برآورد تعداد مسافر ایستگاههای خطوط اتوبوس شهر تهران: نمونه موردی خط پل کریمخان- میدان جمهوری | ||
| مهندسی عمران مدرس | ||
| Article 10, Volume 18, Issue 4, 1397, Pages 115-129 PDF (794.97 K) | ||
| Authors | ||
| سید احسان سید ابریشمی* 1; علی محدث دیلمی2; وجیهه امینی3; مریم ایران منش4 | ||
| 1دانشگاه تربیت مدرس | ||
| 2دانشجوی دکتری مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس | ||
| 3کارشناسی ارشد مهندسی برنامه ریزی حمل ونقل، دانشگاه تربیت مدرس، تهران، ایران | ||
| 4کارشناسی ارشد مهندسی برنامه ریزی حمل ونقل، دانشگاه تربیت مدرس | ||
| Abstract | ||
| افزایش روزافزون جمعیت در شهرها، متوسط مالکیت وسیله نقلیه و توسعه ارتباطات بر پیچیدگیهای سیستم حملونقل و مشکلات ناشی از آن از جمله تراکم، آلودگی محیط زیست و مصرف منابع تجدیدناپذیر افزوده است. بنابراین تغییر در سیاستهای حملونقل شهری و تلاش در جهت توسعه حملونقل عمومی، به ویژه اتوبوس، یکی از مهمترین اقدامات در حوزه حملونقل شهری است. برنامهریزی برای استفاده بهینه از زیرساختهای اتوبوسرانی نیازمند وجود اطلاعات در زمینه زیرساخت و تقاضای سفر ایستگاههای اتوبوس است. بر این اساس، انجام مطالعاتی جهت برآورد تعداد مسافر ایستگاههای اتوبوس به منظور برنامهریزی عملیاتی خطوط اتوبوسرانی در شهر تهران ضروری است. در این مطالعه با استفاده از دو پایگاه داده: دادههای ثبتشده تراکنشهای کارتبلیتها و دادههای ثبت شده توسط موقعیتیاب خودکار موجود در اتوبوسها و ساخت مدل مناسب، تعداد مسافر ایستگاههای اتوبوس برای آینده کوتاهمدت پیشبینی میگردد. ابتدا اطلاعات یاد شده مربوط به هر خط اتوبوس مرتب شده و سپس، برای تعیین ماتریس مبدأ- مقصد مسافران، دو پایگاه داده با استفاده از کدنویسی در نرمافزار متلب تطبیق داده میشود. پس از تهیه ماتریس مبدأ- مقصد مسافر، این ماتریس به عنوان پایگاه داده مطالعه مورد نظر قرار گرفته و بر اساس آن مدل ساریما و شبکه عصبی پرداخت میشوند. نتایج مدل نشان میدهد، مدل پروسپترون چند لایه از لحاظ شاخصهای خطا در پیشبینی تعداد مسافر ایستگاههای اتوبوس هر خط از مدل ساریما برتر بوده و روش مناسبتری جهت برآورد تعداد مسافر ایستگاه اتوبوس میباشد. | ||
| Keywords | ||
| تقاضای مسافر ایستگاه اتوبوس; پیشبینی کوتاهمدت; سری زمانی; ساریما; شبکه عصبی | ||
|
Statistics Article View: 268 PDF Download: 110 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,672 |
| Article View | 24,344,133 |
| PDF Download | 17,517,483 |