برآورد تقاضای سفر روستایی با روش های آمار فضایی و شبکه عصبی مصنوعی (مطالعه موردی: شهرستان تبریز)

پیام:
نوع مقاله:
مطالعه موردی (دارای رتبه معتبر)
چکیده:

فرآیند پیش بینی تقاضای سفر یک گام کلیدی در برنامه ریزی حمل ونقل است و شامل مجموعه ای از مدل های ریاضی می باشد که سعی در شبیه سازی رفتار انسان در سفرها دارند. این فرآیند برای تخمین تعداد سفرهایی که در آینده در سیستم حمل ونقل انجام می گیرد، استفاده می شود. هدف این مقاله، برآورد تقاضای سفر با روش های آمار فضایی و شبکه عصبی مصنوعی، سپس مقایسه نتایج حاصل از این روش ها جهت تعیین دقت هر یک برای تخمین تقاضای سفر است. پژوهش حاضر از نوع کاربردی و روش انجام آن توصیفی - تحلیلی است. جامعه آماری تحقیق، تمام خانوارهای روستاهای شهرستان تبریز است که 40714 خانوار می باشد و با استفاده از فرمول کوکران، 380 خانوار به-عنوان جامعه نمونه انتخاب شدند. جمع آوری اطلاعات با ابزار پرسشنامه محقق ساخته و بر اساس شاخص های تحقیق انجام گرفت و در نتیجه تقاضای واقعی سفر افراد تخمین زده شد. بعد از تخمین تقاضای واقعی سفر، برآورد سفر با استفاده از روش های حداقل مربعات معمولی، رگرسیون وزنی جغرافیایی و شبکه عصبی پرسپترون چندلایه انجام گرفت و نتیجه حاصل از آنها با تخمین واقعی سفر مقایسه شد. نتایج مطالعه نشان داد که رگرسیون وزنی جغرافیایی (GWR)، شبکه عصبی مصنوعی (ANN) و حداقل مربعات معمولی (OLS) به ترتیب بیشترین تا کمترین دقت را در برآورد تقاضای سفر دارند.

زبان:
فارسی
صفحات:
367 تا 386
لینک کوتاه:
magiran.com/p2637035 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!