چارچوب بیزی برای مدیریت هوشمند پارکینگ از طریق پیش بینی تقاضای چند متغیره با لحاظ عدم قطعیت

افزایش چشمگیر خودروها در محیط های شهری منجر به چالش های جدی در مدیریت منابع پارکینگ شده است. رویکردهای سنتی پیش بینی تقاضا عموما فاقد دقت کافی و توانایی برآورد عدم قطعیت هستند. این مقاله با هدف ارتقای قابلیت پیش بینی و تفسیرپذیری چارچوبی بیزی و ترکیبی ارائه می دهد که شامل شبکه های عصبی بیزی (BNN)، میانگین گیری بیزی مدل ها (BMA) و مدل سری زمانی ساختاری بیزی چند متغیره (MBSTS) است. این چارچوب داده های واقعی پارکینگ را در قالب چند متغیره مدل سازی کرده و روابط زمانی و رفتاری کاربران را تحلیل می کند. نتایج ارزیابی تجربی نشان می دهد مدل پیشنهادی نسبت به مدل های منفرد دقت بالاتر و محدوده عدم قطعیت معقول تری ارائه می دهد. این پژوهش با ارائه توصیه های سیاستی مبتنی بر داده بستر توسعه سامانه های مدیریت هوشمند پارکینگ را فراهم می سازد.

کلیدواژه ها:

مدیریت هوشمند پارکینگ ، پیش بینی تقاضا ، چارچوب بیزی ، عدم قطعیت ، شبکه عصبی بیزی ، شهر هوشمند