پیش بینی تقاضای سفر ایستگاه های سیستم دوچرخه اشتراکی گام زمانی یک ساعت بارویکرد فضایی و زمانی با روش شبکه عصبی گراف کانولشن

یکی از چالش های مهم در برنامه ریزی حمل و نقل و مسائل شهری پیش بینی تقاضا جهت بهبود مدیریت در سیستم هایحمل و نقل شهری می باشد. با گسترش تکنولوژی امکان ذخیره سازی داده های عظیم و همچنین محاسبات پیچیده فراهمشده است. یکی از چالش های مهم که شرکت های ارائه دهندهی دوچرخه اشتراکی با آن روبرو می باشند، برقراری تعادل بینایستگاه های سیستم دوچرخه اشتراکی می باشد که نیازمند پیش بینی دقیق میزان میزان سفر در سیستم در بازه های کوتاهمدت و بلند مدت می باشد. در این پژوهش با استفاده از روش یادگیری عمیق شبکه عصبی گراف کانولوشن با رویکرد فضاییو زمانی و همچنین با در نظرگیری داده های دوچرخه اشتراکی، آب و هوا و محاسبه ی سطح دسترسی هر ایستگاه به مراکزجمعیتی و تجاری به پیش بینی میزان سفر در سیستم با گام زمانی یک ساعت می پردازیم. پس از پیاده سازی چارچوب مطرحشده میزان میانگین مربع خطا ۰.۸۵ و ریشه میانگین مربع خطا ۰.۹۲ بدست آمد.