بررسی کاربرد کلان داده (Big Data) و تحلیل داده ها در بهینه سازی عملکرد مترو

با گسترش سریع شبکه های مترو در کلان شهرهای جهان، حجم عظیمی از داده های عملیاتی از سامانه های مختلف تولید می شود که می تواند برای بهبود کارایی و کاهش هزینه های بهره برداری مورد استفاده قرار گیرد. هدف پژوهش حاضر بررسی نقش کلان داده در ارتقای کارایی مترو از طریق تحلیل الگوهای سفر و مدیریت بهینه شبکه است. بر اساس هدف، روش پژوهش به صورت مروری نظام مند بر روی ۴۵ مطالعه معتبر داخلی و بین المللی انجام شده است که به شناسایی منابع داده، روش های پردازش و کاربردهای عملی کلان داده در چهار حوزه پیش بینی جریان مسافران، بهینه سازی زمان بندی، نگهداری پیش بینی کننده و مدیریت انرژی پرداخته است. نتایج پژوهش نشان داده که مدل های یادگیری عمیق در پیش بینی جریان مسافران به دقت بالای ۹۱ درصد دست یافته اند و رویکردهای داده محور در زمان بندی قطارها، ۷ تا ۱۴ درصد بهبود کارایی را ممکن ساخته اند. همچنین سیستم های نگهداری پیش بینی کننده با دقت ۹۹ درصد در تشخیص خرابی، هزینه های تعمیرات را تا ۲۵ درصد کاهش داده اند و الگوریتم های یادگیری ماشین در مدیریت انرژی، به صرفه جویی ۱۳ درصدی منجر شده اند. یکپارچه سازی داده های فروش بلیت، حسگرهای اینترنت اشیا و داده های تلفن همراه، امکان تحلیل دقیق تری را فراهم آورده است. با این حال، چالش هایی نظیر ناهمگونی داده ها، مسائل حریم خصوصی و هزینه های زیرساختی به عنوان موانع اصلی شناسایی شده اند. بر اساس نتایج، پیشنهاد می شود که سازمان های بهره بردار مترو با سرمایه گذاری در زیرساخت های جمع آوری داده، توسعه مدل های هوش مصنوعی و ایجاد پلتفرم های یکپارچه داده، گام های عملی در جهت بهره مندی از پتانسیل کلان داده بردارند و استانداردهای ملی را برای تبادل داده تدوین نمایند.

کلیدواژه ها:

کلان داده ، بهینه سازی عملکرد مترو ، پیش بینی جریان مسافران ، نگهداری پیش بینی کننده ، یادگیری ماشین