بررسی تردد اتوبوس های درون شهری با استفاده از GPS Mining

دانش داده کاوی کشف اطلاعات نهفته از بین انبوهی از داده ها است که توسط ماشین ها تولید و ذخیره می شود، در تئوری های مدیریت دانش و کشف دانش به این مجموعه داده ها، داده های دست دوم گویند به این معنا که منظور از تولید آنها چیز دیگری است اما می توان اطلاعات بیشتری را بر اساس اهداف خاصی بدست آورد. این تحقیق به بررسی موضوع خوشه بندی تردد اتوبوس های درون شهری با استفاده از GPS Mining می پردازد . بدین منظور ابتدا داده های ذخیره شده در پایگاه داده SQL را تبدیل به فایل Excel کرده، و پس از پاک سازی و پالایش داده ها، یک مجموعه داده نهایی برای اعمال مدل تشکیل میگردد. در این مطالعه از روش مدل رگرسیون درختی CART و مدل شبکه عصبی MLP و مدل رگرسیون لجستیک چند رسته ای MLR استفاده می شود و سه مدل MLP ،CART ، MLR با سه شاخص دقت، حساسیت و مختص بودن مدلها مورد ارزیابی قرار می گیرد. نتایج حاکی از آن است که دو شاخص اختصاص داشتن و دقت مدل شبکه عصبی عملکرد بهتری دارد و در تحلیل حساسیت، مدل رگرسیون درختی بهترین عملکرد را نشان می دهد. در تحلیل حساسیت مدل شبکه عصبی با برخورداری از 83% مطلوبیت، مدل رگرسیون درختی به عنوان مدل دوم معرفی می شود.

کلیدواژه ها:

داده کاوی ، مدل رگرسیون درختی CART ، مدل شبکه عصبی MLP ، مدل رگرسیون