برآورد تقاضای سفر جاده ای با استفاده از روش های رگرسیون و شبکه عصبی (مطالعه موردی: آزادراه قم تهران)

  • سال انتشار: 1397
  • محل انتشار: پژوهشنامه حمل و نقل، دوره: 15، شماره: 3
  • کد COI اختصاصی: JR_TRJ-15-3_022
  • زبان مقاله: فارسی
  • تعداد مشاهده: 738
دانلود فایل این مقاله

نویسندگان

سید احمد الماسی

دانش آموخته کارشناسی ارشد، مرکز تحقیقات و خودکفایی قرارگاه سازندگی خاتم الانبیاء، تهران، ایران

محمدمهدی خیبری

دانشیار، دانشکده مهندسی عمران، دانشگاه یزد، یزد، ایران

محمد ارباب پوربیدگلی

داشن آموخته کارشناسی ارشد، گروه مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران

امیرحسین فانی

دانشجوی دکتری، گروه مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران

چکیده

سفر یکی از وجوه مهم زندگی بشر بوده و از مهم ترین فعالیت های ادواری (یا غیرادوار) محسوب می شود. به همین دلیل، طی سالیان دراز، شیوه های مختلفی برای تامین این نیاز جوامع ابداع شده است. سیستم حمل و نقل نیز مانند بسیاری از دستگاه های صنعتی تاثیر از روابط عرضه و تقاضا بوده و هرگونه اقدامی در این حوزه باید با توجه به روابط موجود و روندهای آینده عرضه و تقاضا برنامه ریزی گردد. در این پژوهش با استفاده از 3 روش مدل سازی رگرسیون خطی ساده، رگرسیون چند متغیره و شبکه عصبی پرسپترون چند لایه به پیش بینی تقاضای سفر محور قم تهران (آزادراه) پرداخته شده است اطلاعات مورد استفاده در این تحقیق شامل اطلاعات مرکز آمار کشور، سالنامه های آماری و همچنین اطلاعات تردد شمار محور قم تهران می باشد متغیرهای مستقل در روش رگرسیون چند متغیره و شبکه عصبی شامل جمعیت، جمعیت شاغل، میزان درآمد بوده و در مدل رگرسیون خطی ساده جمعیت می باشد. نتایج مطالعه نشان می دهد که همبستگی پیرسون بین متغیرهای در نظر گرفته شده در روش های شبکه عصبی، رگرسیون چند متغیره رگرسیون خطی به ترتیب 0/995، 0/93، 0/823 بوده و میزان موفقیت هر یک از مدل های مذکور در برآورد متغیر وابسته (تقاضای سفر) به ترتیب 0/99، 0/853، 0/541 بوده است. مقایسه روش ها نشان داده است که روش شبکه عصبی بیشترین همبستگی و دقت و روش رگرسیون خطی ساده کمترین همبستگی و دقت در برآورد تقاضا دارد.

کلیدواژه ها

تقاضا، پیش بینی، شبکه عصبی، رگرسیون، آزادراه

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.