ترجمه فارسی مقاله داده‌های نمودار ترافیک IBB: الگوبرداری و مدل پیش‌بینی ترافیک جاده‌ای

چکیده

Road traffic congestion prediction is a crucial component of intelligent transportation systems, since it enables proactive traffic management, enhances suburban experience, reduces environmental impact, and improves overall safety and efficiency. Although there are several public datasets, especially for metropolitan areas, these datasets may not be applicable to practical scenarios due to insufficiency in the scale of data (i.e. number of sensors and road links) and several external factors like different characteristics of the target area such as urban, highways and the data collection location. To address this, this paper introduces a novel IBB Traffic graph dataset as an alternative benchmark dataset to mitigate these limitations and enrich the literature with new geographical characteristics. IBB Traffic graph dataset covers the sensor data collected at 2451 distinct locations. Moreover, we propose a novel Road Traffic Prediction Model that strengthens temporal links through feature engineering, node embedding with GLEE to represent inter-related relationships within the traffic network, and traffic prediction with ExtraTrees. The results indicate that the proposed model consistently outperforms the baseline models, demonstrating an average accuracy improvement of 4%.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی احتقان ترافیک جاده یکی از مؤلفه های مهم سیستم های حمل و نقل هوشمند است ، زیرا مدیریت ترافیک فعال را قادر می سازد ، تجربه حومه را تقویت می کند ، تأثیرات زیست محیطی را کاهش می دهد و ایمنی و کارآیی کلی را بهبود می بخشد.اگرچه چندین مجموعه داده عمومی به ویژه برای کلانشهرها وجود دارد ، اما این مجموعه داده ها به دلیل کمبود در مقیاس داده ها (یعنی تعداد سنسورها و پیوندهای جاده ای) ممکن است در سناریوهای عملی کاربرد نداشته باشند و چندین عامل خارجی مانند خصوصیات مختلف منطقه هدف از جملهبه عنوان شهری ، بزرگراه ها و مکان جمع آوری داده ها.برای پرداختن به این موضوع ، این مقاله یک مجموعه داده جدید نمودار ترافیک IBB را به عنوان یک مجموعه داده معیار جایگزین برای کاهش این محدودیت ها و غنی سازی ادبیات با خصوصیات جغرافیایی جدید معرفی می کند.مجموعه داده های نمودار ترافیک IBB داده های سنسور جمع آوری شده در 2451 مکان مجزا را پوشش می دهد.علاوه بر این ، ما یک مدل جدید پیش بینی ترافیک جاده ای را پیشنهاد می کنیم که پیوندهای زمانی را از طریق مهندسی ویژگی ، تعبیه گره با Glee تقویت می کند تا روابط بین ارتباطات را در شبکه ترافیک نشان دهد و پیش بینی ترافیک با خارج از کشور.نتایج نشان می دهد که مدل پیشنهادی به طور مداوم از مدلهای پایه بهتر عمل می کند ، و نشان دهنده بهبود دقت 4 ٪ است.