برآورد تقاضای سفر روستایی با روش های آمار فضایی و شبکه عصبی مصنوعی (مطالعه موردی: شهرستان تبریز)
محل انتشار: پژوهشنامه حمل و نقل، دوره: 20، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 77
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
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.
کلیدواژه ها:
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 :