26514

پيش‌بيني زمان سفر اتوبوس با استفاده از داده‌هاي سيستم تعيين خودكار موقعيت وسايل نقليه (مطالعه موردي: اتوبوس‌راني كلانشهرتبريز)

كارشناسي ارشد

مهندسي عمران گرايش حمل و نقل

1398

1401/02/27

دكتر عبدالرضا شيخ‌الاسلامي – دكتر محمود احمدي‌نژاد

مهندسي

افزايش قابليت اطمينان، موضوعي است كه باعث مي‌شود توجه‌ها به سمت حمل‌ونقل عمومي بيشتر شده و استفاده‌كنندگان از ساير شيوه هاي حمل‌ونقلي را به استفاده از اين سيستم تشويق كند. دو شاخص اصلي قابليت اطمينان، زمان سفر معين و وجود فضاي كافي براي سوارشدن مي‌باشد. اكثر مدل‌هاي استفاده‌شده در پژوهش‌هاي قبلي براي پيش‌بيني زمان سفر اتوبوس، مدل‌هاي رگرسيوني مي‌باشد. در اين مطالعه، از مدل‌هاي شبكه عصبي مصنوعي، درخت تصميم‌گيري و روش ميانگين متحرك خود همبسته جهت پيش‌بيني زمان ورود ناوگان استفاده گرديد. رويكرد مدل‌سازي اين پژوهش، مدل‌سازي لينك مبنا مي‌باشد. كمان عبارت است از فاصله بين دو ايستگاه متوالي. مطالعه موردي پژوهش، خط 144 اتوبوس‌راني شهر تبريز است؛ كه از ميدان جهاد شروع‌شده و به ميدان آزادي ختم مي‌شود. اين خط در طول بزرگراه داخلي شهر تبريز مي‌باشد. طول خط در جهت رفت در حدود 10٫2 كيلومتر مي‌باشد و اين خط داراي 22 ايستگاه (در هر جهت) مي‌باشد و روزانه به‌طور متوسط در حدود 11237 نفر مسافر را جابه‌جا مي‌كند كه فعال‌ترين خط اتوبوس‌راني شهر تبريز ازاين‌جهت مي‌باشد. براي مدل‌سازي، ابتدا داده‌هاي تعيين خودكار موقعيت مكاني AVL)) و تراكنش‌هاي كارت بليت هوشمند (APC) يكپارچه سازي زماني- مكاني شده اند، سپس براي 9 اتوبوس فعال در اين خط همراه با داده‌هاي هواشناسي براي دو هفته ارديبهشت‌ماه سال 1397 به‌كاررفته است. كل ركوردهاي دريافت شده براي دو هفته در حدود 446، 229 كه پس پالايش 559 ركورد جهت مدل‌سازي انتخاب گرديد. براي مدل‌سازي از نرم‌افزار SPSS22 استفاده شد كه بر اساس نتايج، مدل درخت تصميم‌گيري با متوسط خطاي نسبي 6٫05% از دقت بالاتري در پيش‌بيني زمان رسيدن ناوگان برخوردار است.

1401/03/03

Prediction Bus Travel Time Using Automated Vehicle location Data (Case Study: Tabriz Metropolitian Bus Service)

5/17/2023 12:00:00 AM

Increasing reliability is an issue that increases attention to public transportation and encourages users of other modes of transportation to use this system. The two main indicators of reliability are the specific travel time and the existence of sufficient space for riding. Most of the models used in previous studies to predict bus travel time are regression models. In this study, models of artificial neural network, decision tree and self-correlated moving average method were used to predict the arrival time of the fleet. The modeling approach of this research is link based modeling. The arc is the distance between two consecutive stations. The case study of the research is line 144 of Tabriz bus; Which starts from Jihad Square and ends in Azadi Square. This line is along the inner highway of Tabriz. The length of the line in the direction of departure is about 10.2 km and this line has 22 stations (in each direction) and transports an average of about 11,237 passengers daily, which is the most active bus line in Tabriz. For modeling, first the automatic location determination data (AVL) and smart ticket card (APC) transactions have been temporally-spatially integrated, then it has been used for 9 buses operating in this line along with meteorological data for two weeks of May 1397. The total number of records received for two weeks was about 446,229, after which 559 records were selected for modeling. SPSS22 software was used for modeling. Based on the results, the decision tree model with an average relative error of 6.05% has a higher accuracy in predicting the arrival time of the fleet.

Farid Sadeghi Ghazijahani

Dr. Abdolreza Sheikholeslami-Dr. Mahmoud Ahmadinejad