یازدهمین کنفرانس بین‌المللی مهندسی صنایع

عنوان فارسی ساخت مدل ناهمفزود تولید سفر و ارزیابی آن به کمک روش رگرسیون و شبکه عصبی
چکیده فارسی مقاله از آنجایی که امروزه در بسیاری از شهرهای بزرگ دنیا، مسئله حمل و نقل درون شهری و ترافیک به یکی از بزرگترین معضلات آن شهرها تبدیل شده و هزینه های بسیاری صرف حل این مشکل می شود، برنامه ریزی حمل و نقل به یک امر مهم و ض روری تبدیل شده است. از جمله روشهای برنامه ریزی حمل و نقل شهری، روش سنتی است که شامل چهار مرحله مدلسازی به نام های تولید سفره توزیع سفر، انتخاب وسیله نقلیه و تخصیص ترافیک است. در این مقاله تنها به ساخت و پرداخت مدل های تولید سفرهای شهر اصفهان پرداخته شد و سپس مدل های پیشنهاد شده برای توابع تولید سفر در شهر اصفهان، توسط نرم افزار و با دو روش شبکه های عصبی و رگرسیون مورد ارزیابی قرار گرفتند. داده های مورد نیاز برای این کار از اطلاعات به دست آمده از آمارگیری میداحمقصد برای ارزیابی و اصلاح مدل های تقاضای سفر شهر اصفهان » که در سال 1391 انجام شد، گرفته شده است . ارزیابی نتایج به دست آمده از نرم افزار نشان می دهد مدل های ساخته شده همگی خوب و مناسب بوده و هم چنین دو روش شبکه عصبیو رگرسیون مزیت بالایی نسبت به یکدیگر ندارند
کلیدواژه‌های فارسی مقاله مدلسازی تولید سفر، شبکه های عصبی، روش رگرسیون، برنامه ریزی حمل و نقل

عنوان انگلیسی Modeling the Disaggregated Trip Generation and Validation of the Model by Neural Network and Regression
چکیده انگلیسی مقاله Nowadays, the urban transportation and traffic problems have become an intensively large issue in almost every big city costing many expenses for the management authorities. As a result, transportation planning has become an essential solution for this matter. Traditional planning of transportation is one of the transportation planning methods that includes four modeling stages called: trip generation, trip distribution, mode choice and traffic attribution. In this paper specifically, trip generation modeling for Isfahan has been worked on and the presented models have been validated in a software by Neural Network and Regression. The raw data used in this paper was taken from the Origin-Destination survey, which had been carried out in Isfahan in 1391. The results of this paper indicates that all of the presented models are good and efficient and both Neural Network and Regression tools work the same and have no specific advantages to the other one.
کلیدواژه‌های انگلیسی مقاله TRIP GENERATION MODELING, NEURAL NETWORKS, REGRESSION, TRANSPORTATION PLANNING

نویسندگان مقاله Hossein Kamalzadeh - Amirkabir University of Technology

Nader Shetab Boushehri - Isfahan University of Technology


نشانی اینترنتی iiec2015.org
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   دوره مرتبط   |   کنفرانس مرتبط   |   فهرست کنفرانس ها