امروزه سهم عمدهای از جابجاییهای درون کلانشهرها بهوسیله سیستمهای حملونقل همگانی انجام میپذیرد و برنامهریزیهای آتی در شهرهای بزرگ و پرجمعیت به توسعه و بهینهسازی عملکرد خطوط همگانی برای افزایش سهم این شیوه، وابسته است. برنامهریزیهای مختلف در این حوزه بدون توجه به پیشبینی تقاضای کوتاهمدت و بلندمدت امکانپذیر نیست.
در این طرح تحقیقاتی که در گروه برنامه ریزی حمل و نقل دانشگاه انجام شده است، به پیشبینی کوتاهمدت تقاضای اتوبوسهای تغذیهکننده شهر تهران با استفاده از دادههای جمعآوریشده بهوسیله کارتهای هوشمند و سیستم موقعیتیاب خودکار اتوبوسها برای چند خط نمونه در سطح شهر تهران، پرداخته شد.
هدف از پیشبینیهای کوتاهمدت، فراهم آوردن امکان برنامهریزیهای کوتاهمدت در تخصیص ناوگانها در برنامه اعزامها، بهکارگیری راهکارهای عملیاتی مناسب برای افزایش کارایی و اطلاعرسانی به مسافران برای انتخاب برنامه سفرهای مناسب است.
در این مطالعه پیشبینی تقاضای کوتاهمدت خطوط بر اساس ویژگیهای مکان قرارگیری خطوط و شرایط آبوهوایی بهوسیله مدلهای سری زمانی و شبکه عصبی انجام پذیرفته است. همچنین الگوریتمی برای تطابق دادههای کارت هوشمند و موقعیتیاب خودکار اتوبوسها ارائهشده که با استفاده از خروجیهای این الگوریتم، میتوان پیشبینی کوتاهمدتی از تقاضای ایستگاهها با استفاده از مدلهای یادشده ارائه کرد. نتایج مدلهای پیشبینی تقاضای ایستگاهها نشان داد که متغیرهای تعطیلات، آبوهوا و فصلها بر این تقاضا مؤثر بودهاند.
نتایج این مطالعه نشان داد که مدل شبکه عصبی با دقت 98% و مدل سری زمانی با دقت 86% میتوانند تقاضای خطوط اتوبوس شهر تهران را پیشبینی کنند و همچنین مدل شبکه عصبی میتواند با دقت 74% و مدلسری زمانی با دقت 64% تقاضای ایستگاههای خط 208 شهر تهران را بهصورت کوتاهمدت، پیشبینی نمایند.
گفتنی است این پژوهش در قالب پایان نامه کارشناسی ارشد علی اردستانی با راهنمایی دکتر سیداحسان سیدابریشمی عضو هیأت علمی دانشکده مهندسی عمران و محیط زیست دانشگاه انجام شده است.
|