مدلسازي تخصيص ناوگان اتوبوسراني شهري با استفاده از شبك ههاي عصبي مصنوعي )مطالعه موردي: مشهد مقدس(

Modeling the Allocation of Urban Bus Fleet Using ANNs (Case study: Mashhad)

استفاده از سيستم اتوبوسراني درون شهري با توجه به انعطاف پذيري بالا و ارزان بودن آن براي استفاده كننده، در شهرهاي بزرگ و به ويژه در كشورهاي در حال توسعه امري اجتناب ناپذير است. از اينرو بهبود اين سيستم حمل و نقل بدليل گستره فعاليت آن ضروري به نظر مي رسد. يكي از رو شهاي ارتقاي عملكرد اين سيستم، تخصيص بهينه اتوبو سها به خطوط فعال به گونه اي است كه نسبت به وضعيت موجود، تعداد مسافر بيشتري حمل نموده و در عين حال هزينه حمل آن كاهش يابد. بر اين اساس در اين مطالعه از يك رويكرد جديد به منظور تخصيص بهينه اتوبوس ها به خطوط شبكه اتوبوسراني موجود استفاده گرديد. در اين روش، مدلي تهيه شد كه از طريق آن مي توان با در نظرگرفتن پارامترهاي مختلف موثر بر اين امر در كنار يكديگر تعداد اتوبوس هاي مورد نياز يك خط را تعيين نمود. براي اين منظور نيز از شبك ههاي عصبي مصنوعي استفاده گرديد. شبكه هاي عصبي مصنوعي به علت قابليت يادگيري به كمك مثال و با استفاده از داده هاي موجود مي توانند براي مدلساز يهاي غيرخطي كه حل عددي دقيق آنها به سختي قابل حصول است، مورد استفاده قرار گيرند. عملكرد شبكه، پس از طي شدن پروسه آموزش، مورد مطالعه قرار گرفته و در صورت ارضاي شرايط مورد نظر، ميتوان در شبيه سازي موارد جديدي كه در پروسه آموزش موجود نبودند، از اين شبكه ها استفاده كرده و خروجي هاي مورد نظر را به دست آورد. كه در اين رويكرد نيز، معماري شبكه حاصل براي مدل ارايه شده به سبب داشتن بالاترين ضريب همبستگي ) 996 / )R=0 و كمترين ميانگين خطاي مربعي ) 553 / mse = 0 (، بصورت 1-13-11-NN بدست آمد. درنهايت، مدل به دست آمده بر روي شبكه اتوبوسراني شهر مشهد آزمايش گرديد، كه نتايج به دست آمده با استفاده از شبكه عصبي در مقايسه با وضعيت موجود نيز به دليل انطباق كامل وضعيت موجود با نتايج بدست آمده از شبكه مورد نظر، نشان دهنده دقت بالاي اين شبكه ها در شبيه سازي شرايط ايده آل مي باشد.

Using Inter-city bus system with regard to high flexibility and low cost for the users, especially in large cities and in developing countries, is inevitable. So transportation system improvement is necessary due to its range of activity. One of the ways in improving this system is optimizing the allocation of buses to active lines that compared with present status, carries more number of passengers and also its transporting cost will be reduced. In this study, a new approach for optimizing the allocation of buses to the existing bus network lines is used. In this method, a model is employed which can determine the number of required buses for line by considering various parameters. For this purpose, artificial neural networks were used. Artificial neural networks due to the ability of learning with examples can be used for non-linear modeling in which exact solution is hard to achieve. After completing the training process, network performance was investigated and when satisfying the constraint conditions, it could simulate new cases. In this investigation, the optimized network (NN 11-13-1) with maximum R-value (R=0.996) and minimum squared error (MSE=0.553) was used. Finally, the model obtained on the bus network in Mashhad was tested. The results obtained using neural networks in comparison with regression shows its high level of accuracy which is a valuable approach.