پیش بینی زمان ورود اتوبوس به ایستگاه با استفاده از داده های AVL: مطالعه موردی سیستم اتوبوس رانی شهر قزوین
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 498
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTE-10-3_007
تاریخ نمایه سازی: 21 خرداد 1398
Abstract:
سیستم اتوبوس شهری در حال حاضر در دنیا به عنوان یکی از مهم ترین زیرساخت های سیستم حمل و نقل عمومی در جابجایی مردم شناخته می شود و به افزایش کیفیت خدمات این سیستم و برآورده کردن نیاز مردم منجر می شود تا نگرش مردم از حمل و نقل شخصی به حمل و نقل عمومی تغییر کند. در چند سال گذشته سامانه های موقعیت یاب خودکار خودرو جهت بهبود خدمات حمل و نقل عمومی در کشور راه اندازی شده است و داده های جمع آوری شده توسط این سامانه ها کمتر در جهت رضایت مشتریان (مسافران) استفاده شده اند. با توجه به اینکه اطلاع از زمان نسبتا دقیق ورود اتوبوس به ایستگاه یکی از نیازهای مهم مسافران است در این مطالعه با استفاده از داده های موقعیت مکانی سیستم اتوبوس رانی شهر قزوین مبتنی بر زمان سفر هر اتوبوس و سرفاصله بین ایستگاه ها، بکارگیری داده های موقعیت یاب خودکار خودرو و بهره گیری از مدل های پایه در پیش بینی زمان ورود اتوبوس ها به ایستگاه نظیر شبکه عصبی مصنوعی و مدل های آماری نظیر مدل خودرگرسیو میانگین متحرک و ماشین های بردار پشتیبان، پیش بینی مدنظر، ارائه شده و مدل مطلوب توسعه یافته و بر اساس خروجی مدل های استفاده شده مدل شبکه عصبی عملکرد بهتری در پیش بینی زمان رسیدن اتوبوس ها به ایستگاه از خود نشان داده است. ازآنجایی که در ایران تاکنون مطالعه علمی در زمینه استفاده از داده های موقعیت یاب خودکار خودرو برای پیش بینی زمان ورود اتوبوس به ایستگاه انجام نشده است، این مقاله سعی کرده است با استفاده از تکنیک های مطرح و داده های دنیای واقعی ، نگاه علمی را در این حوزه کاربردی ارائه نماید
Keywords:
Authors
حسین هاشمی
دانشجوی دکتری، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران
امیر البدوی
استاد، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، 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 :