پیش بینی تقاضای سفر ریلی در محور خراسان

در تمامی ادوار تاریخ، سفر یکی از ارکان مهم زندگی بشر بوده است. علیرغم تولید فن آوری های مختلف جهت کاهش سفرها، همچنان تقاضای فزاینده ای برای سفرهای درون شهری و برون شهری با اهداف مختلف وجود دارد. یکی از مهم ترین وظایف تصمیم گیران امر حمل و نقل، عرضه امکانات سفر جهت پاسخگویی به تقاضای مزبور می باشد. به منظور اتخاذ سیاست های صحیح و برنامه ریزی مناسب در جهت تعدیل عرضه و تقاضای سفر، می بایست تقاضای آینده را پیش بینی نمود تا با استخراج نیازمندی های آینده بتوان راهکارهای کارآ و عملی برای آینده سیستم های حمل و نقل ارائه داد. راه آهن یکی از ایمن ترین، پاک ترین و مقرون به صرفه ترین حالات سفر بوده و خصوصاً با ظهور فن آوری های مدرن در راه آهن، این روش به یکی از سریع ترین روش های سفر نیز مبدل گردیده است. به همین دلایل، سفر ریلی سهم عمده ای از سفرها در دنیا را به خود اختصاص می دهد. لذا پیش بینی تقاضای این سفر حائز اهمیت فراوانی است. در بعضی از خطوط ریلی دنیا ممکن است تقاضای سفر در ایام اوج تقاضا از ظرفیت جابجایی مسافر در این خطوط بیشتر می باشد. در صورت موجود بودن اطلاعات مربوط به تقاضای اوج، می توان از آن جهت تهیه مدل های پیش بینی تقاضای سفر استفاده نمود. لیکن در سیستم ریلی ایران، مکانیزمی جهت جمع آوری اطلاعات مربوط به تقاضای ارضا نشده در ایام اوج وجود نداشته و تمامی تحقیقات انجام شده و مدل های مستقیم ارائه شده در زمینه پیش بینی تقاضای سفر ریلی در کشور با نادیده گرفتن این موضوع و فرض برابر بودن تقاضای اوج با میزان مسافر جابجا شده، طراحی گردیده اند. در این تحقیق با انتخاب محور ریلی خراسان به عنوان پر ترددترین محور ریلی کشور به پیش بینی تقاضا در زمان های اوج (فروردین و شهریور) و غیراوج پرداخته شده است. با توجه به اینکه تقاضای سفر در ایام اوج تقاضا معمولاً بیش از ظرفیت ریلیِ موجود بوده است، مقدار این تقاضا در این ایام مشخص نمی باشد. لذا روشی اعمال گردید که مدل های ایجاد شده جهت پیش بینی، برآوردی از تقاضا در این زمان ها نیز به دست دهند. مدل های رگرسیون و شبکه عصبی ایجاد شده در این تحقیق قادرند با دقت بیش از 95% تقاضای سفر در محور خراسان را پیش بینی نمایند. ضمناً میزان تقاضای افزون بر ظرفیت در ایام اوج تقاضا، تقریباً 5/5% برآورد شده است. مدل های ایجاد شده در این تحقیق توانسته اند با بهره گیری از متغیرهایی با انواع مختلف، دقت پیش بینی را نسبت به مدل های موجود در ادبیات بهبود بخشند و نیز برآوردی از تقاضای پاسخ نگفته توسط سیستم ریلی به دست دهند.