مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)

نوع مقاله : علمی - پژوهشی

چکیده

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.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling the Allocation of Urban Bus Fleet Using ANNs (Case study: Mashhad)

چکیده [English]

Using Inter-city bus system with regard to high flexibility and low cost for the users, especially in large cities and in developing countries, is inevitable. So transportation system improvement is necessary due to its range of activity. One of the ways in improving this system is optimizing the allocation of buses to active lines that compared with present status, carries more number of passengers and also its transporting cost will be reduced. In this study, a new approach for optimizing the allocation of buses to the existing bus network lines is used. In this method, a model is employed which can determine the number of required buses for line by considering various parameters. For this purpose, artificial neural networks were used. Artificial neural networks due to the ability of learning with examples can be used for non-linear modeling in which exact solution is hard to achieve. After completing the training process, network performance was investigated and when satisfying the constraint conditions, it could simulate new cases. In this investigation, the optimized network (NN 11-13-1) with maximum R-value (R=0.996) and minimum squared error (MSE=0.553) was used. Finally, the model obtained on the bus network in Mashhad was tested. The results obtained using neural networks in comparison with regression shows its high level of accuracy which is a valuable approach.

کلیدواژه‌ها [English]

  • Bus Fleet
  • Optimization Process
  • Artificial Neural Network
  • Transportation