برآورد تعداد مسافر ایستگاه های خطوط اتوبوس شهر تهران: نمونه موردی خط پل کریمخان- میدان جمهوری

افزایش روزافزون جمعیت در شهرها، متوسط مالکیت وسیله نقلیه و توسعه ارتباطات بر پیچیدگی های سیستم حمل و نقل و مشکلات ناشی از آن از جمله تراکم، آلودگی محیط زیست و مصرف منابع تجدیدناپذیر افزوده است. بنابراین تغییر در سیاست های حمل و نقل شهری و تلاش در جهت توسعه حمل و نقل عمومی، به ویژه اتوبوس، یکی از مهم ترین اقدامات در حوزه حمل و نقل شهری است. برنامه ریزی برای استفاده بهینه از زیرساخت های اتوبوسرانی نیازمند وجود اطلاعات در زمینه زیرساخت و تقاضای سفر ایستگاه های اتوبوس است. بر این اساس، انجام مطالعاتی جهت برآورد تعداد مسافر ایستگاه های اتوبوس به منظور برنامه ریزی عملیاتی خطوط اتوبوسرانی در شهر تهران ضروری است. در این مطالعه با استفاده از دو پایگاه داده: داده های ثبت شده تراکنش های کارت بلیت ها و داده های ثبت شده توسط موقعیت یاب خودکار موجود در اتوبوس ها و ساخت مدل مناسب، تعداد مسافر ایستگاه های اتوبوس برای آینده کوتاه مدت پیش بینی می گردد. ابتدا اطلاعات یاد شده مربوط به هر خط اتوبوس مرتب شده و سپس، برای تعیین ماتریس مبدا- مقصد مسافران، دو پایگاه داده با استفاده از کدنویسی در نرم افزار متلب تطبیق داده می شود. پس از تهیه ماتریس مبدا- مقصد مسافر، این ماتریس به عنوان پایگاه داده مطالعه مورد نظر قرار گرفته و بر اساس آن مدل ساریما و شبکه عصبی پرداخت می شوند. نتایج مدل نشان می دهد، مدل پروسپترون چند لایه از لحاظ شاخص های خطا در پیش بینی تعداد مسافر ایستگاه های اتوبوس هر خط از مدل ساریما برتر بوده و روش مناسب تری جهت برآورد تعداد مسافر ایستگاه اتوبوس می باشد.

کلیدواژه ها:

Bus stattions passenger demand ، Short- term prediction ، Times series ، Sarima ، Neural network ، تقاضای مسافر ایستگاه اتوبوس ، پیش بینی کوتاه مدت ، سری زمانی ، ساریما ، شبکه عصبی