یک مدل استنتاج عصبی – فازی تطبیقی برای پیش بینی تقاضای سفر در اتوبوس و قطارشهری با استفاده همزمان از داده های مکانی و زمانی

دسترسی به خدمات حمل ونقل عمومی با کیفیت و عملکرد و کارایی بالا مستلزم انواع نوآوری ها در برنامه ریزی عملیاتی و عوامل موثر بر آن است. پیش بینی تقاضای مسافر بخشی جدایی ناپذیر از عملیات حمل ونقل عمومی است، زیرا تقاضا به طور همزمان تحت تاثیر تعاملات پیچیده و غیرخطی بین بسیاری از عوامل مکانی و زمانی قرار می گیرد. این مطالعه یک مدل استنتاج عصبی – فازی تطبیقی را با هدف پیش بینی تقاضای سفر حمل ونقل عمومی به تفکیک نواحی ترافیکی مشهد برای بهبود برنامه ریزی عملیاتی در این حوزه توسعه می دهد. به دلیل انعطاف پذیر و قابل توسعه بودن مدل، امکان ترکیب متغیرهای زمانی و مکانی مختلفی در پیش بینی تقاضای سفر فراهم می شود. این پژوهش چهار مدل انفیس که با چهار مجموعه داده توسعه داده می شوند را ارزیابی و مقایسه می کند. به طوری که دو مجموعه داده یک و دو شامل کلیه متغیرهای ممکن در تحقیق، بدون پیش داوری از تاثیرگذاری آنها بر تقاضا و به ترتیب در افق های روزانه و سالانه می باشند. مجموعه داده سه و چهار نیز شامل متغیرهای موثر دو مجموعه قبلی هستند که به منظور شناسایی و انتخاب ویژگی های موثر بر متغیر وابسته تقاضا از الگوریتم جنگل تصادفی استفاده می شود. این اقدام موجب افزایش سرعت در پردازش این مدل ها و کاهش خطای آنها می گردد. یافته ها نشان داد که مجموعه داده شماره چهار که شامل ویژگی های مکانی در مقیاس سالانه است، عملکرد بهتری در توسعه مدل پیش بینی تقاضای انفیس برای دو سیستم اتوبوس و قطارشهری مشهد دارد. خطای داده های آموزش برای این مدل ۳۳۱/۰ و خطای داده های آزمایش ۰۹۵/۱است. خروجی مدل های پیش بینی در این تحقیق، در صورت ایجاد تغییرات در سطح بهره برداری از انواع کاربری های شهری مشهد، برآوردی از تقاضای حمل ونقل عمومی در دو افق روزانه و سالانه و به تفکیک نواحی ترافیکی در اختیار برنامه ریزان قرار می دهند.

کلیدواژه ها:

برآورد مقصد ، پیش بینی تقاضای سفر حمل ونقل عمومی ، داده های تراکنش های کارت های هوشمند ، سیستم استنتاج عصبی فازی تطبیقی ، متغیرهای مکانی و زمانی