متن کامل خبر


 
جلسه دفاع از پایان‌نامه: علی اردستانی، گروه برنامه‌ریزی حمل‌ونقل

خلاصه خبر: پیش‌بینی تقاضای مسافران اتوبوس با استفاده از داده‌های کارت‌های هوشمند در حمل‌ونقل همگانی

  • عنوان: پیش‌بینی تقاضای مسافران اتوبوس با استفاده از داده‌های کارت‌های هوشمند در حمل‌ونقل همگانی
  • ارائه‌کننده: علی اردستانی
  • استاد راهنما: آقای دکتر سیداحسان سیدابریشمی
  • استاد ناظر داخلی : آقای دکتر محمود صفارزاده
  • استاد ناظر خارجی : آقای دکتر محمود مصباح (دانشگاه امیرکبیر)
  • نماینده تحصیلات تکمیلی: آقای دکتر امیررضا ممدوحی
  • مکان: کلاس 603
  • تاریخ: 1396/10/13
  • ساعت: 8:00

چکیده: امروزه سهم عمده‌ای از جابجایی‌های درون کلان‌شهرها به‌وسیله سیستم‌های حمل‌ونقل همگانی انجام می‌پذیرد و برنامه‌ریزی‌های آتی در شهرهای بزرگ و پرجمعیت به توسعه و بهینه‌سازی عملکرد خطوط همگانی برای افزایش سهم این شیوه، وابسته است. برنامه‌ریزی‌های مختلف در این حوزه بدون توجه به پیش‌بینی تقاضای کوتاه‌مدت و بلندمدت امکان‌پذیر نیست. در این پایان‌نامه به پیش‌بینی کوتاه‌مدت تقاضای اتوبوس‌های تغذیه‌کننده شهر تهران با استفاده از داده‌های جمع‌آوری‌شده به‌وسیله کارت‌های هوشمند و سیستم موقعیت‌یاب خودکار اتوبوس‌ها برای چند خط نمونه در سطح شهر تهران، پرداخته می‌شود. هدف از پیش‌بینی‌های کوتاه‌مدت، فراهم آوردن امکان برنامه‌ریزی‌های کوتاه‌مدت در تخصیص ناوگان‌ها در برنامه اعزام‌ها، به‌کارگیری راهکارهای عملیاتی مناسب برای افزایش کارایی و اطلاع‌رسانی به مسافران برای انتخاب برنامه سفرهای مناسب است. در این مطالعه پیش‌بینی تقاضای کوتاه‌مدت خطوط بر اساس ویژگی‌های مکان قرارگیری خطوط و شرایط آب‌وهوایی به‌وسیله مدل‌های سری زمانی و شبکه عصبی انجام پذیرفته است. همچنین الگوریتمی برای تطابق داده‌های کارت هوشمند و موقعیت‌یاب خودکار اتوبوس‌ها ارائه‌شده که با استفاده از خروجی‌های این الگوریتم، می‌توان پیش‌بینی کوتاه‌مدتی از تقاضای ایستگاه‌ها با استفاده از مدل‌های یادشده ارائه کرد. نتایج مدل‌های پیش‌بینی تقاضای ایستگاه‌ها نشان داد که متغیرهای تعطیلات، آب‌وهوا و فصل‌ها بر این تقاضا مؤثر بوده‌اند. نتایج این مطالعه نشان داد که مدل شبکه عصبی با دقت 98% و مدل سری زمانی با دقت 86% می‌توانند تقاضای خطوط اتوبوس شهر تهران را پیش‌بینی کنند و همچنین مدل شبکه عصبی می‌تواند با دقت 74% و مدل‌سری زمانی با دقت 64% تقاضای ایستگاه‌های خط 208 شهر تهران را به‌صورت کوتاه‌مدت، پیش‌بینی نمایند.
کلمات کلیدی: پیش‌بینی کوتاه‌مدت تقاضا، کارت هوشمند، مدل‌های سری زمانی، مدل‌های شبکه عصبی، مدیریت ناوگان اتوبوس، سیستم‌های حمل‌ونقل هوشمند.

11 دی 1396 / تعداد نمایش : 95