شماره ركورد
26764
پديد آورنده
سياوش طاهري نويد
عنوان
برآورد ماتريس تقاضاي سفرهاي بينشهري با استفاده از دادههاي شبكه تلفن همراه: مطالعه موردي استان تهران
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
مهندسي عمران - گرايش حملونقل
سال تحصيل
1398
تاريخ دفاع
1401/04/05
استاد راهنما
دكتر افشين شريعت مهيمني
دانشكده
مهندسي عمران
چكيده
امروزه بحث كلان دادهها و چگونگي بهرهگيري از آنها در زمينههاي مختلف مهندسي مانند كاربرد در برنامهريزي حملونقل، با توجه به وجود منابع غني ازاينگونه دادهها و همينطور ثبت و نگهداري مداوم آنها به يكي از عوامل مهم در تجزيهوتحليل و استخراج پارامترهاي مربوط به سفر افراد بدل گشتهاند. در اين ميان توسعه سريع شبكههاي مخابراتي و افزايش ضريب نفوذ تلفن همراه در ساليان اخير، منابعي از دادههاي ارزشمند در مورد نحوه جابجايي افراد در مكان و زمانهاي مختلف فراهم كرده است. اين دادههاي كلان ميتوانند در زمينههاي مختلف حملونقلي ازجمله بررسي رفتار سفر افراد، شناسايي الگوهاي جابجايي، مطالعات عارضهسنجي و غيره مورداستفاده قرار گيرند. استخراج ماتريس مبدأ–مقصد و توليد-جذب سفر افراد، نمونههاي پركاربردي از رفتار سفر هستند كه پژوهشگران به آنها پرداختهاند. ظهور اين دادهها موجب تغيير درروند سنتي جمعآوري و پردازش دادهها شده است و بهكارگيري آنها باوجود معايبي كه هر پايگاه دادهاي ممكن است داشته باشد، ميتواند نتايج حاصل از مطالعات حملونقلي را بهروز و قابلاعتمادتر سازد. در اين پژوهش تلاش شده است به كمك دادههاي ثبتشده تلفنهاي همراه مربوط به پنج روز كاري استان تهران و با استفاده از الگوريتمهاي يادگيري ماشين، برآورد ماتريس مبدأ-مقصد و توليد-جذب سفرهاي بين شهرستانهاي استان تهران به تفكيك اهداف كاري و غير كاري، خانهمبنا و غير خانهمبنا صورت گيرد. درنهايت اين ماتريسها بهكل جامعه موردنظر تعميم داده شدند و براي اعتبارسنجي با حجمهاي گزارششده از ترددشمارهاي سازمان راهداري مقايسه گرديدند. نتايج نشان داده است مقدار ضريب تعيين R2 برابر 0.9738، شيب برازش 0.9249، ضريب پيرسون 0.9868 و مقدار پي 0.00085 بهدستآمدهاند كه بيانگر تطابق خوب ماتريس مبدأ-مقصد برآوردشده با دادههاي ترددشماري است؛ بنابراين ماتريس تقاضاي سفر برآورد شده ميتواند با دقت بالايي سفرهاي بينشهري در استان تهران را تخمين بزند.
تاريخ ورود اطلاعات
1401/04/28
عنوان به انگليسي
Estimation of Intercity Trip Demand Matrices from Mobile Network Data: A Case Study of Tehran Province
تاريخ بهره برداري
6/26/2023 12:00:00 AM
دانشجوي وارد كننده اطلاعات
سياوش طاهري نويد
چكيده به لاتين
Nowadays, the issue of big data and how to use them in various fields of engineering, such as applications in transportation planning, due to the rich resources of such data and their continuous recording and storing has become one of the important factors in analyzing and extracting parameters related to individual’s trip. Meanwhile, the rapid development of telecommunication networks and the increasing penetration rate of cell phones in recent years have provided valuable data sources on how people move among different places and times. This big data can be used in various fields of transportation, including the study of people's travel behavior, identification of movement patterns, impact studies, and etc. Extraction of Origin-Destination and Production-Attraction matrices are widely used examples of travel behavior that researchers have addressed. The advent of this data has changed the traditional process of data collection and processing, and usage of them, despite the disadvantages that any database may have, can make the results of transportation studies up-to-date and more reliable. In this research, an attempt has been made to estimate the Origin-Destination matrix and trip Production-Attraction between counties of Tehran province by home-based-work, home-based-other and non-home-based purposes, using recorded cellular data related to five days in Tehran province and using machine learning algorithms. Finally, these matrices were generalized to the whole community and compared for evaluation with the reported volumes of Iran Road Organization's traffic counts. The results show that the determination coefficient of R2 is 0.9738, the slope of regression is 0.9249, the Pearson coefficient is 0.9868 and the P-value 0.00085 is obtained, which indicates the good agreement of the estimated Origin-Destination matrix with the traffic counts data. Therefore, the estimated travel demand matrix can accurately estimate intercity trips in Tehran province.
كليدواژه هاي فارسي
ماتريس تقاضاي سفر , كلان داده , دادههاي تلفن همراه , استان تهران
كليدواژه هاي لاتين
Travel demand matrix , big data , mobile network data , Tehran Province
Author
Siavash Taherinavid
SuperVisor
Dr. Afshin Shariat Mohaymany