بررسی وضعیت نواحی ترافیکی شهر مشهد با استفاده از داده کاوی داده های خطوط قطارشهری

روزانه حجم زیادی از داده ها در سیستمهای حمل ونقلی تولید و ذخیره سازی میشود. در صورتی که هدف از این فرایند صرفا جمع آوری آسان، ایمن و سریع کرایه باشد شاید بتوان راهکارهایی به صرفه تر اتخاذ نمود. اگرچه بسیاری از سیستمهای جمع آوری داده از ابتدا برای دادهکاوی طراحی نشدهاند اما با پیاده سازی تکنیکهای داده کاوی ممکن است نتایج جالبی از پایگاه داده های سیستمهای حمل ونقل به دست یابد. این نتایج میتواند در فرایندهای تصمیم سازی مبنایی درخور شرایط واقعی سیستم به مسئولان ارائه کند. در رسته تکنیکهای داده کاوی نظارت نشده خوشه بندی داده ها رایج ترین و پرکاربردترین تکنیک بر شمرده میشود. لذا در این مطالعه تلاش بر آن بوده است که با استفاده از پیاده سازی تکنیک داده کاوی خوشه بندی K-means بر روی داده های سال ۱۳۹۸ خطوط قطارشهری شهر مشهد به خوشه بندی نواحی ترافیکی این شهر بپردازیم. نتیجه این مطالعه حصول خوشه های هفتگانه برای نواحی ترافیکی شهر مشهد است که نواحی ترافیکی شهر مشهد را بین خوشه بسیار بسیار کم تراکنش تا بسیار بسیار پرتراکنش تقسیم بندی میکند.

کلیدواژه ها:

جمع آوری خودکار کرایه ، داده کاوی ، خوشه بندی ، یادگیری نظارت نشده ، K-Means