پياده‌سازي رويكرد تركيبي ميانگين متحرك يكپارچه خودرگرسيون-شبكه عصبي و ميانگين متحرك يكپارچه خودرگرسيون-روش پيش‌بيني محلي در سيستم مديريت ترافيك. مطالعه موردي: فرودگاه يك كلان‌شهر

امروزه، باتوجه به ضرورت انجام پيش‌ بيني در بسياري از مسائل دنياي واقعي، پيش‌بيني سري‌هاي زماني يكي از موضوعات اصلي مورد بحث و تحقيق مي‌باشد. مديريت حمل‌ونقل كلان شهرها يكي از مسائل چالش‌برانگيز در حيطه پيش‌بيني است. پيش‌بيني دقيق و قابل اطمينان از جمله نيازهاي يك سيستم حمل‌ونقل هوشمند مي باشد. در اين مطالعه، هدف پيش‌بيني تعداد مسافرين ورودي به فرودگاه يك كلان شهر جهت ارائه خدمات مطلوب به مسافرين است. متغير مورد مطالعه در اين مقاله مشابه مفهوم متغير جريان در مديريت ترافيك مي‌ باشد. اغلب مطالعات انجام شده در حيطه مديريت ترافيك از روش‌هاي خطي و يا غيرخطي براي پيش بيني آينده بهره گرفته‌ اند و مزاياي استفاده از رويكردهاي تركيبي مورد توجه قرار نگرفته است. در مطالعات پيشين، روش‌هاي تركيبي ميانگين متحرك يكپارچه خودرگرسيون-شبكه عصبي مصنوعي (ARIMA-ANN) متنوعي توسعه يافته‌اند كه روابط ميان داده‌ها را بررسي مي‌كنند. مطالعه حاضر، از يك رويكرد ARIMA-ANN براي تجزيه داده‌ها به دو قسمت كم‌نوسان و پرنوسان و انجام پيش‌بيني دقيق استفاده مي كند. علاوه‌‌بر اين، در اين مطالعه محققين يك رويكرد تركيبي جديد، ميانگين متحرك يكپارچه خودرگرسيون-تكنيك پيش‌بيني محلي (ARIMA-Local) براي بررسي كارايي ساير روش‌هاي غيرخطي ارائه كرده‌اند. نتايج عددي حاصل از پياده‌سازي روش‌هاي مذكور بر روي مطالعه موردي، دقت بالاي روش ARIMA-ANN در پيش‌بيني و همچنين قابليت بهتر روش ARIMA-Local در مقايسه با روش‌هاي انفرادي شبكه عصبي مصنوعي و هموارسازي نمايي را نشان مي‌دهد.