تحلیل تقاضای مسافر ریلی و پیش بینی آن با الگوریتم سری زمانی
چکیده
با توجه به اهمیت مدیریت عرضه امکاناتحمل و نقل در وضع موجود و تخصیص این منابع در بخش حمل و نقل ریلی، پیشبینی تعداد مسافرین از اولویت بالایی برخوردار است. در این تحقیق با استفاده از مدل های سری زمانی، تقاضای مسافرت در شبکه راهآهن جمهوری اسلامی ایران پیشبینی شده است. سریهای زمانی ایستا و ناایستای تقاضای مسافر ریلی با آزمایش وجود ریشه واحد و ریشه واحد فصلی قبل از مراحل تخمین، انتخاب مدل و پیشبینی مورد تحلیل قرار میگیرند. برای مدلسازی تقاضا از روش باکس- جنکینز استفاده شده است که دلایل فراوانی برای انتخاب این روشها وجود دارد. بیشتر این دلایل، وابسته یا همبسته بودن تقاضای سفر در فصلها و ماه های مختلف سال و همچنین تکرار رفتاری منظم در دورههای زمانی با طول ثابت میباشد. برای ارزیابی عملکرد مدل ها از درصد میانگین خطای مطلق (mape) و میانگین ریشه مربعات خطا (rmse) استفاده شده است. تأیید و بازبینی مدل ها، توسط آزمون های زیادی صورت پذیرفته که تمامی این آزمون ها تأییدی برای عملکرد مناسب مدل ها و اطمینانبخش بودن آنها میباشند. مدل های برازش شده پایانی از الگوی فصلی arima پیروی کرده و حداقل 92% دقت در پیشبینی را دارا میباشند.