پیش بینی و پایش میزان تن کیلومتر و بارنامه حمل شده جاده ای کشور به منظور تشخیص رفتار غیرعادی

جابه­ جایی کالا جزء ضروری و لاینفک فرآیند برنامه ریزی توسعه ملی است؛ هدف پژوهش حاضر، پیش بینی و پایش میزان تن کیلومتر و بارنامه حمل­ شده کشور به منظور تشخیص رفتار غیرعادی است. در این پژوهش برای گردآوری داده ­ها از مشاهده ماهانه به دست آمده طی ۶ سال (۱۳۹۵ تا ۱۴۰۰) که توسط «سازمان راهداری و حمل ونقل جاده ای ایران» به تفکیک هر استان جمع آوری شده، استفاده شده است. در این پژوهش تن کیلومتر با روش های مختلف تن-کیلومتر و بارنامه پیش بینی شده و نتیجه برای یافتن رفتار غیرعادی پس از افزایش نرخ بهره و مالیات کنترل می شود. برای پیاده سازی مدل، از ۷۲ داده تن کیلومتر حمل شده و ۷۲ بارنامه صادرشده که از ۳۲ استان طی شش سال حمل ونقل جاده ای جمع آوری شده است، استفاده شد. چهار روش مختلف پیش بینی، یعنی جنگل تصادفی، شبکه عصبی LSTM، ARIMA و ETS به تفصیل بررسی شدند. نتایج تجربی نشان می دهد که جنگل تصادفی از سایر مدل ها بهتر عمل می کند. در این پژوهش از ابزار کنترل کیفیت آماری امتیاز z برای تشخیص داده های پرت و رفتار غیرعادی استفاده شد. نتایج تجربی حاکی از آن است که از ۳۲ استان، ۳ استان دارای رفتار غیرعادی هستند که یکی از آن­ها به دلیلی غیر از افزایش نرخ بهره و مالیات حمل ونقل جاده ای است.

Keywords:

پیش بینی , کنترل کیفیت آماری , بارنامه جاده ای , تن کیلومتر , یادگیری ماشین , یادگیری عمیق , پایش