طراحی و پیش بینی مدل زمان سفراتوبوس های درون شهری بامدل سازی spss

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 941

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCAU01_2491

تاریخ نمایه سازی: 29 تیر 1393

چکیده مقاله:

قابلیت اطمینان زمان سفر از اهمیت زیادی برای ارزیابی سطح خدمات حملونقل عمومی دارا میباشد، زیرا مسافران حملونقل عمومی معمولاً علاقهمند به حداقل رساندن زمان سفر وسیله نقلیه میباشند. ارائه دقیق و به موقع اطلاعات به منظور بازده بیشتر سفر و جذب بیشتر مسافران و همچنین بهینهسازی کیفیت خدمات شهری به عنوان ویژگی مهم سیستم خدمات اطلاعاتی حملونقل شهری خواهد بود. در این مطالعه سعی شده است که مدلی تحلیلی از زمان سفر اتوبوس های شهری با درنظر گرفتن کلیه عوامل دخیل شامل تأخیرات (زمان صرف شده در جریان ترافیک) و توقفات (زمان صرف شده در ایستگاه اتوبوس) به وسیله آماربرداری میدانی ارائه شود. بدیهی است با داشتن این مدل میتوان زمان سفر اتوبوس در کلان شهرهایی که سرویس حملونقل عمومی اتوبوس را دارا هستند از مبدأ معلوم تا مقصد مورد نظر که گاهاً میتواند قسمتی دلخواه از مسیر باشد، با دقت بالایی پیشبینی نمود. بدینترتیب زمان سفر مسیرهای متفاوت اتوبوس با داشتن تعداد مسافران در ایستگاههای مسیر که توسط کارتهای الکترونیکی پرداخت کرایه و یا ثبت تقاضای روزانه آنان و نیز احجام خیابانها و مسیرهایی که اتوبوس از آنها عبور مینماید و همچنین شرایط ترافیکی که از قبل معین هستند در ساعات متفاوت در هر قسمت از مسیر اتوبوس پیشبینی خواهد شد. در نهایت مدلهای پیشبینی شده نرمافزار SPSS به تفکیک خطوط مورد مطالعه و بازههای زمانی متفاوت طراحی و اعتبارسنجی شده تا صحت این امر تحقق یابد. میانگین مدلهای برگزیده خطی و غیرخطی SPSS نیز با دقت 9029/0 به واقعیت نزدیک خواهند بود که نشان دهنده کیفیت بالای این نتایج می باشد

نویسندگان

امیرمسعود رحیمی

دکتری مهندسی و برنامه ریزی حمل و نقل استادیارمدعو گروه راه و ترابری دانشگاه آزاد اسلامی واحد اهر

کیانوش شیبانی دلوئی

دانشجوی کارشناسی ارشدمهندسی عمران گرایش راه و ترابری دانشگاه آزاد اسلامی واحد اهر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :