پیش بینی تقاضای سفر با استفاده از روش های سری زمانی میانگین متحرک خود همبسته (مطالعه موردی: آزادراه قم-تهران)

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 225

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_CIVIL-36-1_003

تاریخ نمایه سازی: 2 خرداد 1402

Abstract:

کیفیت جریان ترافیک یکی از مشخصات اصلی شبکه حمل ونقل است که کاربرد فراوانی در مسائل مرتبط با برنامه ریزی شهری، اولویت بندی مسیرها، کاهش تراکم ترافیک و زمان سفر دارد؛ بنابراین برآورد میزان حجم ترافیک و پیش بینی آن در آینده یکی از مسائل مهم برنامه ریزان حوزه حمل ونقل است. مسئله پیش بینی، مستلزم مدل سازی و تعیین متغیرهای تاثیرگذار روی تغییرات پدیده ای خاص است. در این پژوهش به پیش بینی تقاضای سفر با استفاده از روش های سری زمانی پرداخته شده است. داده های موردنیاز این تحقیق، از سازمان راهداری و حمل ونقل جاده ای تهیه گردیده است. در این مطالعه به منظور ساخت مدل، از دو فرآیند اتورگرسیو و میانگین متحرک با رویکرد باکس-جنکینز استفاده شده است. . با استفاده از روش های فوق، میزان تقاضا در سال های آتی تا افق ۱۴۰۴ در آزادراه قم-تهران پیش بینی شده است. نتایج مطالعه نشان داد، از بین مدل های خود همبسته و میانگین متحرک و تلفیق دو مدل یعنی میانگین متحرک-خود همبسته، مدل سوم دقت قابل قبول تری دارد. پارامترهای این مدل (۴,۵)ARMA به دست آمد. همچنین صحت سنجی مدل ساخته شده، بر اساس مقدار میانگین درصد خطای مطلق، ۰۴۷/۰، مقادیر R و R۲ به ترتیب ۹۴/۰ و ۸۹/۰ محاسبه شد که نشان می دهد مدل از دقت قابل قبولی برخوردار است.

Keywords:

تقاضای سفر , سری زمانی میانگین متحرک خود همبسته , روش باکس-جنکینز , مدل پیش بینی

Authors

حسن خاکسار

گروه حمل ونقل، دانشکده عمران، دانشگاه آزاد اسلامی واحد تهران شمال، ایران

سید احمد الماسی

گروه برنامه ریزی حمل و نقل، دانشگاه بین المللی امام خمینی، قزوین، ایران

امیر گلرو

دانشکده مهندسی عمران و محیط زیست گروه آموزشی ژئوتکنیک و راه و ترابری دانشگاه صنعتی امیر کبیر

محمد مهدی خبیری

دانشکده مهندسی عمران - بخش ژئوتکنیک و راه ، دانشگاه یزد

حسین بهمنی

دانشکده مهندسی عمران، دانشگاه یزد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Afandizadeh, A. Momenpour, “Analysis of demand for travel analysis with ...
  • E. Kimes, “Transportation revenue management: could it work”, Journal of ...
  • Misuk, “Modeling and forecasting hotel room demand based on advance ...
  • Tiago, F. Dantas, C. Luiz, H. Oliveira, V. R. Miguel, ...
  • Usman, T. Umer, S. Güven, “Forecasting performance of smooth transition ...
  • Guo, T. Zhang, “A residual spatio-temporal architecture for travel demand ...
  • F. Rossi, “Travel Demand Forecasting: Where are we and What ...
  • Liang, et al, “On region-level travel demand forecasting using multi-task ...
  • Hamad, L. Obaid, “Tour-based travel demand forecasting model for a ...
  • Marc, P. B. Gelhausen, W. Dieter, “A new direct demand ...
  • Chyon, et al, “Time series analysis and predicting COVID-۱۹ affected ...
  • Ghasemi, “Application of Neural Networks in Time Series Forecasting and ...
  • Sarlak, “Comparative evaluation of AR, MA, ARMA, ARIMA time series ...
  • Gupta, A. Kumar, “Two-step daily reservoir inflow prediction using ARIMA-machine ...
  • Nazeri Tohridi, “Evaluation of univariate, multivariate and time series compilations ...
  • Chakraborty, S. K. Sanyal, “Time-series data optimized AR/ARMA model for ...
  • R. Sahbald, “Performance Comparison Genetic Planning and Time Series Pattern ...
  • Afandizadeh, “Formulation of a Methodology for Assessing Parameters Effective on ...
  • Pourkazemi, M. Asadi, “Dynamic prediction of crude oil prices using ...
  • P. Karmy and S. Maldonado, “Hierarchical time series forecasting via ...
  • Taymouri, “Designing the Mathematical Model for predicting demand for travel ...
  • نمایش کامل مراجع