ارائه مدل هوشمند جهت پیش بینی و مدیریت ترافیک سفرهای مترو کلان شهرشیراز با استفاده از داده ها و تکنیک های متن کاوی

در صنعت حمل و نقل ریلی شهری، جمع آوری داده های مختلف از جمله تعداد سفرها، تعداد ناوگان،خرابی ها، تعداد خرابی های خطوط راه آهن و همچنین بهینه سازی منابع و هزینه حائز اهمیت هست. روزانه داده های بسیاری تولید می شود ما با تحلیل این داده ها با حجم بسیاری داده در صنعت حمل و نقل ریلی شهری مواجه هستیم. هدف این مقاله یافتن یک مدل پیش بینی سفر برای کلان شهر شیراز است. مترو تصمیم گیری سفر را انجام می دهد. این مقاله مقدمه ای کوتاه بر کشف دانش از شکست است و پایگاه داده و روش داده کاوی را ارائه می دهد. ارتباط داده کاوی برای یک مدل پیش بینی سفر به تصویر کشیده شده است، به این معنا هست که با در نظر گرفتن ارتباط داده های جمع آوری شده در مرکز کنترل مترو و سفر هوشمند به کار گرفته است. در این مقاله با استفاده از تکنیک های داده کاوی، ساختار تابعی یک مدل سفر پیش بینی کننده ارائه شده است. استخراج داده ها و الگوهای رفتاری را شناسایی می کند و امکان تشخیص زودهنگام دقیق تر خطاها را در عملیات روزانه فراهم می کند. در این مقاله سه حالت شامل : سفرهای با تاخیر، سفرهای ناقص و سفرهای لغو شده واقعی مورد بررسی قرار گرفته است. داده های ثبت شده در چهار سال گذشته، شامل شکست های برنامه ریزی نشده و تاثیر آن ها بر سفرها اعمال شده است. مدلی با دقت بیش از ۹۰% (۹۰,۴۸ %) پیش بینی وضعیت سفر را در این خط نشان می دهد. همچنین در این مقاله از روش سریع استفاده شده است. نرم افزار RapidMiner و تکنیک درخت تصمیم گیری در داده کاوی و قوانین آن و همچنین شاخص کاپا ۰,۷۹۲ است که برای مدل اعتبار سنجی محاسبه شده است. بنابراین، مدل پیشنهادی ما شامل پیش بینی سه نوع از ترافیک ناقص، سفرهای با تاخیر و لغو سفرها است که به دلیل خرابی اورژانس در زمان بهره برداری مترویشیراز می باشد.

کلیدواژه ها:

داده کاوی ، تصمیم گیری ، پیش بینی سفر هوشمند ، کشف دانش ، کنترل ترافیک مترو شیراز