پیش‌بینی تعداد مسافران قطار سبک شهری مشهد به روش سری‌های زمانی فصلی

امروزه تمرکز بیشتر در برنامه‌ریزی حمل و نقل بر روی برنامه‌ریزی‌های پویا و در نتیجه آنها مدلسازی کوتاه‌مدت و پویای ترافیکی است. مدل‌سازی و پیش‌بینی تعداد مسافران قطار شهری یکی از کارهای اساسی برای رسیدن به مدیریت بهینه و پویا در قطار شهری می باشد. یکی از راه‌های پیش‌بینی تعداد مسافران قطار شهری استفاده از تکنیک‌های سری‌های زمانی است . هدف از این پژوهش بررسی کارایی تکنیک سری‌های زمانی در پیش‌بینی تعداد مسافران می‌باشد. به این منظور از داده‌های تعداد مسافران قطار شهری، شهر مشهد از بدو تأسیس تا ابتدای سال 1392 به صورت روزانه استفاده شد. روند تعداد مسافران در طول این زمان برآورد شد و هم‌چنین اثر روزهای هفته و روزهای خاص پرسفر و کم سفر و هم‌چنین روزهای تعطیل محاسبه شد و در نهایت با استفاده از مدل فصلی ساریما مدلی برای براورد تعداد مسافران ساخته شده است. در نهایت این مدل با پیش‌بینی تعداد مسافران به روش شبکه عصبی، مورد مقایسه قرار گرفته است.

کلیدواژه ها:

سری های زمانی ، مدل های پیش بینی ، همبستگی جزئی ، سری های زمانی فصلی ، شبکه عصبی