ارائه مدل جريان عبوري عابران پياده در تسهيلات پياده شهري با استفاده از الگوريتم‌هاي فراابتكاري (مطالعه موردي: شهر رشت)

modeling pedestrian flow in urban pedestrian facilities using meta-heuristic algorithms (Case study: Rasht city

رفتار عابران‌پياده نقش مهمي در طراحي تسهيلات پياده به خصوص در مناطق پرتردد ايفا مي‌كنند. يكي از اين خصوصيات رفتاري، سرعت راه رفتن آنان از پياده‌روها و پياده‌راه‌ها شده مي‌باشد؛ بنابراين مهم‌ترين اقدام قبل از هر چيز شناخت پارامترهاي جريان عابران‌پياده در هنگام عبور از تسهيلات مختلف شهري است. هدف از اين پژوهش مدل‌سازي جريان عابران‌پياده عبور از تسهيلات پياده مختلف شهري (پياده‌رو و پياده‌راه) مي‌باشد. از اين‌رو با تصويربرداري از يك پياده‌رو و يك پياده‌راه، به جمع‌آوري اطلاعات 10210 عابرپياده عبوري پرداخته شد. سپس با استفاده از مدل‌هاي رگرسيون و روش‌ الگوريتم ژنتيك، روابط جريان عابران‌پياده از قبيل سرعت، نرخ جريان و چگالي مدل‌سازي شد. نتايج نشان داد كه دقت مدل‌ها براي تسهيلات مختلف شامل پياده‌رو، پياده‌راه با استفاده از الگوريتم ژنتيك داراي دقت پيش‌بيني بالاتري نسبت به روش رگرسيوني و به ترتيب برابر با 9451/0 و9062/0 مي‌باشند؛ بنابراين مي‌توان در اين زمينه الگوريتم ژنتيك را به عنوان يكي از روش‌هاي فراابتكاري كه داراي دقت بيشتري مي‌باشد، به عنوان مدل برتر معرفي كرد.

Pedestrian behavior plays an important role in the design of pedestrian facilities, especially in high-traffic areas. One of these behavioral characteristics is the speed of their walking on sidewalks and sidewalks and the speed of crossing the width of urban thoroughfares at lighted intersections and marked crossings; Therefore, the most important step is to know the flow parameters of pedestrians when passing through various urban facilities. The aim of this study is to model the flow of pedestrians crossing various urban pedestrian facilities (sidewalks, sidewalks, intersections with and without lights). Therefore, by photographing a sidewalk and a sidewalk, a passage without lights and a crossroads with lights, 5031 pedestrian crossings were collected. Then, using regression models and genetic algorithm method, pedestrian flow relationships such as speed, flow rate and density were modeled. The results showed that the accuracy of the models for different facilities including sidewalks, sidewalks, lightless intersections and lighted intersections using genetic algorithm has a higher prediction accuracy than the regression method and is equal to 0.9451, 0.9062, 0.9682 and 0/9938 are; Therefore, in this field, genetic algorithm can be introduced as one of the meta-innovative methods that has more accuracy, as a superior model