15137

بررسي مدل‌هاي پيش‌بيني جريان‌ مسافري با استفاده از تكنيك‌هاي يادگيري ‌ماشين

1401

دكتر مسعود يقيني

امروزه با توجه به گسترش روز‌افزون تعداد ‌مسافران، برنامهريزي جهت تخصيص وسايل حمل‌ونقل بيش از پيش مورد توجه قرار گرفته است. با پيش‌بيني تعداد مسافران، مي‌توان تصميمات درستي جهت افزايش رضايتمندي مسافران، كاهش هزينه‌هاي تاخير و ..... اتخاذ كرد. از ميان سيستم‌هاي مختلف حمل‌و‌نقل، حمل‌و‌نقل ريلي، بخش مهمي از جابجايي ترافيك بار مسافري را بر‌عهده دارد و به خاطر داشتن مزيت‌هاي مهم و تاثيرگزار، نقش قابل توجهي را در اين زمينه ايفا مي‌نمايد كه اين امر بيانگر اهميت بررسي موضوع" پيش‌بيني جريان مسافري با استفاده از تكنيك‌هاي يادگيري ماشين" مي‌باشد. يادگيري ماشين در دنياي امروز كاربرد‌هاي بي‌شماري دارد به طوريكه در بسياري موارد در فعاليت‌هاي روزمره از كمك آن استفاده مي‌كنيم بدون اينكه لزوما متوجه باشيم. يادگيري ماشين بررسي مي‌‌كند كه چگونه رايانه‌ها مي‌توانند بر اساس داده‌ها ياد بگيرند يا عملكرد خود را بهبود بخشند. در بررسي حاضر به تكنيك‌هاي داده‌كاوي به عنوان فرآيند كشف الگو‌هاي مفيد از منابع داده‌اي مختلف در جهت پيش‌بيني جريان مسافري در سه بخش حمل‌و‌نقل ريلي، حمل‌و‌نقل هوايي و ايستگاه‌هاي اتوبوس مسافري پرداخته شده است. هدف از اين سمينار بررسي مدل‌هاي پيش‌بيني جريان مسافري با استفاده از تكنيك‌هاي يادگيري ماشين به منظور بهبود عملكرد حمل‌ونقل ريلي مي‌باشد. در اين ارتباط تعداد 21 مقاله كه طي سال 2010 تا 2023 ميلادي توسط محققين در كشور‌هاي مختلف به آن پرداخته شده، مورد بررسي و مطالعه قرار گرفته است. حوزه اصلي مطالعات انجام گرفته اين است كه برنامه‌هاي رايانه‌اي مي‌توانند به طور خودكار تشخيص الگوهاي پيچيده و تصميم‌گيري هوشمندانه بر اساس داده‌ها را بياموزند.

4/20/2024 12:00:00 AM

87772

1404/07/27

Analysis of Passenger Flow Prediction Models Using Machine Learning Techniques

داده‌كاوي , جريان‌ مسافري , مترو , ايستگاه‌ مترو , يادگيري ماشين , يادگيري‌عميق , حمل‌و‌نقل ريلي شهري

Data Mining , Passenger Flow , Metro , Metro Station , Machine Learning , Deep Learning , Urban Rail Transit