بروز گرههای ترافیکی همواره بهعنوان یکی از مهمترین معضلات جریان ترافیکی آزادراهها شناخته شدهاند. کشف سریع این گرههای ترافیکی و رفع هر چه سریعتر آنها همواره بهعنوان یکی از دغدغههای مسئولین و محققین در شریانهای اصلی بوده است. بنابراین ارایه مدلی مناسب برای تشخیص این گرهها و انجام اقدامات لازم جهت تسریع در روانسازی جریان ترافیک بهمنظور کاهش اثرات ثانویه از اهمیت خاصی برخوردار است. از این رو هدف از تحقیق حاضر پیشبینی و تشخیص خودکار گرههای ترافیکی با استفاده از قابلیتهای مدل شبکه عصبی میباشد. روش تحقیق در این مطالعه استفاده از سه نوع شبکه عصبی مصنوعی برای پیشبینی و کشف خودکار گرههای ترافیکی میباشد که شامل شبکه عصبی چند لایه پرسپترون، شبکه عصبی نروفازی و شبکه عصبی تابع مبنای شعاعی میباشد. دادههای مورد استفاده در این تحقیق از اطلاعات واقعی مرکز کنترل ترافیک آزادراه تهران کرج بهصورت روزانه، هفتگی - و ماهیانه میباشد. نتایج بر اساس شاخصهای ارزیابی نشان میدهد که شبکه پرسپترون با سه پارامتر ورودی با دو لایه پنهان 15 نرونی در لایههای پنهان بهترین عملکرد را نسبت به مدلهای دیگر دارد که بهعنوان مدل با کارایی بهینه معرفی شده است. کاربرد تحقیق حاضر در کاهش خسارتهای ناشی از ایجاد گرههای ترافیکی و مشکلات ثانویه ناشی از این گرهها میباشد
