27352

استخراج الگوهاي جريان‌هاي مسافري مترو با استفاده از تكنيك‌هاي داده كاوي

كارشناسي ارشد

مهندسي راه‌آهن- حمل و نقل ريلي

1398

1401/6/8

مسعود يقيني

مهندسي راه‌آهن

امروزه، داده‌هاي زيادي در صنايع گوناگون در حال ذخيره شدن هستند و يكي از ابزارهاي بسيار مهم در تحليل داده‌ها، به منظور بررسي روابط گوناگون در مطالعات علمي، داده‌كاوي مي‌باشد. مديريت حمل‌و‌نقل ريلي شهري نيز، از اين ابزار بسيار استفاده مي‌كند و با گذشت زمان، شاهد افزايش چشمگير كاربرد تكنيك‌هاي داده‌كاوي در مديريت مترو هستيم. در اين راستا، خوشه‌بندي ايستگاه‌هاي مترو و استخراج و خوشه‌بندي جريان‌هاي مسافري نقش مهمي در زمينه مديريت كارآمدتر سيستم حمل‌ونقل مترو ايفا مي‌كنند. در اين پايان‌نامه، ابتدا به تحليل و توصيف جريان‌هاي مسافري در مترو تهران پرداخته شده است، سپس نقش پارامترهاي زماني و مكاني بر روي كيفيت خوشه‌بندي ايستگاه‌ها بررسي شده است و در نهايت يك روش كابردي به منظور استخراج الگوهاي جريان‌هاي مسافري استفاده شده است. ابتدا جريان‌هاي مسافري از لحاظ نوع روز به سه دسته روزهاي كاري، پنج‌شنبه‌ها و جمعه‌ها تقسيم شده‌اند و با يكديگر از لحاظ الگوي ورود و خروج مسافران در طول روز مقايسه شده‌اند. همچنين مقايسه‌اي بين حجم و الگوي ورود و خروج مسافران در ارديبهشت ماه سال‌هاي 1398، 1399 و 1400 بر حسب روزهاي مختلف ماه انجام شده است. در مرحله بعد، نقش پارامترهاي حداكثر فاصله نقاط مهم شهري از ايستگاه‌هاي مترو و بازه‌هاي تجميعي زماني حجم مسافران بر روي كيفيت نهايي خوشه‌بندي به وسيله‌ الگوريتم‌هاي كا-ميانگين و مدل تركيبي گاوسي در تعامل با تعداد خوشه‌ها مورد بررسي قرار گرفته است. در نهايت بر اساس معيار سيلاوت الگوريتم كا-ميانگين، در بازه تجميعي يك ساعته، با در نظر گرفتن حداكثر فاصله 1000متر، با تعداد 6 خوشه بهترين كيفيت خوشه بندي را ارائه داده است. همچنين بر اساس معيار كالينسكي بهترين كيفيت خوشه بندي مربوط به الگوريتم كا-ميانگين، در بازه تجميعي يك ساعته، با در نظر گرفتن حداكثر فاصله 1000 متر، با تعداد 6 خوشه بوده است. در نهايت، در زمينه استخراج و خوشه‌بندي جريان‌هاي مسافري، خوشه‌بندي‌هاي جريان‌هاي مسافري صورت گرفته به صورت قطعي و غيرمنعطف بوده است كه در شرايط بحراني مي‌تواند كارايي تصميم‌گيري توسط مديريت حمل‌ونقل شهري را تحت تاثير قرار دهد. بعد از اعمال خوشه‌بندي بر روي جفت مبدا-مقصدها، بعضي از جفت مبدا-مقصدها كه به هيچ خوشه‌اي تعلق ندارند، در صورت داشتن شرايط همسايگي مكاني با يكي از جفت مبدا-مقصدهاي موجود در يك خوشه خاص، به صورت نسبي در آن خوشه قرار مي‌گيرند كه در شرايط بحراني، به نسبت اين همسايگي، اين جفت‌ مبدا-مقصدها نيز در تصميم‌گيري‌ها دخيل باشند.

1401/08/29

Extracting Patterns of Subway Passengers’ Flows Using Data Mining Methods

8/30/2023 12:00:00 AM

nowadays, a lot of data are being stored in various industries. in scientific studies, data mining is one of the most important tools in data analysis, in order to study various relationships. the urban rail transport industry also uses this tool, and over time, we have witnessed a significant increase in applications of data mining techniques in urban rail transport industry. in this regard, the clustering of metro stations and extraction and clustering of passengers’ flows play an important role in the more efficient management of the subway system. In this thesis, first the analysis and characterization of passengers’ flow in Tehran subway is studied, then the role of time and spatial parameters on the quality of clustering of stations has been investigated and, in the end, a practical method is used to extract the patterns of passengers flows. First, passenger flows are divided into three categories of working days, Thursdays and Fridays and are compared with each other in terms of the pattern of arrival and departure of passengers during the day. Also, a comparison between the volume and patterns of arrival and departure of passengers in the Ordibehesht of 1398, 1399 and 1400 has been done in different days of the month. In the next step, the role of parameters of the maximum distance of points of interest from metro stations and cumulative time intervals of passenger volume on the final quality of clustering by means of k-means algorithms and Gaussian mixture model in interaction with the number of clusters, is investigated. Finally, based on the silhouette score, k-means algorithm has provided the best quality of clustering by 6 clusters in the one-hour period, considering the maximum distance of 1000 m. Also, based on the Calinski score, k-means algorithm has provided the best quality of clustering by 6 clusters, in the one-hour period, considering the maximum distance of 1000 m. Finally, in the field of extraction and clustering of passenger flows, the clustering of passenger flows has been done in a definite and inflexible manner, which can affect the efficiency of decision-making by urban transportation management in critical situations. After applying clustering on the origin-destination pairs, some origin-destination pairs that do not belong to any cluster, if they have the conditions of spatial neighborhood with one of the origin-destination pairs in a particular cluster, are relatively placed in that cluster that in critical situations, according to this neighborhood, these origin-destination pairs are also involved in decisions.

داده‌كاوي , جريان‌ مسافري , مترو , خوشه‌بندي , ايستگاه مترو

Data Mining , Passenger Flow , subway , clustering , subway station

Arash Soltanpoor

Dr. Yaghini