سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

یک مدل استنتاج عصبی – فازی تطبیقی برای پیش بینی تقاضای سفر در اتوبوس و قطارشهری با استفاده همزمان از داده های مکانی و زمانی

Publish Year: 1404
Type: Journal paper
Language: Persian
View: 27

This Paper With 23 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_TRJ-22-1_022

Index date: 18 March 2025

یک مدل استنتاج عصبی – فازی تطبیقی برای پیش بینی تقاضای سفر در اتوبوس و قطارشهری با استفاده همزمان از داده های مکانی و زمانی abstract

دسترسی به خدمات حمل ونقل عمومی با کیفیت و عملکرد و کارایی بالا مستلزم انواع نوآوری ها در برنامه ریزی عملیاتی و عوامل موثر بر آن است. پیش بینی تقاضای مسافر بخشی جدایی ناپذیر از عملیات حمل ونقل عمومی است، زیرا تقاضا به طور همزمان تحت تاثیر تعاملات پیچیده و غیرخطی بین بسیاری از عوامل مکانی و زمانی قرار می گیرد. این مطالعه یک مدل استنتاج عصبی – فازی تطبیقی را با هدف پیش بینی تقاضای سفر حمل ونقل عمومی به تفکیک نواحی ترافیکی مشهد برای بهبود برنامه ریزی عملیاتی در این حوزه توسعه می دهد. به دلیل انعطاف پذیر و قابل توسعه بودن مدل، امکان ترکیب متغیرهای زمانی و مکانی مختلفی در پیش بینی تقاضای سفر فراهم می شود. این پژوهش چهار مدل انفیس که با چهار مجموعه داده توسعه داده می شوند را ارزیابی و مقایسه می کند. به طوری که دو مجموعه داده یک و دو شامل کلیه متغیرهای ممکن در تحقیق، بدون پیش داوری از تاثیرگذاری آنها بر تقاضا و به ترتیب در افق های روزانه و سالانه می باشند. مجموعه داده سه و چهار نیز شامل متغیرهای موثر دو مجموعه قبلی هستند که به منظور شناسایی و انتخاب ویژگی های موثر بر متغیر وابسته تقاضا از الگوریتم جنگل تصادفی استفاده می شود. این اقدام موجب افزایش سرعت در پردازش این مدل ها و کاهش خطای آنها می گردد. یافته ها نشان داد که مجموعه داده شماره چهار که شامل ویژگی های مکانی در مقیاس سالانه است، عملکرد بهتری در توسعه مدل پیش بینی تقاضای انفیس برای دو سیستم اتوبوس و قطارشهری مشهد دارد. خطای داده های آموزش برای این مدل ۳۳۱/۰ و خطای داده های آزمایش ۰۹۵/۱است. خروجی مدل های پیش بینی در این تحقیق، در صورت ایجاد تغییرات در سطح بهره برداری از انواع کاربری های شهری مشهد، برآوردی از تقاضای حمل ونقل عمومی در دو افق روزانه و سالانه و به تفکیک نواحی ترافیکی در اختیار برنامه ریزان قرار می دهند.

یک مدل استنتاج عصبی – فازی تطبیقی برای پیش بینی تقاضای سفر در اتوبوس و قطارشهری با استفاده همزمان از داده های مکانی و زمانی Keywords:

برآورد مقصد , پیش بینی تقاضای سفر حمل ونقل عمومی , داده های تراکنش های کارت های هوشمند , سیستم استنتاج عصبی فازی تطبیقی , متغیرهای مکانی و زمانی

یک مدل استنتاج عصبی – فازی تطبیقی برای پیش بینی تقاضای سفر در اتوبوس و قطارشهری با استفاده همزمان از داده های مکانی و زمانی authors

