عنوان الإطروحه
Time Series Traffic Prediction Model Based on Selective Features using Decision Support Systems
تاريخ مناقشة الاطروحه
2020-08-20
اسم الطالب
محمد جمال محمد مقابله
المشرف
اكرم عارف نايف مصطفى حمارشة
المشرف المشارك
اعضاء لجنة المناقشة
نجاح مثقال علي الشنابله
زياد عبدالكريم عبدالرزاق القاضي
الكلية
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات
القسم
علم الحاسوب
الملخص بالعربية
في الآونة الاخيرة، تحولت دراسة السلاسل الزمنية والتنبؤ بحركة المرور إلى رؤية جديدة في ابتكار البيانات، حيث يحتوي تحليل حركة المرور في شبكة الطرقات داخل وخارج المدن وعملية التنبؤ بها على تطبيقات واسعة وشاملة من المجالات وقد اجتذبت مؤخرًا عددًا كبيرًا من الدراسات ، وتعتبر ضرورية لأنظمة النقل الذكية. في هذه الأطروحة، يقدم النهج المقترح نموذجًا جديدًا للتنبؤ بحركة مرور السلاسل الزمنية بناءً على ميزة انتقائية باستخدام نظرية المجموعة الضبابية (Fuzzy Set Theory) وطريقة وزن الانتروبيا (Entropy Weight Method) للعثور على الوقت المقدر بين منطقتين مختلفتين داخل المدن الكبرى. وقد تم اختبار النتائج استنادا على انواع مختلفة من المصنفات (SVM, RProp, Decision Tree, K Nearest Neighbor) باستخدام برنامج تحليل البيانات (KNIME). في الفصل الأول من هذه الدراسه قمنا بتقديم نظرة عامة عامة حول السلاسل الزمنية ، ومعلومات أساسية حول التنبؤ بحركة مرور للسلاسل الزمنية بناءً على الميزات الانتقائية ، وأيضا قمنا بعرض الهيكل التنظيمي لهذه الأطروحة ، بينما يعرض الفصل الثاني الأعمال السابقة التي قام بحثنا على أساسها. يحتوي الفصل الثالث والرابع على المنهجية كما هو موصوف بالتفصيل ويحتوي على الإطار العام للسلسلة الزمنية مع تفاصيل حول جميع المراحل وتفاصيل حول (KNIME Analytics) ، ويحمل فصل التنفيذ عرضًا لاحقًا للنهج المقترح ، كما يوضح و يشرح تفاصيل التنفيذ خطوة بخطوة ، ويسلط الضوء على الإطار المعياري لمجموعة البيانات. في الفصل الخامس ، يتم تقديم نتائج التجربة التي تم تحقيقها نتيجة تنفيذ النهج المقترح. في الفصل السادس ، مراجعة للمساهمات وخاتمة الأطروحة وقائمة بالأفكار الممكنة للبحوث المستقبلية.
الملخص بالانجليزي
Time series and traffic prediction have turned into a new vision in data innovation. Analysis and prediction of network traffic have applications in a wide comprehensive set of areas and have newly attracted a significant number of studies and are regarded as essential for intelligent transportation systems. In this thesis, the proposed approach presents a new model for time series traffic prediction based on a selective feature using the Fuzzy Set Theory and the Entropy Weight Method to find the estimated time between two regions. The proposed method used a different type of classifier (SVM, RProp, Decision Tree, and K Nearest Neighbor), which applied using the KNIME Analytics Platform tool. In chapter one, general overview, background information about the time series traffic prediction based on a selective feature, and the organization structure for this thesis, while chapter two presents the previous works upon which our research. Chapter three and four contains the methodology as it is described in detail and includes the general framework of time series with more information about all phases and the details about the KNIME Analytics. The implementation holds a subsequent display of the proposed approach, as it shows and explains the implementation details step by step; it highlights the standardized framework of the dataset. In chapter five, the experiment results are introduced, which are achieved due to the implementation of the proposed approach. In chapter six, a review of the contributions and conclusion of the thesis and list of possible ideas for future research
رقم ISN
6524
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN