تحلیل نقش پیوندهای قوی و ضعیف در جریان اطلاعات سامانه های هوشمند پارکینگ فرودگاهی مبتنی بر یادگیری ماشین

افزایش تقاضای سفرهای هوایی و پیچیده تر شدن عملیات فرودگاهی، مدیریت هوشمند پارکینگ را به یکی از چالش های مهم سامانه های حمل و نقل هوشمند تبدیل کرده است. اگر چه مدل های یادگیری ماشین در سال های اخیر برای پیش بینی تقاضا و بهینه سازی ظرفیت پارکینگ مورد استفاده قرار گرفته اند، نقش ساختار شبکه اطلاعاتی و کیفیت تعاملات داده ای کمتر مورد توجه قرار گرفته است. این پژوهش با هدف بررسی تاثیر ساختار شبکه اطلاعاتی بر عملکرد مدل های یادگیری ماشین در سامانه های هوشمند پارکینگ فرودگاهی انجام شده است. در چارچوب پیشنهادی گره ها به عنوان منابع داده شامل حسگرها و سامانه های مدیریتی تعریف شده و روابط میان آنها بر اساس شدت تعامل اطلاعاتی مدل سازی شده اند. داده های اشغال پارکینگ در سناریوهای مختلف با نسبت های متفاوتی از پیوندهای قوی و ضعیف شبیه سازی و عملکرد مدل های پیش بینی با معیارهای خطای پیش بینی و شاخص های پایداری خروجی ارزیابی شد. نتایج نشان داد که تقویت پیوندهای قوی در شبکه اطلاعاتی موجب کاهش معنادار خطای پیش بینی و افزایش پایداری خروجی مدل می شود. این یافته ها بیانگر آن است که بهینه سازی ساختار شبکه اطلاعاتی می تواند به عنوان رویکردی مکمل در کنار طراحی الگوریتم های یادگیری ماشین به بهبود دقت و قابلیت اعتماد سامانه های هوشمند پارکینگ فرودگاهی منجر شود.

کلیدواژه ها:

سامانه هوشمند پارکینگ ، شبکه اطلاعاتی ، یادگیری ماشین ، پارکینگ فرودگاهی ، حمل و نقل هوشمند