شریعت رادفر

گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

حمیدرضا کوشا

گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه فردوسی مشهد

علی غلامی

گروه مهندسی عمران، دانشکده مهندسی گرگان، دانشگاه گلستان، گرگان، ایران

عاطفه امین دوست

گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

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 :
آمارنامه شهر مشهد. (۱۳۹۸). معاونت برنامه ریزی و توسعه سرمایه ...
سرشماری عمومی نفوس و مسکن. (۱۳۹۵). ...
Alsger, A., Assemi, B., Mesbah, M., & Ferreira, L. (۲۰۱۶). ...
Alsger, A., Mesbah, M., Ferreira, L., & Safi, H. (۲۰۱۵). ...
Alsger, A., Tavassoli, A., Mesbah, M., Ferreira, L., & Hickman, ...
Assemi, B., Alsger, A., Moghaddam, M., Hickman, M., & Mesbah, ...
Atsalakis, G. (۲۰۱۴). New technology product demand forecasting using a ...
Baek, J., & Sohn, K. (۲۰۱۶). Deep-Learning Architectures to Forecast ...
Barbosa, H., Barthelemy, M., Ghoshal, G., James, C., Lenormand, M., ...
Barry, J., Freimer, R., & Slavin, H. (۲۰۰۹). Use of ...
Barry, J., Newhouser, R., Rahbee, A., & Sayeda, S. (۲۰۰۲). ...
Bonnel, P. (۲۰۲۱). Benefits of cellular telecommunication and smart card ...
Bouteiller, C., & d’Arcier, B. F. (۲۰۱۵). How fare simulation ...
Briand, A. S., Côme, E., Trépanier, M., & Oukhellou, L. ...
Cai, Z., Li, T., Su, X., Guo, L., & Ding, ...
Chanal, D., Steiner, N., Raffaele, P., Chamagne, D., & Marion-Péra, ...
Chen, E., Ye, Z., Wang, C., & Zhang, W. (۲۰۱۹). ...
Chen, R., Zhao, B., Wang, Y., Duan, Z., & Zhao, ...
Cheng, Z., Trepanier, M., & Sun, L. (۲۰۱۹). Inferring trip ...
Cheng, Z., Trépanier, M., & Sun, L. (۲۰۲۰). Probabilistic model ...
Chopra, S., Dhiman, G., Sharma, A., Shabaz, D. M., Shukla, ...
Chu, K. K., & Chapleau, R. (۲۰۱۰). Augmenting Transit Trip ...
Chu, K., & Chapleau, R. (۲۰۰۸). Enriching Archived Smart Card ...
Cools, M., Moons, E., & Wets, G. (۲۰۱۰). Assessing the ...
Dou, H., Liu, H., & Yang, X. (۲۰۰۷). OD Matrix ...
Dou, M., He, T., Yin, H., Zhou, X., Chen, Z., ...
Edition, W. U. (۲۰۲۳, ۰۸). http://www.demographia.com/db-worldua.pdf, ۱۶. (DEMOGRAPHIA) ...
El Mahrsi, M., Côme, E., Baro, J., & Oukhellou, L. ...
Essien, A., Petrounias, I., Sampaio, P., & Sampaio, S. (۲۰۱۸). ...
Ghalehkhondabi, I., Ardjmand, E., Young, W., & Weckman, G. (۲۰۱۹). ...
González, L., Perdiguero, J., & Sanz, À. (۲۰۲۱). Impact of ...
Gordon, J., Koutsopoulos, H., & Wilson, N. (۲۰۱۸). Estimation of ...
Gordon, J., Koutsopoulos, H., Wilson, N., & Attanucci, J. (۲۰۱۳). ...
Gössling, S., Neger, C., Steiger, R., & Bell, R. (۲۰۲۳). ...
Guzman, L., Beltran, C., Morales, R., & Sarmiento, O. (۲۰۲۳). ...
Hassanniakalager, A., Sermpinis, G., Stasinakis, C., & Verousis, T. (۲۰۲۰). ...
He, L., & Trépanier, M. (۲۰۱۵). Estimating the Destination of ...
Henke, I., Cartenì, A., Molitierno, C., & Errico, A. (۲۰۲۰). ...
Hofmann, M., & O'Mahony, M. (۲۰۰۵). The Impact of Adverse ...
Hu, N., Legara, E. F., Lee, K. K., Hung, G. ...
Hussain­, E., Bhaskar, A., & Chung, E. (۲۰۲۱). Transit OD ...
Ingvardson, J., Nielsen, O., Raveau, S., & Nielsen, B. (۲۰۱۸). ...
