برآورد ماتريس مبدأ - مقصد سفرهاي روزانه شهري بر اساس داده‌هاي انبوه (مطالعه موردي: محدوده مركزي شهر تهران)

دكتري تخصصي

پيش‌بيني ماتريس مبدأ - مقصد سفرها در شهرها نقش اساسي را در برنامه‌ريزي حمل‌ونقل ايفا مي‌كند. روش‌هاي برآورد ماتريس مبدأ- مقصد سفرها به‌صورت گسترده‌اي در حال انتقال از روش‌هاي مرسوم آماربرداري به سمت استفاده از داده‌هاي سامانه‌هاي حمل‌ونقل هوشمند از قبل جمع‌آوري شده است. علت اين انتقال يكي هزينه‌هاي بالاي انجام آماربرداري‌هاي سنتي و ديگري تنوع داده‌هاي توليدي توسط سامانه‌هاي حمل‌ونقل هوشمند و امكان بهره‌برداري مضاعف از آن‌ها است. اين داده‌ها مجموعه‌اي متنوع از داده‌هاي انبوه را تشكيل مي‌دهند. بهترين رويكرد در مواجه با داده هاي با حجم، تنوع و سرعت انتشار بالا روش‌هاي يادگيري ماشيني مبتني بر روش‌هاي يادگيري عميق است. لذا در اين پايان نامه نيز از اين روش‌ها جهت برآورد ماتريس مبدأ – مقصد سفرهاي روزانه و ساعتي شهروندان استفاده گرديده است. لذا با استفاده از مجموعه‌اي از داده‌هاي سامانه‌هاي هوشمند حمل‌ونقل، شامل: سامانه‌هاي پلاك خوان، كارت‌هاي هوشمند پرداخت، ترددشمارها در تقاطعات، سامانه موقعيت‌ياب جهاني نرم‌افزارهاي ناوبري در كنار مشخصات اجتماعي-اقتصادي، جمعيتي و كاربري زمين نواحي ترافيكي، اقدام به پيش‌بيني ماتريس مبدأ- مقصد شده است. مدل پيشنهادي اين پايان‌نامه در كلان‌شهر تهران به‌عنوان مطالعه موردي مورد ارزيابي قرار گرفته است. به منظور ارزيابي نتايج علاوه بر روش‌هاي آماري از روش ابداعي جهت مقايسه ساختاري ماتريس برآورد شده و ماتريس مرجع استفاده است. شبكه عصبي پيچشي پيشنهادي اين پايان‌نامه بهترين عملكرد را از نظر دقت پيش‌بيني ماتريس مبدأ-مقصد و كمترين خطا را با توجه به شاخص‌هاي ميانگين مربعات خطا و درصد ميانگين خطا دارد، همچنين خروجي مدل شبكه عصبي پيچشي بيشترين شباهت ساختاري را با ماتريس مبدأ - مقصد مرجع نشان داد.

210624

دانشگاه علم و صنعت ايران

مهندسي عمران- برنامه ريزي حمل ونقل

دكتر شهريار افنديزاده زرگري