طراحی مدلی برای پیش‏بینی زمان رسیدن اتوبوس به ایستگاه برپایه داده کاوی و شبکه‏های عصبی

اهمیت حمل و نقل عمومی در وضعیت فعلی ترافیکی بر هیچ کس پوشیده نیست و در این میان سهم اتوبوس‏ها بیش از دیگر انواع حمل و نقل عمومی می‏باشد. ارائه خدمات با کیفیت بالا به استفاده‏کنندگان برای کارگزاران این امر موضوع حیاتی بوده و سازمان‏های مربوطه در پی بهبود خدمات و ارائه خدمات نوین با استفاده از سیستم‏های حمل و نقلی هوشمند هستند. سیستم‏های اطلاعاتی پیشرفته مسافر (atis ) یکی از اجزای سیستم‏های حمل و هوشمند بوده و اصلی‏ترین بخش آن اطلاعات زمان سفر می‏باشد، لذا نیاز به مدل یا تکنیکی برای پیش بینی زمان سفر ضروری می‏باشد تا با ارائه اطلاعات زمانی دقیق سفر، هم مسافران بیشتری جذب کرده و هم سطح رضایت مسافران را بهبود بخشید. سیستم‏های شمارشگر خودکار مسافران (apc ) و سیستم‏های موقعیت یاب خودکار خودرو (avl ) نیز که بخشی از سیستم‏های حمل و نقل هوشمند است در بسیاری از آژانس‏های حمل و نقلی و سازمان‏های اتوبوسرانی استفاده شده و به آنها اجازه می‏دهد که در زمان واقعی و بلادرنگ وسایل نقلیه خود را ردیابی کنند، با وجود این از این سیستم‏ها در کشور ما استفاده چندانی نمی‏شود. هدف از این تحقیق ارائه مدلی برای پیش بینی زمان ورود اتوبوس به ایستگاه با استفاده از داده‏های گردآوری شده از برخی خطوط اتوبوسرانی تهران می‏باشد، این داده‏ها مطابق با داده‏های تولید شده توسط سیستم‏های apc بوده و ما بر آنیم تا با ارائه کاربرد عالی این سیستم‏ها، دست اندرکاران حمل و نقلی را به مجهز کردن اتوبوس‏ها به این تجهیزات ترغیب کنیم. برای رسیدن به این هدف از تکنیک شبکه عصبی پرسپترون چند لایه که از جمله تکنیک‏های مطرح در مباحث داده کاوی است، استفاده کرده‏ایم. با توجه به اینکه هرچه زمان ورود اتوبوس به ایستگاه نامشخص تر بوده و پراکندگی بیشتری بین سرفاصله آنها وجود داشته باشد، میزان رضایت و استفاده شهروندان کاهش می‏یابد، می‏توان از نتایج این تحقیق در برنامه‏ریزی‏های استفاده از منابع محدود اتوبوسی در خطوط مختلف استفاده کرد. نتایج نشان می‏دهد که با داشتن اطلاعات مسافران ایستگاه‏ها و اطلاعات حرکت اتوبوس‏ها، پیشنهادهای مفیدی برای برنامه‏ریزی‏های آتی حمل و نقلی قابل ارائه خواهد بود.