پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,037 |
| تعداد مشاهده مقاله | 125,523,592 |
| تعداد دریافت فایل اصل مقاله | 98,783,755 |
مدلسازی تولید سفر با استفاده از روش شبکه های عصبی-فازی | ||
| نشریه دانشکده فنی | ||
| مقاله 6، دوره 36، شماره 3 - شماره پیاپی 1077، آذر 1381 اصل مقاله (424.31 K) | ||
| نویسندگان | ||
| یوسف شفاهی؛ محمدرضا فرزانه؛ محمد تشنه لب* | ||
| چکیده | ||
| دستیابی به یک نتیجه دقیق و مناسب در فرایند چهارمرحله ای آنالیز سفر به روش UTMS وابسته به برآورد دقیق و قابل قبول تعداد سفرهای تولید شده در نواحی مختلف شهر است. در بررسی مرحله ایجاد سفر با توجه به وابستگی شدید میزان سفر تولید شده در یک ناحیه به اطلاعات سهل الوصولی نظیر جمعیت ، برآورد تولید سفر معمولاً با دقت خوبی انجام میگیرد. از اینروست که در صورتیکه مقادیر برآورد شده دیگر نظیر مقادیر جذب سفر با برآوردهای تولید سفر همخوانی نداشته باشد،این تولید سفر است که مورد قبول واقع شده و برآوردهای دیگر نظیر جذب سفر با توجه به این موضوع تصحیح میشوند. افزایش دقت پیش بینی به صورت کلی از دو راه امکان پذیر می گردد. اول افزایش دقت و ابعاد پایگاه داده های مورد استفاده و دوم استفاده از روشهای پیشرفته تر مدلسازی. از آنجاییکه افزایش کیفیت و کمیت اطلاعات مورد نیاز امری هزینه بر(چه از نظر مالی و چه از نظر زمانی)است،لذا به نظر می رسد که بهتر آن است که به دنبال استفاده از روشهای پیشرفته تر مدلسازی باشیم. در این میان روش مدلسازی عصبی-فازی به عنوان یک گزینه مناسب برای ایجاد مدل تولید سفر در این تحقیق مورد بررسی و آزمون قرار گرفته است . نکته مهم در استفاده از سیستمهای عصبی-فازی ، نحوه آموزش این سیستمها با توجه به محدودیت اطلاعات مربوط به این مساله است. روش ارایه شده در این مقاله با ترکیب مدلسازی کلاسیک مبتنی بر رگرسیون خطی و سیستمهای عصبی – فازی تا حد زیادی در انجام این امر موفق بوده است. این روش مدلسازی برای پردازش مدلهای شهر شیراز بر مبنای اطلاعات مطالعه جامع حمل و نقل سال 1369 به کار گرفته شد. مقایسه های انجام شده نشان میدهد که مدلهای ساخته شده توسط روش ارایه شده قابلیت پیاده سازی دقیقتر رابطه بین پارامترهای اصلی مدل و تعداد سفرهای تولید شده را در مقایسه با روشهای مبتنی بر آنالیز رگرسیون دارند واین در حالی است که از لحاظ اطلاعات مورد نیاز هزینه اضافی ای را تحمیل نمیکنند . | ||
| کلیدواژه‌ها | ||
| آنالیز رگرسیون؛ پس انتشار خطا؛ تولید سفر؛ روش آموزش ترکیبی؛ شبکه عصبی-فازی | ||
| عنوان مقاله [English] | ||
| - | ||
| چکیده [English] | ||
| Trip production modeling is the process of representing the effect of various socioeconomic parameters on human trip-making behavior. Whereas making a trip appears to be related to the sociocconomic characteristics through some functional form. This paper describes the use of an advanced type of NFSs, Adaptive Network-Based Fuzzy Inference Systems (ANFIS), for modeling trip production pattern. The proposed trip production model used a lour-step hybrid learning strategy. At first. by using a lincar regression model. a suitable initial situation was developed lar the NFS and then this initial system was trained until reach ing the final model. The data used in this research were collected from 55 traffic zones (47 zones in inner regions and 8 zones in outer regions) throughout Shiraz comprehensive study in 1990. In 1990's Sh iraz comprehensive study, linear regression analysis was used to model the trip production. In that study the models were developed for four major trips: work trips, school trips, shopping trips, and recreational trips. In order to be comparable with the previous practice, we also used this classification and made the new models for those four trip purposes. We also use the same variables that were used in conventional models for building the new models. The predictions of the conventional models were compared with those from the new proposed models. The results indicate that the new models have capability to represent the relationship between the trip demands and the independent variables more accurately than the conventional models. | ||
| کلیدواژه‌ها [English] | ||
| ANFIS | ||
|
آمار تعداد مشاهده مقاله: 2,801 تعداد دریافت فایل اصل مقاله: 1,423 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب