پیش بینی تقاضای سفر ایستگاه های سیستم دوچرخه اشتراکی گام زمانی یک ساعت بارویکرد فضایی و زمانی با روش شبکه عصبی گراف کانولشن

  • سال انتشار: 1402
  • محل انتشار: چهارمین کنفرانس بین المللی یافته های پژوهشی در مهندسی عمران، معماری و شهرسازی
  • کد COI اختصاصی: CIVILISC04_023
  • زبان مقاله: فارسی
  • تعداد مشاهده: 90
دانلود فایل این مقاله

نویسندگان

علی بهروزی

کارشناسی ارشد مهندسی برنامه ریزی حمل و نقل دانشگاه خواجه نصیرالدین طوسی

علی ادریسی

دانشیار دانشگاه خواجه نصیرالدین طوسی-دانشکده عمران

چکیده

یکی از چالش های مهم در برنامه ریزی حمل و نقل و مسائل شهری پیش بینی تقاضا جهت بهبود مدیریت در سیستم هایحمل و نقل شهری می باشد. با گسترش تکنولوژی امکان ذخیره سازی داده های عظیم و همچنین محاسبات پیچیده فراهمشده است. یکی از چالش های مهم که شرکت های ارائه دهندهی دوچرخه اشتراکی با آن روبرو می باشند، برقراری تعادل بینایستگاه های سیستم دوچرخه اشتراکی می باشد که نیازمند پیش بینی دقیق میزان میزان سفر در سیستم در بازه های کوتاهمدت و بلند مدت می باشد. در این پژوهش با استفاده از روش یادگیری عمیق شبکه عصبی گراف کانولوشن با رویکرد فضاییو زمانی و همچنین با در نظرگیری داده های دوچرخه اشتراکی، آب و هوا و محاسبه ی سطح دسترسی هر ایستگاه به مراکزجمعیتی و تجاری به پیش بینی میزان سفر در سیستم با گام زمانی یک ساعت می پردازیم. پس از پیاده سازی چارچوب مطرحشده میزان میانگین مربع خطا ۰.۸۵ و ریشه میانگین مربع خطا ۰.۹۲ بدست آمد.

کلیدواژه ها

یادگیری ماشین، شبکه عصبی گراف کانولوشن، سیستم دوچرخه اشتراکی، پیش بینی تقاضای سفر

مقالات مرتبط جدید

اطلاعات بیشتر در مورد 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.