Jang, S. (۱۹۹۳). ANFIS: adaptive-network-based fuzzy inference system. IEEE Transactions ...
Joshi, S. (۲۰۲۰). Quantifying Impact of Weather Condition on Travel ...
Jung, J., & Sohn, K. (۲۰۱۷). Deep-learning Architecture to Forecast ...
Kim, J., Corcoran, J., & Papamanolis, M. (۲۰۱۷). Route choice ...
Kim, M.-K., Kim, S., & Sohn, H.-G. (۲۰۱۸). Relationship between ...
Kumar, P., Khani, A., & He, Q. (۲۰۱۸). A robust ...
Kusakabe, T., & Asakura, Y. (۲۰۱۴). Behavioral data mining of ...
Lee, S., & Hickman, M. (۲۰۱۴). Trip purpose inference using ...
Li, T., Sun, D., Jing, P., & Yang, K. (۲۰۱۸). ...
Liang, X., Wang, G., Min, M., Qi, Y., & Han, ...
Liu, W., Tan, Q., & Wu, W. (۲۰۲۰). Forecast and ...
Liyanage, S., & Dia, H. (۲۰۲۰). An Agent-Based Simulation Approach ...
Liyanage, S., Abduljabbar, R., Dia, H., & Tsai, P.-W. (۲۰۲۲). ...
Liyanage, S., Dia, H., Abduljabbar, R., & Asadi Bagloee, S. ...
Lu, J., Li, B., Li, H., & Al-Barakani, A. (۲۰۲۱). ...
Ma, X.-l., Wang, Y.-h., Chen, F., & Liu, J.-f. (۲۰۱۲). ...
Ma, X.-l., Wu, Y.-J., Wang, Y., Chen, F., & Liu, ...
Medina, S. (۲۰۱۸). Inferring weekly primary activity patterns using public ...
Milenkovic, M., Svadlenka, L., Melichar, V., Bojovic, N., & Avramovic, ...
Munizaga, M., & Palma, C. (۲۰۱۲). Estimation of disaggregate multimodal ...
doi:۱۰.۱۰۱۶/j.trc.۲۰۱۲.۰۱.۰۰۷Nagy, V., Horváth, B., & Horváth, R. (۲۰۱۷). Land-use zone ...
Nassir, N., Khani, A., Lee, S., Noh, H., & Hickman, ...
Öztayşi, B., & Bolturk, E. (۲۰۱۴). Fuzzy Methods for Demand ...
Polson, N., & Sokolov, V. (۲۰۱۷). Deep learning for short-term ...
Razavi, S., Abbasian Najafabadi, T., & Mahmoodian, A. (۲۰۱۸). Remaining ...
Tamblay, S., Galilea, P., Iglesias, P., Raveau, S., & Muñoz, ...
Tin Kam Ho. (۱۹۹۵). Random decision forests. Proceedings of ۳rd ...
Tin Kam Ho. (۱۹۹۸). The random subspace method for constructing ...
Trépanier, M., Chapleau, R., & Tranchant, N. (۲۰۰۷). Individual Trip ...
Wang, B., & Zheng, S. (۲۰۲۰). Air pollution lowers travel ...
Wang, B., Shao, C., & Ji, X. (۲۰۱۷b). Influencing Mechanism ...
Wang, J., Lingzhi Yang, Y., & Zhou, B. (۲۰۱۷a). The ...
Wang, W., Attanucci, J., & Wilson, N. (۲۰۱۱). Bus passenger ...
Wang, Y., Almeida, G. H., de Romph, E., & Timmermans, ...
Wu, W., Jiang, S., Liu, R., Jin, W., & Ma, ...
Wu, W., Xia, Y., & Jin, W. (۲۰۲۱). Predicting Bus ...
Xiao, Y., Liu, J., Hu, Y., Wang, Y., Lai, K., ...
Yao, E., Hong, J., Pan, L., Li, B., Yang, Y., ...
Yu, J., & Yang, X.-G. (۲۰۰۶). Estimating a Transit Route ...
Zhang, M., Guo, Y., & Ma, Y. (۲۰۱۴). A Probability ...
Zhang, Y., & Xu, D. (۲۰۲۲). The bus is arriving: ...
Zhao, J., Rahbee, A., & Wilson, N. (۲۰۰۷). Estimating a ...
Zhao, J., Zhang, F., Tu, L., Xu, C., Shen, D., ...
doi:۱۰.۱۱۰۹/TITS.۲۰۱۶.۲۵۸۷۸۶۴ -Zhao, Z., Koutsopoulos, H., & Zhao, J. (۲۰۱۸). Individual mobility ...
Zhou, M., Wang, D., Li, Q., Yue, Y., Tu, W., ...
Zhou, X., Yang, X., & Wu, X. (۲۰۱۲). Origin-destination matrix ...
Zhou, Y., Qian, C., Xiao, H., Xin, J., Wei, Z., ...
Zhou, Y., Thill, J.-C., Xu, Y., & Fang, Z. (۲۰۲۱). ...
نمایش کامل مراجع