طراحی مدلی برای پیشبینی زمان رسیدن اتوبوس به ایستگاه برپایه داده کاوی و شبکههای عصبی
Abstract(in Persian; no English abstract is available)
اهمیت حمل و نقل عمومی در وضعیت فعلی ترافیکی بر هیچ کس پوشیده نیست و در این میان سهم اتوبوسها بیش از دیگر انواع حمل و نقل عمومی میباشد. ارائه خدمات با کیفیت بالا به استفادهکنندگان برای کارگزاران این امر موضوع حیاتی بوده و سازمانهای مربوطه در پی بهبود خدمات و ارائه خدمات نوین با استفاده از سیستمهای حمل و نقلی هوشمند هستند. سیستمهای اطلاعاتی پیشرفته مسافر (atis ) یکی از اجزای سیستمهای حمل و هوشمند بوده و اصلیترین بخش آن اطلاعات زمان سفر میباشد، لذا نیاز به مدل یا تکنیکی برای پیش بینی زمان سفر ضروری میباشد تا با ارائه اطلاعات زمانی دقیق سفر، هم مسافران بیشتری جذب کرده و هم سطح رضایت مسافران را بهبود بخشید. سیستمهای شمارشگر خودکار مسافران (apc ) و سیستمهای موقعیت یاب خودکار خودرو (avl ) نیز که بخشی از سیستمهای حمل و نقل هوشمند است در بسیاری از آژانسهای حمل و نقلی و سازمانهای اتوبوسرانی استفاده شده و به آنها اجازه میدهد که در زمان واقعی و بلادرنگ وسایل نقلیه خود را ردیابی کنند، با وجود این از این سیستمها در کشور ما استفاده چندانی نمیشود. هدف از این تحقیق ارائه مدلی برای پیش بینی زمان ورود اتوبوس به ایستگاه با استفاده از دادههای گردآوری شده از برخی خطوط اتوبوسرانی تهران میباشد، این دادهها مطابق با دادههای تولید شده توسط سیستمهای apc بوده و ما بر آنیم تا با ارائه کاربرد عالی این سیستمها، دست اندرکاران حمل و نقلی را به مجهز کردن اتوبوسها به این تجهیزات ترغیب کنیم. برای رسیدن به این هدف از تکنیک شبکه عصبی پرسپترون چند لایه که از جمله تکنیکهای مطرح در مباحث داده کاوی است، استفاده کردهایم. با توجه به اینکه هرچه زمان ورود اتوبوس به ایستگاه نامشخص تر بوده و پراکندگی بیشتری بین سرفاصله آنها وجود داشته باشد، میزان رضایت و استفاده شهروندان کاهش مییابد، میتوان از نتایج این تحقیق در برنامهریزیهای استفاده از منابع محدود اتوبوسی در خطوط مختلف استفاده کرد. نتایج نشان میدهد که با داشتن اطلاعات مسافران ایستگاهها و اطلاعات حرکت اتوبوسها، پیشنهادهای مفیدی برای برنامهریزیهای آتی حمل و نقلی قابل ارائه خواهد بود.