شهریار احمدی - دانش آموخته کارشناسی ارشدراه وترابری ، دانشگاه آزاد اسلامی، واحدتهران جنوب، تهران، ایران
نیما طاهری - دانش آموخته کارشناسی ارشدراه وترابری، دانشگاه آزاد اسلامی، واحدعلوم تحقیقات، تهران، ایران

هزینه های بسیار زیاد حمل و نقل، محققین را به سمت استفاده از شیوه های کاراتر مانند دورکاری برای کاهش این هزینه ها سوق داده است. این شیوه نوین مدیریت حمل و نقل باعث کاهش حجم سفرهای کاری وهزینه های آن مانند مصرف سوخت، زمان سفر، آلودگی هوا و سرمایه گذاری در توسعه زیرساخت ها می شود. یکی از مهمترین محورها، اثر سنجی دورکاری است. عامل اصلی در تعیین میزان آثار این راهبرد نوین تقاضای حمل و نقل، میزان به کارگیری آن است که با حذف شمار قابل توجهی از سفرها در ساعات اوج ترافیک و کاهش تقاضا از سرمایه گذاری های کلان به منظور ایجاد و گسترش ظرفیت های متناظر جلوگیری می کند. در این مقاله از مدل پرسپترونی چند لایه از نوع پس انتشار خطا برای دورکاری " مدل سازی میزان به کارگیری دورکاری با استفاده از مدل شبکه های عصبی مصنوعی " استفاده می شود. تعداد روزهای مناسب برای دورکاری با توجه به ویژگی های شغلی، ویژگی های سفرهای شغلی و ویژگی های اقتصادی- اجتماعی فرد مدل می شود. شبکه های عصبی از آن جهت حائز اهمیت می شود که ساختارهای غیر خطی پیچیده را با بهره گیری از ساختارهای تصنعی نرون ها ادراک نموده و قابلیت خوبی در بازسازی مشاهدات دارند. جهت آموزش شبکه عصبی از اطلاعات گرد آوری شده در پرسش گری یک نمونه آماری از کارمندان سازمان های مختلف شهر تهران استفاده می شود. با استفاده از نتایج این مدل، می توان برای کارمندان با ویژگی های مختلف تقاضای دورکاری را در قالب تعداد روز در هفته برآورد کرد.

حمل و نقل، ترافیک، دورکاری، شبکه عصبی مصنوعی