این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیق در عملیات در کاربردهای آن، جلد ۱۳، شماره ۲، صفحات ۱-۱۸
عنوان فارسی طراحی یک مدل یادگیری تمیزدهنده جهت بهبود مسیرهای اتوبوس در شبکه‌ی حمل و نقل بهینه
چکیده فارسی مقاله طراحی شبکه‌ی حمل و نقل اتوبوس (BTN) یکی از مهم‌ترین مباحث در مدیریت شهری است. پارامترهای تاثیر گذار زیادی در این طراحی، موثر می‌باشند. پارامترهایی که در مجموع منجر به برآورده شدن مجموعه‌ای از اهداف مدیریت شهری می‌شود. بهبود دسترسی پذیری شهروندان، پوشش مساحت بیش‌تری از سطح شهر، کاهش زمان انتظار و هزینه و همچنین کاستن از تعداد تعویض خطوط اتوبوس برای رسیدن به مقصد یک مسافر، از جمله‌ی این اهداف است. طراحی یک BTN یک مساله‌‌‌ی NP-hard می‌باشد و بنابراین رسیدن به یک پاسخ بهینه در طراحی‌های با ابعاد بالا کاری دشوار است. راه‏حل معمول در طراحی یک BTN به این صورت می‌باشد: کاهش فضای جستجوی ممکن در ابتدا و سپس ساخت شبکه بر اساس اولویت‌های مدیریت شهری. در این مقاله یک روش جدید برای ارتقای طراحی یک BTN ارایه می‌شود که مبتنی بر یادگیری آماری می‌باشد. این مدل به کمک روش‌های یادگیری آماری و ترکیب آن‌ها با یکدیگر تولید می‌شود. در این تحقیق دانش متخصصان انسانی از شبکه‌ی BTN فعلی استخراج می‌شود، سپس این دانش برای کوچک کردن فضای جستجویِ طراحی یک BTN به محدوده‌ای کوچک از معابر به کار گرفته می‌شود. این معابر ویژگی‌های لازم برای شرکت در BTN را دارند و می‌توانند برای مساله‌‌ی طراحی شبکه‌ی اتوبوس‌رانی BTNDP یا توسعه‌ی BTN فعلی به کار گرفته شوند. در این مقاله از Naïve Bayesian و دو روش دیگر رگرسیون پایه و ورژن ترکیبی آن‌ها برای تولید مدل خود بهره گرفته شده است. ارزیابی مدل تولیدی بر اساس دقت، False positive و True positive صورت می‌گیرد. مقادیر به دست آمده از این معیارها قابل اعتماد بودن روش پیشنهادی را تصدیق می‌کند. دیتاست مورد استفاده در این مقاله، شامل اطلاعات شبکه‌ی اتوبوس رانی شهر تهران می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Design a Discriminative Learning Model to Improve Bus Routes of Bus Transit Network
چکیده انگلیسی مقاله Design a Bus Transit Network is an important problem of the Urban Management. There are a large number of variables that must be considered to design a bus transit network. These variables are used to reach a set of goals such as accessibility, maximum coverage, reduction of waiting time and decrease operational costs and number of transfer between line stops. Design a Bus Transit Network is NP-hard problem. This problem doesn't have optimal solution in large scale. The general way to design Bus Transit Network is as follows: Search space of feasible solutions are reduced then final network is constructed by notice to urban priorities. In this paper, we proposed a new method to design a Bus Transit Network. Our approach is a Statistical learning method. It extracts knowledge of human experts from existing Bus Transit Networks. Then this knowledge is applied to reduce search space and make a Bus Transit Network. The learned model of our approach is constructed by several statistical learning method and their hybrids. In this paper, we applied Naïve Bayesian, two regression based methods and hybrid version of them to build model. Evaluation of the learned model is based on Accuracy, False Positive and True Positive criteria. The values of these criteria show high confidence of our approach. In this paper, we applied Tehran Bus Transit Network as our data set.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن جهانشاهی |


مجید قلی پور |


روزبه ابرازی |


مهرداد الماسی |


نشانی اینترنتی http://jamlu.liau.ac.ir/browse.php?a_code=A-10-1-347&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات