ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

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

تعداد صفحات: 18 | تعداد نمایش خلاصه: 514 | نظرات: 0
سال انتشار: 1392
کد COI مقاله: TTC13_225
زبان مقاله: فارسی
(فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 18 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

نوید کلانتری - دکترای برنامه ریزی حملونقل، گروه پژوهشی حملونقل شاران
رامین خاورزاده - دانشجوی دکترای آمار کاربردی، گروه پژوهشی حملونقل شاران
امیر قیاسی - کارشناس ارشد برنامه ریزی حمل ونقل، گروه پژوهشی حملونقل شاران

چکیده مقاله:

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:

سري هاي زماني، مدل هاي پيش بيني، همبستگي جزئي، سري هاي زماني فصلي، شبكه عصبي

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/259627/

کد COI مقاله: TTC13_225

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کلانتری، نوید و خاورزاده، رامین و قیاسی، امیر،1392،پیش‌بینی تعداد مسافران قطار سبک شهری مشهد به روش سری‌های زمانی فصلی،سیزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران،،،https://civilica.com/doc/259627

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، کلانتری، نوید؛ رامین خاورزاده و امیر قیاسی)
برای بار دوم به بعد: (1392، کلانتری؛ خاورزاده و قیاسی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • M. Gaudry, "An aggregate time-series analysis of urban transit demand: ...
  • M. Kyte, J. Stoner, and J. Cryer, "A time-series analysis ...
  • W.-C. Chiang, R. A. Russell, and T. L. Urban, "Forecasting ...
  • G. A. Davis and N. L. Nihan, _ 'Nonp arametric ...
  • B. L. Smith and M J. Demetsky, "Short-term traffic flow ...
  • M. S. Dougherty and M. R. Cobbett, "Short-term inter-urban traffic ...
  • M. M. Hamed, H. R. Al-Masaeid, and Z. M. B. ...
  • B. M. Williams and L. A. Hoel, "Modeling and forecasting ...
  • Box, G. a. (1976). Time series analysis: forecasting and control, ...
  • Duenas, C. F. (2005). Stocastic model to forecast ground level ...
  • Gouvia, N. a. (2000.). Time series analysis of air pollution ...
  • Hamilton, J. (1994). Time series analysis, . Time series analysis, ...
  • forecasting, vol. 13, pp. 21-31, 1997. ...
  • Ingrisch, M. S. (2009). Model selection in dynamic contrast enhanced ...
  • atmospheric emission projections from key pollutant sources in Spain. Atmospheric ...
  • 5 -Wagemakers, E. a. (2004). AIC model selection using Akaike ...
  • PhD Student, Department of Statistics, Sharan Transportation Research Center (STRC) ...
  • MSc in Transportation Engineering, Sharan Transportation Research Center (STRC) ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی