TY - JOUR ID - 1559 TI - مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس) JO - فصلنامه مهندسی حمل و نقل JA - JTE LA - fa SN - 2008-6598 Y1 - 2010 PY - 2010 VL - 1 IS - 3 SP - 67 EP - 79 KW - ناوگان اتوبوسرانی KW - بهین هسازی KW - شبک ههای عصبی مصنوعی KW - حمل ونقل DO - N2 - استفاده از سیستم اتوبوسرانی درون شهری با توجه به انعطاف پذیری بالا و ارزان بودن آن برای استفاده کننده، در شهرهای بزرگ و به ویژه در کشورهای در حال توسعه امری اجتناب ناپذیر است. از این رو بهبود این سیستم حمل و نقل بدلیل گستره فعالیت آن ضروری به نظر می رسد. یکی از رو شهای ارتقای عملکرد این سیستم، تخصیص بهینه اتوبو سها به خطوط فعال به گونه ای است که نسبت به وضعیت موجود، تعداد مسافر بیشتری حمل نموده و در عین حال هزینه حمل آن کاهش یابد. بر این اساس در این مطالعه از یک رویکرد جدید به منظور تخصیص بهینه اتوبوس ها به خطوط شبکه اتوبوسرانی موجود استفاده گردید. در این روش، مدلی تهیه شد که از طریق آن می توان با در نظرگرفتن پارامترهای مختلف مؤثر بر این امر در کنار یکدیگر تعداد اتوبوس های مورد نیاز یک خط را تعیین نمود. برای این منظور نیز از شبکه های عصبی مصنوعی استفاده گردید. شبکه های عصبی مصنوعی به علت قابلیت یادگیری به کمک مثال و با استفاده از داده های موجود می توانند برای مدلساز یهای غیرخطی که حل عددی دقیق آنها به سختی قابل حصول است، مورد استفاده قرار گیرند. عملکرد شبکه، پس از طی شدن پروسه آموزش، مورد مطالعه قرار گرفته و در صورت ارضای شرایط مورد نظر، می توان در شبیه سازی موارد جدیدی که در پروسه آموزش موجود نبودند، از این شبکه ها استفاده کرده و خروجی های مورد نظر را به دست آورد. که در این رویکرد نیز، معماری شبکه حاصل برای مدل ارائه شده به سبب داشتن بالاترین ضریب همبستگی(0/966=R) و کمترین میانگین خطای مربعی(0/553=mse) بصورت 1-13-11-NN بدست آمد. درنهایت، مدل به دست آمده بر روی شبکه اتوبوسرانی شهر مشهد آزمایش گردید، که نتایج به دست آمده با استفاده از شبکه عصبی در مقایسه با وضعیت موجود نیز به دلیل انطباق کامل وضعیت موجود با نتایج بدست آمده از شبکه مورد نظر، نشان دهنده دقت بالای این شبکه ها در شبیه سازی شرایط ایده آل می باشد. UR - https://jte.sinaweb.net/article_1559.html L1 - https://jte.sinaweb.net/article_1559_5b729ebcb89ca2ec572df24da7fd9092.pdf ER -