پیش بینی سفر با هدف خرید (برخط و برون خط) با بهره گیری از رویکرد تلفیقی گرگ خاکستری و یادگیری عمیق (نمونه موردی شهر تهران)

یکی از مسائل مهم در زمینه تجارت الکترونیک، سیستم حمل و نقل، کنترل آلایندگی و مباحث پایداری، ارزیابی نوع سفر به منظور خرید برخط و برون خط است. بر این اساس، در این پژوهش تلاش شد تا با جمع آوری اطلاعات خرید ۱۰۰۰ نفر از ساکنین مناطق ۲ و ۵ تهران در سال ۱۳۹۹، از یک رویکرد تلفیقی مبتنی بر یادگیری ماشین به منظور تخمین نوع سفر با هدف خرید استفاده شود. رویکرد پیشنهادی شامل الگوریتم تلفیقی گرگ خاکستری و شبکه کانولوشنال عمیق می باشد. کاربرد الگوریتم بهینه ساز گرگ خاکستری از آن جهت حائز اهمیت است که می تواند علاوه بر تنظیم هایپرپارامترهای شبکه کانولوشن، به صورت همزمان عملیات انتخاب ویژگی را نیز انجام دهد. نتایج نشان داد که روش پیشنهادی با انتخاب ۷ ویژگی از ۱۰ ویژگی اولیه توانسته به دقت تخمین برابر با ۸۱/۹۷ درصد با معیار MSE برابر با ۳۲۵/۰ برسد. همچنین مقایسه عملکرد روش پیشنهادی با روش های دیگر نشان داد که پس از الگوریتم پیشنهادی با دقت ۸۱/۹۷ درصد، دقت مدل های یادگیری عمیق تکی، شبکه عصبی MLP، درخت تصمیم و KNN به ترتیب برابر با ۶۳/۹۵ ، ۱۲/۹۰ ، ۴۹/۸۶ و ۱۶/۸۰ درصد می باشد. نتایج این پژوهش دید وسیع و شفافی به برنامه ریزان حمل و نقل، مدیران کسب و کارهای برخط و مدیران قانون‎گذار در توسعه حمل و نقل شهری خواهد داد. این نتایج باعث طراحی موثر استراتژی ها، کاهش هزینه های حمل و نقل، کاهش آلایندگی هوا و رضایت شهروندان را در برخواهد داشت که همگی منتج به توسعه پایدار خواهد شد.

کلیدواژه ها:

الگوریتم گرگ خاکستری ، توسعه پایدار ، سفرهای با هدف خرید برخط ، سفرهای با هدف خرید برون خط ، یادگیری عمیق