برآورد تقاضای سفر روستایی با روش های آمار فضایی و شبکه عصبی مصنوعی (مطالعه موردی: شهرستان تبریز)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 77

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TRJ-20-4_024

تاریخ نمایه سازی: 23 آبان 1402

چکیده مقاله:

فرآیند پیش بینی تقاضای سفر یک گام کلیدی در برنامه ریزی حمل ونقل است و شامل مجموعه ای از مدل های ریاضی می باشد که سعی در شبیه سازی رفتار انسان در سفرها دارند. این فرآیند برای تخمین تعداد سفرهایی که در آینده در سیستم حمل ونقل انجام می گیرد، استفاده می شود. هدف این مقاله، برآورد تقاضای سفر با روش های آمار فضایی و شبکه عصبی مصنوعی، سپس مقایسه نتایج حاصل از این روش ها جهت تعیین دقت هر یک برای تخمین تقاضای سفر است. پژوهش حاضر از نوع کاربردی و روش انجام آن توصیفی – تحلیلی است. جامعه آماری تحقیق، تمام خانوارهای روستاهای شهرستان تبریز است که ۴۰۷۱۴ خانوار می باشد و با استفاده از فرمول کوکران، ۳۸۰ خانوار به-عنوان جامعه نمونه انتخاب شدند. جمع آوری اطلاعات با ابزار پرسشنامه محقق ساخته و بر اساس شاخص های تحقیق انجام گرفت و در نتیجه تقاضای واقعی سفر افراد تخمین زده شد. بعد از تخمین تقاضای واقعی سفر، برآورد سفر با استفاده از روش های حداقل مربعات معمولی، رگرسیون وزنی جغرافیایی و شبکه عصبی پرسپترون چندلایه انجام گرفت و نتیجه حاصل از آنها با تخمین واقعی سفر مقایسه شد. نتایج مطالعه نشان داد که رگرسیون وزنی جغرافیایی (GWR)، شبکه عصبی مصنوعی (ANN) و حداقل مربعات معمولی (OLS) به ترتیب بیشترین تا کمترین دقت را در برآورد تقاضای سفر دارند.

نویسندگان

محسن آقایاری هیر

استادیار، گروه جغرافیا و برنامه ریزی روستایی، دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه تبریز، تبریز، ایران

محمد ظاهری

دانشیار، گروه جغرافیا و برنامه ریزی روستایی، دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه تبریز، تبریز، ایران

ناهید رحیم زاده

دانشجوی دکتری، گروه جغرافیا و برنامه ریزی روستایی، دانشکده جغرافیا و برنامه ریزی محیطی ، تبریز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • الماسی، ا.، ارباب­پور بیدگلی، م.، فانی، ا. ح. (۱۳۹۷). برآورد ...
  • بندرجیان.، ف. (۱۳۹۰). برآورد تقاضای سفر و ناوگان موردنیاز حمل­ونقل ...
  • تیموری، ا.، حکیمی، ه. (۱۳۹۴). برآورد تقاضای سفر گردشگران ایرانی ...
  • تقی­نژاد، ی. (۱۳۹۷). ارزیابی عملکرد موجودی مبتنی بر پیش­بینی تقاضا ...
  • حبشی، ن.، و باورصاد، پ. (۱۳۹۳). برآورد و بهینه سازی ...
  • رستگار، م.، اجزاء شکوهی، م.، رهنما، م. ر. (۱۳۹۸). تحلیل ...
  • رضائی، ن.، کمروویچ، س. ا. (۱۳۹۰). ارائه یک مدل تقاضای ...
  • سید علوی، ع.، پرهیزکار، ا.، رکن­الدین افتخاری، ع.، قالیباف، م. ...
  • سلطانی، ع. (۱۳۹۳). مدل­سازی برآورد تقاضای سفر با اتوبوس­های سریع ...
  • عزتی، ا.، عاقلی، ح. (۱۳۸۴). برآورد کشش­های تقاضای مسافر و ...
  • عرفانیان، ا.م.، حسین­خواه، م.، علیجان­پور، ا. (۱۳۹۲). مقدمه­ای بر روش­های ...
  • غفاری، ع، عبداللی­نیا، م (۱۳۹۹). علم چگونه آینده را پیش­بینی ...
  • گنجی زهرایی، ه. (۱۳۹۴). برآورد تقاضای سفر گردشگری با حمل ...
  • Amita, J., Jain, S. S., Garg, P.K. (۲۰۱۶). Prediction of ...
  • Anderson, J (۲۰۱۷). Using geographically weighted regression (GWR) to explore ...
  • Beaudin, J. Lawell, C. L. (۲۰۱۸). Effects of public transit ...
  • Bergwe, A. (۲۰۱۲). A travel demand model for rural area. ...
  • Blainey, S. Mulley. C. (۲۰۱۳). Using Geogrphically Weighted Regression to ...
  • Chow, T., Ilram Shah, T, Y. Park, P., Fu, (۲۰۲۱). ...
  • Flyvbjerg, B, (۲۰۰۵). Measuring inaccuracy in travel demand forecasting: methodological ...
  • Gelhausen, M. C., Bester, P, Wilken, D. (۲۰۱۸). A new ...
  • Guo, G, Zhang, T (۲۰۲۰). A residual spatio-temporal architecture for ...
  • Hughes, B. B (۲۰۱۹). International futures: Building and using global ...
  • Jain, D, Tiwari, G (۲۰۱۶). How the present would have ...
  • Kakar, K. A. Parsad, C.S.R.K (۲۰۲۰). Impact of urban sprawl ...
  • Kerkman, K., Martens, K., Meurs, H. (۲۰۱۸). Predicting travel flows ...
  • Lee, D. Derrible, S. Camara Pereira, C. (۲۰۱۸). Comparison of ...
  • Liorca, C. Ji, J. Molloy, J, Moeckel, R. (۲۰۱۸). The ...
  • Luo, J. Zhou, D. Han, Zh. Tan, Y. (۲۰۲۱). Predicting ...
  • Menhaj. M., Kazemi, A., Shakouri, H., Mehregan, M., & Taghizadeh, ...
  • Metroplitan Council (۲۰۱۲). Travel demand forecasting user guide, A Supplement ...
  • Mostafaeipour, A. Goli, A. Qolipour, M. (۲۰۱۸). Prediction of air ...
  • Sedehi, M., Mehrabi, Y., Kazemnejad, A., & Hadaegh, F. (۲۰۱۰). ...
  • Srisaeng, P. Baxter, G. Wild, G (۲۰۱۵). Using an artificial ...
  • Shen, X. Zhou, Y. Jin, Sh (۲۰۲۰). Spatio temporal influence ...
  • Tang, J. Gao. F. Liuu, F. Zhang, W. Qi, Y. ...
  • ­Tsai, T. H. (۲۰۱۱). Neural network based temporal feature models ...
  • VanWee, B. (۲۰۰۷). Large infrastructure projects: A review of the ...
  • Vasconcelos, V. S. Quevedo-Silva, F. Ravai, R (۲۰۲۱). Demand forecasting ...
  • ­Vollwock-Witte, N. (۲۰۱۸). New mobility opportunities in rural context. Western ...
  • Vovsha, P. Petersen, E. Donnelly, R. (۲۰۰۲). Micosimulation in travel ...
  • Wang. J. (۲۰۲۱). Influencing factor analysis and demand forecasting of ...
  • Zhang, X., Zheng, Y, Wang, Sh. (۲۰۱۹). A demand forecasting ...
  • نمایش کامل مراجع