Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

برآورد شاخص زمان سفر با استفاده از روشهای یادگیری ماشین

پژوهشنامه حمل و نقل، دوره: 19، شماره: 1
سال انتشار: 1401
کد COI مقاله: JR_TRJ-19-1_002
زبان مقاله: فارسیمشاهده این مقاله: 136
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 16 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله برآورد شاخص زمان سفر با استفاده از روشهای یادگیری ماشین

شهریار افندی زاده - استاد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
نوید عموی خورشیدی - دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران
نوید کلانتری - دانش آموخته دکتری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده مقاله:

زمان سفر و تغییرات آن از جنبه های مهم حمل و نقل هستند که به عنوان شاخصی کلیدی جهت ارزیابی عملکرد شبکه در برنامه ریزی حمل و نقل مورد استفاده قرار می گیرند. مطالعات نشان می دهد تراکم ترافیکی به عنوان عامل مهمی در غیرقابل اعتماد بودن زمان سفر، به دو دسته تکرارشونده و غیرتکرارشونده تقسیم می شود. برای برآورد قابلیت اطمینان زمان سفر تحت اثر تراکم، درک و فهم علت وقوع تغییر امری ضروری است. مطالعات نشان می دهد تصادفات ترافیکی، نواحی تعمیر و نگهداری، آب و هوا، نوسانات ترافیک، رویدادهای خاص، تجهیزات کنترل ترافیک و تنگناهای فیزیکی هفت عامل عمده در ایجاد تغییرات زمان سفر هستند. این مقاله به دنبال بررسی آن است که چگونه تغییرات هندسه معبر (تعداد خطوط)، تصادفات، حجم ترافیک و شرایط آب و هوا بر قابلیت اطمینان زمان سفر اثر می گذارند. بدین منظور، طیفی از روش های یادگیری ماشین جهت بررسی و مدلسازی شبکه معابر بزرگراهی ایالت ویرجینا آمریکا مورد استفاده قرار گرفت که شامل رگرسیون بردار پشتیبان، رگرسیون نزدیک ترین همسایه و رگرسیون درخت تصمیم بود. نتایج این بررسی نشان داد این ابزار می توانند تا میزان مناسبی، تغییرات متوسط زمان سفر را منعکس کنند. با توجه به شاخص های آماری استخراج شده از مدل ها (خطای جذر میانگین مربعات، ضریب تعیین) و شاخص پایداری (نسبت ضریب تعیین مجموعه آموزش و آزمون) رگرسیون نزدیک ترین همسایه به عنوان مدل برتر شناسایی شد. انجام تحلیل حساسیت بر روی مدل برتر، نحوه تغییرات متغیر وابسته (شاخص زمان سفر) در مقابل تغییرات متغیرهای مستقل (متغیر نماینده حجم ترافیک، متغیر نماینده تصادفات و متغیر نماینده شرایط جوی) را نشان داد. نتایج این تحلیل ها در قالب نمودارهایی ارائه شد که کمک شایانی به بیان نتیجه گیری تحقیق نمود.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_TRJ-19-1_002 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1394011/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
افندی زاده، شهریار و عموی خورشیدی، نوید و کلانتری، نوید،1401،برآورد شاخص زمان سفر با استفاده از روشهای یادگیری ماشین،https://civilica.com/doc/1394011

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1401، افندی زاده، شهریار؛ نوید عموی خورشیدی و نوید کلانتری)
برای بار دوم به بعد: (1401، افندی زاده؛ عموی خورشیدی و کلانتری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

  • Bagheri, F., Alizadeh, H., Mehrbakhsh, Z and Ziaratban, M., (۲۰۱۴), ...
  • Bonnaire Fils, Prony, (۲۰۱۲), "­Modeling Travel Time and Reliability on ...
  • Cambridge Systematics, Inc., (۲۰۱۳), "Analytical Procedures for Determining the Impact ...
  • Chen, Z., Fan, W., (۲۰۱۹), “Data Analytics Approach for Travel ...
  • Https://Doi. Org/ ۱۰.۱۰۰۷ /S۴۰۵۳۴-۰۱۹-۰۰۱۹۵-۶. ...
  • Chepuri, A., Borakanavar, M., Amrutsamanvar, R., Shriniwas, A., and Guarang, ...
  • Gunn, S. R., (۱۹۹۸), “Support Vector Machines for Classification and ...
  • Javid, R. J. And Javid, R. J., (۲۰۱۷),"A Framework for ...
  • Lu, Chaoru, (۲۰۱۷), "Estimate Freeway Travel Time Reliability under Recurring ...
  • Parrella, Francesco, (۲۰۰۷), "Online Support Vector Regression", Master Dissertation, Genoa: ...
  • Rajabi, M., Khademi, N., Foroozandeh, R., Shariat, A., (۲۰۱۸), “Analysis ...
  • Steinwart, Ingo; Christmann, Andreas (۲۰۰۸), “Support Vector Machines”, New York: Springer. ...
  • Tavasoli Hojati, A., Ferreira, L., Washington, S., Charles, P And ...
  • Texas Transportation Institute with Cambridge Systematics, (۲۰۰۶), “Travel Time Reliability: ...
  • Urso, Alfonso, Fiannaca, Antonio, La Rosa, Massimo, Ravì, Valentina, And ...
  • Yahyaoui, I., (۲۰۱۸), "Advances in Renewable Energies and Power Technologies, ...
  • Yazici, M Anil., Kamga Camille And Singhal Abhishek, (۲۰۱۳), "­Weather’s ...
  • Zhang, Q, Chen, H, Liu, H, Li, W and Zhang, ...
  • Zhang, X. And M. Chen, (۲۰۱۹), "Quantifying the Impact of ...
  • Zhao, Linhui and Chien, I. Jy, (۲۰۱۲), "Analysis of Weather ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 23,469
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی