23363

ارائه مدلي براي ارزيابي تاخيرات ناشي از خرابي زيربنا - مطالعه موردي محور تهران - مشهد

كارشناسي ارشد

مهندسي خط و سازه هاي ريلي

1397

1399/12/18

دكتر سيد مسعود نصر آزاداني

راه آهن

در مسافرت‌هاي ريلي يكي از مهم‌ترين عواملي كه باعث نارضـايتي مسافرين و كاهش كيفيت خدمات مي‌شود، مسئله تأخيرات در طي مسير مي‌باشد كه اين امر ممكن است موجب تحميل هزينه‌هاي مالي هنگفتي به شركت‌هاي ريلي و نيز هزينه‌هاي زماني غيرقابل جبران براي مسافرين گردد. در قطارهاي مسافري با توجه به ريشه مشكلات، تاخيرات مختلفي ممكن است بوجود آيد. دسته مهمي از اين مشكلات مرتبط با مباني زيربنايي و زيرساختي موجود و بالقوه در طي يك مسير است. پيش‌بيني تاخيرات يكي از ابزارهاي مهمي هست كه مي‌تواند براي شناسايي دلايل تاخير، كاهش تاخيرات و رفع مشكلات بوجود آورنده آن‌ها مفيد واقع شود. در اين تحقيق تلاش مي‌شود تا تاخيرات ناشي از مباني زيربنايي با توجه به داده‌هاي جمع‌آوري شده از محور تهران-مشهد مورد بررسي قرار گيرد. در ادامه براي مدل‌سازي پيش‌بيني تاخيرات ناشي از مشكلات ذكر شده از سه روش درخت تصميم، بيز ساده و شبكه عصبي كه از مهم‌ترين ابزارهاي دسته‌بندي در يادگيري ماشين مي‌باشند، استفاده شده است. پس از طراحي و پياده‌سازي مدل‌هاي ذكر شده در قسمت ارزيابي دقت، روش شبكه عصبي با 93 درصد نسبت به دو روش ديگر عملكرد بهتري در پيش‌بيني تاخيرات داشته است.

1400/01/07

A Model for Evaluating Delays Due to Infrastructure Failures – Case Study of Tehran-Mashhad Line

3/8/2021 12:00:00 AM

In rail transport, one of the most important factors that cause passenger dissatisfaction and reduced quality of service is the issue of delays during the travel, which may impose huge financial costs on rail companies as well as irreparable time costs for passengers. Depending on the root of the problem, various delays may occur on passenger trains. An important category of these problems is related to the existing and potential infrastructure problems during the travel. Delay prediction is one of the most important tools which can be useful to identify the causes of delays, reduce fix these problems. The proposal of this research is to investigate the delays caused by the infrastructure problems according to the data collected from the Tehran-Mashhad line. In order to model the prediction of delays caused by the mentioned problems, three methods of Decision Tree, Naive Bayesian and Neural Network are used. The aforementioned methodes are the one the most important classification tools in machine learning science. After designing and implementing the models, the accuracy of the neural network method with 93% give better performance in predicting delays than the other two methods.

مباني زيربنايي , مدل‌سازي , يادگيري ماشين , درخت تصميم , بيز ساده , شبكه عصبي

Train Delays , Machine Learning , Model, Decision Tree , Naive Bayesian , Neural Network