پيش بيني تعداد مسافران ورودي به مترو با استفاده از فرايند پواسون ناهمگن

Predicting the number of Tehran metro entrance passengers withnonhomogeneous Poisson process

تاثير تعداد مسافران ورودي به مترو بر برنامه ريزي ها، هزينه ها، بهينه سازي و به دنبال آن بهبود خدمت رساني، ضرورتمدل سازي و پيش بيني آن را نشان مي دهد. در اين مقاله از فرايند پواسون ناهمگن جهت مدل سازي و پيش بيني تعداد مسافران ورودي به خط يك متروي تهران در بازه زماني ۷ تا ۸ صبح از فروردين ۱۳۹۵ تا اسفند ۱۳۹۸ استفاده شده است. برآورد تابع شدت فرايند پواسون ناهمگن براي اين داده ها به دو صورت، تك ضابطه اي و چند ضابطه اي پيشنهاد شده است. همچنين براي ارزيابي دو مدل برآورد شده، معيارهاي ضريب همبستگي، ريشه ميانگين توان دوم خطا و درصد ميانگين قدر مطلق خطا مورد مقايسه قرار گرفتند. نتايج نشان مي دهد كه برآورد تابع شدت به صورت چند ضابطه اي به تفكيك فصل هاي مختلف سال، برآورد با دقت بيشتري را ارائه مي دهد.

The effects of the number of metro entrance passengers on planning, cost forecasting, optimizing and followed by improved serving show the importance of modeling and predicting this. In this paper, the nonhomogeneous Poisson process is used for modeling and predicting the number of entrance passengers on line 1 of Tehran metro between 7 to 8 in the morning from March 20, 2016 to March 19, 2020. Estimating of the intensity function is proposed for this data set in two ways; single-criteria and multi-criteria. Also, to evaluate the two estimated models, the criteria of correlation coefficient, mean root mean square error and mean absolute percentage error are compared. The results indicate that estimating the intensity function as multi-criteria by seasons of year provides a more accurate estimate.