پتانسيل‌يابي معابر مستعد جهت احداث ايستگاه‌هاي اتوبوس شهري با استفاده از شبكه عصبي پرسپترون چند لايه (MLP) و الگوريتم پس انتشار خطا (نمونه موردي: شهر كرمانشاه)

حمل و نقل همواره يكي از مهمترين عوامل اثرگذار بر ساختار شهرها بوده است. اما بويژه در يك سده اخير با گسترش انواع وسايل نقليه موتوري و تغييرات فزاينده جمعيتي به يكي از اصلي ترين مشكلات شهرنشيني بدل گرديده است. با توجه به حجم مسافرت هاي درون شهري در شهر كرمانشاه طراحي ايستگاههاي اتوبوس به صورت استاندارد، از جمله مواردي است كه باعث پهلوگيري مناسب اتوبوس در ايستگاه ها، كاهش زمان پياده و سوار شدن كاربران و تاثير منفي كمتر اين سيستم بر تردد ساير وسايل نقليه مي شود. در اين پژوهش از شبكه عصبي پرسپترون براي پيش بيني بهترين مكان ها براي ايستگاه اتوبوس استفاده است. از جمله ساختارهاي مهم شبكه هاي عصبي، پرسپترون چند لايه Multilayer PerceptTron)) با الگوريتم پس انتشار خطا (error backpropagation ) است كه براي انجام پژوهش استفاده شده است. داده هاي موثر در مكان يابي ايستگاه هاي اتوبوس شامل ۱۵ لايه: تراكم جمعيت، فاصله از بيمارستان، فاصله از پاركينگ، فاصله از درمانگاه و كلينيك، فاصله از مراكز تجارياداري، فاصله از ترمينال، فاصله از رود خانه، فاصله از مراكز آموزشي، فاصله از مراكز نظامي، فاصله از مراكز مذهبي، فاصله از مراكز ورزشي، فاصله از فضاي سبز، فاصله از معابر شهري، فاصله از مراكز صنعتي، فاصله از مراكز گردشگري مي باشند. در ادامه ۵۰۰ لايه به عنوان نقاط آموزشي شبكه تهيه و تعداد ۱۰ لايه مياني نيز تعيين شد. سپس با اجراي شبكه پهنه هاي مستعد جهت احداث ايستگاه بدست آمدند. در نهايت با مشخص معابر موجود در پهنه هاي مستعد، معابر مستعد جهت احداث ايستگاه مشخص گرديدند. هم چنين مشاهده شد كه معابر مستعد در نزديكي نقاط پرتراكم جمعيتي، مركز شهر، مراكز فرهنگي و تجاري قرار دارند.