تعیین خصوصیات اقتصادی – اجتماعی مسافران درترافیک شهری با استفاده از هوش مصنوعی

در مدل های پیش بینی تقاضای سفر ویژگی های اقتصادی – اجتماعی افراد به عنوان ورودی مدل استفاده می شود. این ویژگیها از طریق روشهای مختلف آمارگیری جمع آوری می شدند. با رشد جمعیت مسافران داده های بزرگ مبتنی بر جمعیت به طورگسترده دربرنامه ریزی حمل و نقل استفاده می شود و روش های سنتی برای جمع آوری ویژگی های اقتصادی – اجتماعی افراد کارساز نیستند. از این رو محققان برآن شدند تا با استفاده از الگوی سفرهایی که اشخاص قبلا انجام داده اند، این پارامترها را بدست آورند. دراین مطالعه به کمک مدل های هوش مصنوعی و بخصوص مدل های یادگیری عمیق سعی شده است تا از روی الگوی سفرهای افراد این ویژگی ها استخراج شود. یکی از مدل هایی که اخیرا موردتوجه محققان قرار گرفته است مدل LSTM است که این مدل برای به خاطر سپردن رویدادهای قبلی است، که در این پژوهش مورد استفاده قرارگرفته است. سن، درآمد و جنسیت از مهم ترین ورودی های این مدل می باشد. گروه های سنی، جنسیتی و درآمدی مختلف ممکن است ترجیحات رفتار سفر خاصی داشته باشندکه سعی شده با بررسی رفتارهای سفر آنها این ویژگی ها کشف شود. یکی از منابع مهم برای مشخص کردن الگوی سفر افراد داده های تلفن همراه است که جابجایی روزانه آن ها را نشان می دهد. با توجه به دردسترس نبودن داده های تلفن همراه مسافران، دراین تحقیق از مجموعه داده نظرسنجی بررسی ملی مسافرت خانگی NHTS استفاده شده است. با استفاده ازنتایج به دست آمده، به کمک داده های تلفن همراه مسافران، ویژگیهای اقتصادی و اجتماعی آنها برای استفاده در مدل های تقاضای سفربه دست می آیند.

کلیدواژه ها:

مدل تقاضای سفر ، پارامترهای اقتصادی – اجتماعی ، یادگیری عمیق ، مدل LSTM