پیش بینی سفر با هدف خرید (برخط و برون خط) با بهره گیری از رویکرد یادگیری عمیق

تولید سفر در مدیریت حمل و نقل موجب مطالعات گسترده ای برای اهداف سفر قرار گرفته است. سفرهای درون شهری با اهداف کار، خرید، آموزش و غیره تقسیم می شود. در شهر تهران ۱۲ درصد سفرها با اهداف خرید هستند، که بعد از سفر با هدف کار، اهمیت این نوع سفر را برای مطالعات مدنظر را بیان می کند. اولویت بندی عوامل موثر بر ایجاد سفرهای با هدف خرید بر خط و برون خط می توان نقش بسزایی در کاهش هزینه های حمل و نقلی، کاهش انتشار آلاینده، افزایش رضایت مندی کاربران و کمک به رشد توسعه پایدار داشت. در این پژوهش، با توجه به فراوانی داده‎ها در مناطق ۲ و ۵ کلانشهر تهران و محاسبات بر اساس فرمول کوکران، ۱۵۰۰ پرسشنامه در اختیار شهروندان این نواحی قرار گرفت. در نهایت، ۱۰۰۰ پرسشنامه از شهروندان فعال در حوزه تجارت الکترونیک این مناطق که در ۲۰ روز پایانی سال ۱۴۰۰، سفارش موفق در سرویس های برخط و برون خط داشته اند جمع آوری گردید. نتایج آمار توصیفی نشان داد که بیشترین سهم در جامعه آماری را مردان مجرد در بازه سنی ۱۸-۳۵ سال بدون مالکیت خودرو و دارای مدرک کارشناسی با سطح درآمد ۱۰-۱۵ سال تشکیل داده اند. همچنین عمده این افراد را کارمندان تمام وقت تشکیل داده اند. در این مقاله، از شاخص های سن، جنسیت، وضعیت تاهل، مالکیت خودرو، هزینه ارسال، زمان ارسال، قیمت محصول، درآمد خانوار، وضعیت اشتغال و میزان تحصیلات به عنوان شاخص های اثرگذار بر نوع سفر استفاده شده است. در گام بعد، پس از تعیین معماری بهینه شبکه عمیق، به ارزیابی نتایج پرداخته شد. به منظور مقایسه روش پیشنهادی، از الگوریتم های شبکه عصبی MLP، درخت تصمیم و KNN استفاده گردید. نتایج نشان داد مدل عمیق با دقت ۹۵.۶۳ درصد دارای بهترین عملکرد می باشد. پس از آن، شبکه عصبی با دقت ۹۰.۱۲ درصد، درخت تصمیم با دقت ۸۶.۴۹ درصد و مدل KNN با دقت ۸۰.۱۶ درصد قرار دارند.

کلیدواژه ها:

سفر با هدف خرید ، تحلیل رفتار شهروندان ، خرید برخط ، خرید برون خط ، یادگیری عمیق