोग करके रोड ट्रैफ़िक भविष्यवाणी मॉडल: टंगियर, मोरक्को का केस स्टडी

सड़क यातायात प्रबंधन और भविष्यवाणी के लिए एक कुशल और विश्वसनीय दृष्टिकोण बुद्धिमान परिवहन प्रणालियों (ITS) में एक महत्वपूर्ण पहलू है। यह सड़क संरचनाओं और परियोजनाओं के विकास को मजबूत ढंग से प्रभावित कर सकता है। यह मार्ग योजना और यातायात नियमों के लिए भी आवश्यक है। इस पत्र में, हम एक हाइब्रिड मॉडल का प्रस्ताव करते हैं जो अत्यधिक अध्ययन मशीन (ELM) और समूह-आधारित तकनीकों को जोड़ता है ताकि टंगियर, मोरक्को के उत्तरी भाग में एक सड़क खंड के भविष्य के घंटेवार यातायात की भविष्यवाणी की जा सके। मॉडल को 5 वर्षों की अवधि में फिक्स्ड सेंसर से निकाले गए वास्तविक ऐतिहासिक डेटा सेट पर लागू किया गया। हमारा दृष्टिकोण एक प्रकार के सिंगल हिडन लेयर फीड-फॉरवर्ड न्यूरल नेटवर्क (SLFN) पर आधारित है जिसे उच्च गति मशीन लर्निंग एल्गोरिदम माना जाता है। फिर, इस मॉडल की तुलना भविष्यवाणी साहित्य में अन्य प्रसिद्ध एल्गोरिदम से की गई। प्रयोगात्मक परिणामों ने प्रदर्शित किया कि, सबसे सामान्य रूप से उपयोग की जाने वाली त्रुटि माप (RMSE, MAE, और MAPE) के मानदंडों के अनुसार, हमारा मॉडल भविष्यवाणी सटीकता के मामले में बेहतर प्रदर्शन कर रहा है। अकाइके के सूचना मानदंड तकनीक (AIC) के उपयोग ने भी दिखाया है कि प्रस्तावित मॉडल की प्रदर्शन क्षमता अधिक है।