محمد آذری جعفری - کارشناسی ارشد مهندسی فناوری اطلاعات – دانشگاه قم
فریبا صادقی - کارشناسی ارشد مهندسی فناوری اطلاعات – دانشگاه قم

امروزه با افزایش روزافزون جمعیت شهرها بیش از پیش نیاز به مدیریت منظم و دقیق سامانه های حمل و نقل شهری احساس میشود. اگر مردم بدانند با سیستم حمل و نقل عمومی می توانند به موقع به مقصد مورد نظرشان برسند، اعتماد و رضایت عمومی نسبت به این سیستم بیشتر می شود و به دنبال آن، ترافیک و آلودگی هوا کاهش یافته و میزان تصادفات پایین می آید. این موضوع علاوه بر کاهش هزینه های شهری، جذب مسافر و گسترش ناوگان حمل ونقل را به همراه خواهد داشت و درآمد مناسبی برای بهبود سازمان حمل و نقل شهرداری به همراه می آورد. با توجه به هوشمند شدن سامانه حمل و نقل در بسیاری از شهرهای ایران می توان از داده های بدست آمده از این سامانه ها استفاده کرده و با تحلیل آنها گام های مهمی در جهت بهبود سامانه های حمل ونقل عمومی برداشت. به دلیل حجم بسیار بالای این داده ها، در بیشتر مواقع امکان تحلیل آنها به صورت دستی نمی باشد اما با پیشرفتهای اخیر هوش مصنوعی و توسعه ی روشهای داده کاوی، امکان استخراج و تحلیل دادههای حجیم توسط کامپیوتر فراهم شده است. ما در این پژوهش با بررسی مطالعات پیشین در زمینه ی تحلیل داده های این سامانه ها، خلاهای پژوهشی و چالش های آنها را بررسی کرده و پیشنهاداتی برای پژوهش های آتی مبتنی بر داده کاوی و روش های یادگیری ماشین برای استخراج دانش موردنیاز سیستمهای خودکار یا مدیران برنامه ریزی شهری ارائه داده ایم.

حمل ونقل عمومی، داده کاوی، یادگیری ماشین، تحلیل داده