مدل شبکه عصبی در براورد تقاضای دورکاری: روشی برای کاهش ترافیک شهری

هزینه های بسیار زیاد حمل ونقل، محققین را به سمت استفاده از شیوه های کاراتر مانند دورکاری برای کاهش این هزینه ها سوق داده است. این شیوه نوین مدیریت حمل ونقل باعث کاهش حجم سفرهای کاری و هزینه های آن مانند مصرف سوخت، زمان سفر، آلودگی هوا و سرمایه گذاری در توسعه زیرساخت ها می شود. با توجه به آثار مثبت و وسیع این شیوه و پیچیدگی فرایند تصمیم گیری انسان، این مقاله با به کارگیری توان زیاد مدل های شبکه ی عصبی مصنوعی در بازسازی روابط پیچیده و غیرخطی، به مدل سازی تقاضای دورکاری برای نمونه شهر تهران می پردازد. در این مقاله از مدل پرسپترونی چندلایه از نوع پس انتشار خطا برای براورد دورکاری استفاده می شود. شبکه ی پیشنهادشده، 21 نرون در 3 لایه با توابع انتقال تانژانت سیگموید، لگاریتم سیگموید و خطی دارد. با استفاده از اطلاعات به دست آمده از پرسش گری طراحی شده، مدل های مختلفی با حجم نمونه ی 676 پرداخت شدند. نتایج مدل پیشنهادی که با 171 مجهول و پس از 1800 تکرار به هم گرایی رسید، گویای قابلیت بالا در بازسازی مشاهدات است، به گونه ای که میانگین مربعات خطا، ضریب تعیین و شاخص براوردهای صحیح برای مجموعه ی آزمایش، به ترتیب، 1770/1، 19/0 و 39 درصد است. با استفاده از مدل پیشنهادی این پژوهش و اطلاعات چهار متغیر مستقل، می توان براورد ی از تعداد روز دورکاری در هفته داشت که هم فزونی آن ها براوردی از تقاضای کلان دورکاری در سطح شهر برای تصمیم گیری بهتر در مورد تدوین برنامه های مربوط به دست خواهد داد.