-
شماره ركورد
28474
-
پديد آورنده
ساناز خيرابادي
-
عنوان
تحليل الگوي سفر مسافران حمل و نقل عمومي طي پاندمي كرونا در شهر تهران
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي راهآهن- حمل و نقل ريلي
-
سال تحصيل
1398
-
تاريخ دفاع
1401/11/30
-
استاد راهنما
محسن پورسيدآقايي
-
دانشكده
دانشكده مهندسي راهآهن
-
چكيده
امروزه سهم عمدهاي از جابهجاييها در كلانشهرها به وسيله سيستمهاي حمل و نقل همگاني انجام ميپذيرد.، به همين علت نقش و سهم چشمگير حمل و نقل در برنامههاي توسعه پايدار انكارناپذير و قابل تامل است. رفع چالشهاي حمل و نقل نياز به پويايي در مديريت اين سيستم دارد. در اين راستا بهرهگيري از علم دادهكاوي به منظور تحليل دادههاي مرتبط با اين سيستم، ميتواند در جهت مديريت بهينه حمل و نقل درون شهري و به ويژه حمل و نقل همگاني بسيار تاثيرگذار باشد. در اين پژوهش سعي بر آن بوده است تا الگوي سفر مسافران مترو تهران در ارديبهشت ماه سالهاي 1398 (پيش از كرونا)، 1399 و 1400 با استفاده از الگوريتمهاي خوشهبندي تحليل گردد. در اين پژوهش از دادههاي كارت هوشمند استفاده شدهاست. در انتها دو الگوريتم خوشهبندي DBScan و Optics مورد استفاده قرار گرفته و معيار سيلوئت براي آنها محاسبه شده است. همچنين جهت نمايش روند تردد مسافران از نمودارهاي اكسل استفاده شدهاست.
-
تاريخ ورود اطلاعات
1402/04/11
-
عنوان به انگليسي
Analysis of travel patterns of public transport travelers during the Corona pandemic in the city of Tehran
-
تاريخ بهره برداري
2/19/2024 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
ساناز خيرابادي
-
چكيده به لاتين
Today, major portion of the displacements in metropolitan areas is carried out by public transportation systems. Therefore, the role and contribution of transportation in sustainable development programs is undeniable. Solving the challenges of transportation needs to be dynamic in managing this system. In this regard, the use of data mining in order to analyze the data related to this system, can be very effective for optimal management of inter-city transportation and especially public transportation. In this research, we have tried to analyze the pattern of Tehran metro passengers' travel in consecutive years of 2019, 2020, 2021 in the same months-May, using clustering algorithm. In this research smart card data are used . Finally, two clustering algorithms , dbscan and optics , are used and the silhouette criteria are computed . Also excel diagrams were used to show the trend of travelers' traffic.
-
كليدواژه هاي فارسي
مترو , كارت هوشمند , دادهكاوي , خوشهبندي , كرونا
-
كليدواژه هاي لاتين
Metro , smart card , Data Mining , clustering , Corona
-
Author
Sanaz Kheiabadi
-
SuperVisor
Dr. Mohsen Poor Seyed Aghaei
-
لينک به اين مدرک :