ارائه روش يادگيري عميق در مدل پيش‌بيني ايمني در سيستم مترو (نمونه موردي: مترو شهر تبريز)

پيش‌بيني ايمني سيستم حمل‌ونقل ريلي يك مشكل اساسي در مدل‌سازي و مديريت حمل‌ونقل ريلي است. در اين مقاله، يك مدل پيش‌بيني ايمني بر اساس يادگيري عميق براي ايمني حمل‌ونقل ريلي پيشنهاد شد. اين سيستم مي‌تواند ويژگي‌هاي مؤثر براي پيش‌بيني حمل‌ونقل ريلي را به شيوه‌ يادگيري عميق بدون نظارت ياد بگيرد. داده‌ها از شركت عملياتي مترو جمع‌آوري‌شده و در مورد فاكتورهاي مدل پيش‌بيني تصميم‌گيري شد. از اين فاكتورها به‌عنوان ورودي DBN استفاده شد. ساختار داده ورودي، تعداد گره‌هاي هر لايه را تعيين مي‌كند. نمونه داده‌هاي جمع‌آوري‌شده شامل انواع رويداد مستعد تصادف، اطلاعات اوليه قطار و اطلاعات عملياتي شركت مي‌باشد. عوامل پيش‌بيني از طريق تجزيه‌وتحليل اين داده‌هاي جمع‌آوري‌شده انتخاب شد. براي نشان­دادن صحت اين مدل، يك مجموعه داده (مترو تبريز) به‌عنوان مطالعه موردي موردبررسي قرارگرفته  است. آزمايش‌ها روي مجموعه داده‌ها عملكرد خوب پيش‌بيني مدل حاضر را نشان مي‌دهد. پيش‌بيني ايمني سيستم ريلي و ايمني واقعي مي‌توانند به‌خوبي باهم مطابقت داشته باشند. اين نتايج نشان مي‌دهد كه يادگيري عميق در يادگيري الگوهاي يك سيستم ريلي مفيد است. خطاي پيش‌بيني و واقعيت بين 0.08 تا 0.08 معرفي شد. اين‌يك خطاي قابل‌قبول است و نمي‌تواند باعث ايجاد سطح ايمني نادرست در سيستم شود. بازه متراكم ايمني چه در وضع موجود و چه در مدل پيش‌بيني، در سطح دوم يعني نسبتاً ايمن مي‌باشد. اين بازه متناسب با حد 0.8 تا 0.89 مي‌باشد. البته كه تمايل تراكم پس از سطح دوم به سمت سطح يك است تا سطح سوم. نكته قابل‌توجه آن است كه مدل پيش‌بيني (در سطوح بالا) مقادير بالاتر از ايمني موجود را نشان داد.