پیش بینی تقاضای مسافر در راه آهن جمهوری اسلامی ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,367
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICRARE03_092
تاریخ نمایه سازی: 14 شهریور 1392
چکیده مقاله:
اهمیت بخش حمل و نقل یه عنوان یکی از مهمترین بخش های زیر بنایی هر کشور در تحرک و پویایی جامعه جهت دستیابی به اهداف برنامه های توسعه اقتصادی و اجتماعی کشور بر کسی پوشیده نیست. اما یکی از اصلی ترین عواملی که می تواند در امر سیاست گذاری و برنامه ریزی های کلان مدیران ارشد کشور به منظور تحقق اهداف فوق نقش هدایت کننده ای را ایفاء نماید، وجود پیش بینی دقیقی از میزان جابجایی ها در بخش حمل و نقل است که امکان جهت گیری صحیح مدیران، کارشناسان و دست اندرکاران امر حمل و نقل را در زمینه تعیین اهداف، سیاست ها و برنامه های کلان این بخش فراهم می کند. حال با توجه به هزینه بسیار زیاد بخش ریلی در ساخت و توسعه خطوط و تامین ناوگان مور نیاز، اهمیت پیش بینی در این سیستم حمل و نقل، دو چندان می شود. پیش بینی تقاضای مسافر در مقاطع بلند مدت با توجه به هزینه های اولیه بسیار بالای ساخت و توسعه خطوط ریلی برای توسعه شبکه ریلی کشور و در میان مدت و ماهیانه برای استراتژی های شرکتهای وابسته و ارائه دهنده خدمات به مسافرین ریلی ضرورتی غیر قابل اجتناب می باشد. هدف از این مقاله پیش بینی هر چه دقیق تر تقاضای مسافر در شبکه ریلی کشور می باشد و برای این منظور تقاضای ماهیانه مسافر در مسیر تهران - مشهد از سال 1383 تا سال 1389 در نظر گرفته شده و داده های سال های 1388 و 1389 به عنوان معیار ارزیابی انتخاب گردیده است. متغیرهای مستقل تحقیق عبارتند از : سال، ماه، ظرفیت ایجاد شده ( تعداد صندلی ایجاد شده توسط شرکت هاتی حمل و نقلی ) ، تولید ناخالص داخلی (GDP)، قیمت بنزین ، قیمت گازوئیل، متوسط درآمد خانوار، متوسط هزینه خانوار. در این مقاله از دو روش آریما و رگرسیون چند متغیره و شش روش شبکه عصبی مصنوعی شامل مدل های Quick و Dynamic و Multiple و RBFN و Prune و Exhaustive Prune جهت پیش بینی استفاده شده است. برای ارزیابی نتایج مدل ها از معیار میانگین قدر مطلق خطا (MAE) استفاده گردیده است. نتایج نشان میدهد که مدل شبکه عصبی مصنوعی Multiple عملکردی بهتر از سایر مدل ها دارد.
کلیدواژه ها:
نویسندگان
مسعود یقینی
عضو هیات علمی دانشکده مهندسی راه آهن، دانشگاه علم و صنعت ایران
سعید طالبی
دانشجوی کارشناسی ارشد مهندسی حمل و نقل ریلی، دانشگاه علم و صنعت تهران، ایران
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 :