پیش بینی تقاضای سفر ایستگاه های سیستم دوچرخه اشتراکی گام زمانی یک ساعت با رویکرد سری زمانی با روش شبکه عصبی واحد بازگشتی دروازه

یکی از چالش های مهم در برنامه ریزی حمل و نقل و مسائل شهری پیش بینی تقاضا جهت بهبود مدیریت در سیستم های حمل و نقل شهری می باشد. با گسترش تکنولوژی امکان ذخیره سازی داده های عظیم و همچنین محاسبات پیچیده فراهم شده است. یکی از چالش های مهم که شرکتهای ارائه دهنده ی دوچرخه اشتراکی با آن روبرو می باشند، برقراری تعادل بین ایستگاه های سیستم دوچرخه اشتراکی می باشد که نیازمند پیش بینی دقیق میزان میزان سفر در سیستم در بازه های کوتاه مدت و بلند مدت می باشد. در این پژوهش با استفاده از روش یادگیری عمیق شبکه عصبی واحد برگشتی دروازه با رویکرد سری زمانی و همچنین با در نظرگیری داده های تراکنش دوچرخه اشتراکی به پیش بینی میزان سفر در سیستم با گام زمانی یک ساعت می پردازیم. پس از پیاده سازی چارچوب مطرح شده میزان میانگین مربع خطا ۰.۸۸ و ریشه میانگین مربع خطا ۰.۲۹ بدست آمد.