13097

بررسي مدل هاي پيش‌بيني تعداد مسافران در سيستم‌هاي حمل و نقل ريلي

1400

مسعود يقيني

امروزه، با پيشرفت سريع فناوري اطلاعات و توسعه روز افزون پايگاه‌هاي داده، ذخيره سازي داده‌هاي توليدي در صنايع مختلف به سرعت افزايش پيدا كرده است. يكي از ابزارهاي مهم در تحليل داده‌ها، كه با هدف ساخت مدل پيش بيني يا بررسي روابط بين داده‌ها مورد استفاده قرار مي گيرد، «داده كاوي» است. در مدهاي مختلف حمل و نقل مانند، حمل و نقل هوايي، دريايي و جاده‌اي داده‌هاي زيادي در حال توليد است. صنعت حمل و نقل ريلي نيز داراي حجم زيادي از داده‌ها در بخش‌هاي مختلف مي‌باشد. تحليل و بررسي اين داده‌ها مي‌تواند نتايج كاربردي و مفيدي به همراه داشته باشد. پيش‌بيني تقاضاي مسافري، يكي از موارد مهم و كاربردي در صنعت حمل و نقل ريلي است. اهميت اين موضوع در دوران همه‌گيري كرونا بيش از پيش نمايان شد. با فهم درست از تعداد مسافران، مي‌توان برنامه ريزي درستي براي تخصيص قطار‌ها به بلاك‌ها داشت. داده‌هايي همچون زمان ورود و خروج مسافران از ايستگاه‌ها مي‌تواند در ساخت مدل پيش‌بيني جريان مسافري مورد استفاده قرار گيرد. هدف از اين سمينار بررسي تكنيك‌هاي داده‌كاوي استفاده شده جهت پيش‌بيني تقاضاي مسافري مي‌باشد. نوزده مقاله مرتبط با پيش‌بيني تقاضاي مسافري مورد مطالعه قرار گرفته ‌است كه بيشتر آن‌ها مربوط به حمل و نقل ريلي مسافري مي‌باشد. مقالات به چهار دسته‌ي حمل و نقل ريلي مسافري، حمل و نقل اتوبوس درون شهري، جريان ترافيك و جمعيت هر منطقه از يك شهر تقسيم بندي شده است.

12/11/2022 12:00:00 AM

81878

1402/11/30

Examining models for predicting the number of passengers in rail transportation systems

داده‌كاوي , يادگيري ماشين , يادگيري عميق , جريان‌ مسافري , حمل‌و‌نقل ريلي شهري , مترو

deep learning , machine learning , railway , metro , passenger flow prediction