23068

بهينه‌سازي ميانگين زمان سفر مسافران در متروي تهران با استفاده از روش‌هاي داده‌كاوي

كارشناسي ارشد

نرم افزار

1395-1398

1398/10/21

دكتر حسين رحماني

كامپيوتر

امروزه با افزايش فاصله محل زندگي افراد، با مراكز اشتغال و ارائه خدمات مانند آموزش، تفريح، خريد، سلامت و غيره نياز به سفرهاي روزانه افزايش يافته است. خدمات‌دهي براي اين حجم بالاي سفر، نيازمند بسترهاي مناسب سيستم¬هاي حمل ونقل است. با توجه به محدوديت در افزايش ظرفيت شبكه راه¬ها و هم¬چنين ظرفيت كم‌تر تاكسي و اتوبوس نسبت به سيستم¬هاي حمل¬ونقل ريلي درون شهري و مشكلاتي مانند آلودگي صوتي و هوا، ترافيك سنگين در بزرگراه‌ها و خيابان‌ها و هزينه بالاي انرژي، تمايل بيش‌تري به ¬استفاده از سيستم¬هاي ريلي برقي زيرزميني به جاي ساير سيستم¬هاي حمل¬ونقل وجود دارد. بنابراين مترو در كلان¬شهر تهران جايگاه ويژه¬اي دارد كه افزايش كيفيت سرويس¬دهي آن مهم به نظر مي¬رسد. در توسعه سيستم¬هاي حمل ¬ونقل عمومي مانند راه¬آهن شهري، علاوه بر طراحي مسير شبكه و مكان ايستگاه¬ها، ارائه زمان‌بندي حركت ناوگان نيز مرحله¬اي از طراحي است. جدول زمان‌بندي حركت قطارها به عنوان عاملي تأثيرگذار بر ميزان رضايت مشتريان، هزينه¬هاي بهره¬برداري مترو و هم¬چنين سلامت محيط زيست اهميت دارد و درنتيجه بهينه‌سازي زماني حركات قطارها موجب افزايش كيفيت سرويس‌دهي مي‌شود. در پژوهش‌هاي بهينه‌سازي زماني تاكنون از تحليل‌هاي رياضي و الگوريتم‌هاي داده‌كاوي با شبيه‌سازي براي تغييرات كلي در جدول زماني استفاده شده است، در اين پروژه داده‌ها به شكل جزئي‌ با هدف يافتن تفاوت‌هاي معنادار با ساير داده‌ها مورد بررسي قرار مي‌گيرند. از آنجايي‌كه مدت زمان حضور و انتظار در ايستگاه مترو يكي از شاخص‌هاي مهم در رضايت‌مندي مسافران از سيستم خدماتي مترو است لذا در اين پژوهش داده‌هاي بازه 6 ماهه سفرهاي تاخيردار در متروي تهران دريافت از سازمان مربوطه دريافت كرده و با استفاده از روش‌هاي داده‌كاوي مورد بررسي قرار داديم و به تحليل ويژگي‌هاي داده‌ها پرداختيم. پس از شناخت نسبي ويژگي‌هاي مهم مجموعه داده، از روش تحليل افتراقي جهت شناسايي سفرهاي تاخيردار با تفاوت معنادار با ساير سفرها استفاده شده است. با توجه به قدرت الگوريتم ژنتيك براي دست‌يافتن به راهكار بهينه، روشي با تركيب اين الگوريتم و روش تحليل افتراقي براي شناسايي زمان‌هاي تأخير و بهينه‌سازي آن طراحي شده است و به عنوان راه‌حل پيشنهادي در اين پژوهش ارائه مي‌گردد.

1399/11/01

Optimizing the average travel time of passengers in Tehran subway using data mining methods

1/10/2021 12:00:00 AM

Today, the need for day trips has increased with the increasing distance of people's places of residence, with employment centers and services such as education, recreation, shopping, health and so on. Serving for this high volume of travel requires proper platforms for transportation systems. Given the limitations in increasing the capacity of the road network as well as the reduced capacity of taxis and buses compared to inter-city rail transport systems and problems such as noise and air pollution, heavy traffic on highways and roads, and high energy costs, There is a greater tendency to use underground electric rail systems than other transportation systems. Therefore, the metro has a special place in the metropolis of Tehran, which seems to increase the quality of its service. In the development of public transport systems such as urban rail, in addition to the design of the network route and the location of stations, the provision of fleet scheduling is also a stage of design. Schedules of trains are important as a factor affecting customer satisfaction, subway operating costs and environmental health, thus improving the timing of trains to improve service quality. Mathematical analysis and simulation data mining algorithms have been used in temporal optimization research to simulate overall changes in the timetable. In this project, the data are examined in detail for the purpose of finding significant differences with other data. Since the time of waiting and waiting at the metro station is one of the important indicators in the satisfaction of the passengers with the metro service system, in this study the data of 6 months delayed trips to the Tehran metro were received from the relevant organization and analyzed using data mining methods. And analyzed the data properties. After relative recognition of the important features of the dataset, the discriminant analysis method was used to identify delayed trips with significant differences with other trips. Due to the power of the genetic algorithm to obtain the optimal solution, a method by combining this algorithm and a discriminant analysis method is designed to identify latencies and optimize it and is proposed as a solution in this study.

داده‌كاوي، مجموعه داده، بهينه‌سازي، مترو، زمان تأخير، تحليل افتراقي، الگوريتم ژنتيك

Data Mining, DataSet, Time Optimization, Metro, Delay Time, Discriminant Analysis, Genetic Algorithm