33091

پيش‌بيني تقاضاي مسافري با استفاده از سري زماني فازي در حمل‌ونقل ريلي، مطالعه موردي: شركت فدك

كارشناسي ارشد

مهندسي راه‌آهن- حمل و نقل ريلي

1401

1403/06/27

محسن پورسيدآقايي

ندارم

راه آهن

موضوعات مرتبط به سيستم حمل‌ونقل يكي از مباحث بسيارمهم و كليدي اقتصاد هر جامعه‌اي محسوب مي‌شود و به دليل داشتن نقش زيربنايي تاثيرفراواني بر توسعه و رشد اقتصادي دارد، به گونه‌اي كه دوام و پويايي هر اقتصادي به سيستم حمل‌ونقل آن وابسته است. پيش‌بيني همواره امري چالش‌پذير در صنعت ريلي بوده‌است و كوچكترين بهبود در اين زمينه سبب پيشرفت و افزايش بهره‌وري حمل‌ونقل ريلي مي‌شود. يكي ازشركت‌هاي ارائه‌دهنده خدمات مسافري، شركت فدك مي‌باشد كه از داده‌هاي فروش بليط محور رفت‌وبرگشت تهران-مشهد آن كه پرتردد ترين محور ريلي مسافري ايران مي‌باشد به عنوان مطالعه موردي اين تحقيق با هدف پيش‌بيني فروش بليت دوره بعدي استفاده‌شده‌است. در اين گزارش از 9 مدل سري زماني فازي براي حل مسئله استفاده‌شد و مدل ارتقايافته مرتبه چهارم سري زماني فازي و درصد تغيير به عنوان بهترين مدل شناخته شد كه ميانگين درصد خطاي مطلق اين مدل 0.07 بوده و 99.93% دقت پيش‌بيني دارد. براي پيش‌بيني مسافران دوره بعدي از تركيب اين مدل با روش هموارسازي نمايي دوگانه هولت استفاده‌شده‌است.

1403/12/15

Passenger Demand Prediction Using Fuzzy Time Series in Railway Transportation, Case Study: Fadak Company

1/1/1900 12:00:00 AM

The transportation system plays a crucial and foundational role in the economy of any society. Its influence on economic development and growth is significant, to the extent that the sustainability and dynamism of any economy depend on its transportation system. Forecasting has always been a challenging task in the railway industry, and even the slightest improvement in this area can lead to progress and increased efficiency in rail transport. This study focuses on predicting ticket sales for the next period using data from Tehran-Mashhad round-trip ticket sales, the busiest passenger rail route in Iran, provided by Fadak Company, as a case study. In this report, 9 fuzzy time series models were used to solve the problem, with the fourth-order fuzzy time series model showing the best performance, having an average absolute error percentage of 0.07 and a prediction accuracy of 99.93%. A combination of this model and the Holt’s double exponential smoothing method was utilized to predict future passengers.

حمل و نقل ريلي , پيش‌بيني تقاضاي مسافر , سري زماني فازي , درصد تغيير , هموارسازي نمايي دوگانه هولت

railway transportation , passenger demand forcasting , fuzzy time series , change percentage , holt double exponential smoothing

Fatemeh Darvish Alanagh

Mohsen Pour Seyed Aghaei