این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی عمران امیرکبیر، جلد ۴۳، شماره ۱، صفحات ۹-۱۷
عنوان فارسی تحلیل تقاضای مسافر ریلی و پیش بینی آن با الگوریتم سری زمانی
چکیده فارسی مقاله با توجه به اهمیت مدیریت عرضه امکاناتحمل و نقل در وضع موجود و تخصیص این منابع در بخش حمل و نقل ریلی، پیش­بینی تعداد مسافرین از اولویت بالایی برخوردار است. در این تحقیق با استفاده از مدل‌های سری زمانی، تقاضای مسافرت در شبکه راه­آهن جمهوری اسلامی ایران پیش­بینی شده است. سری­های زمانی ایستا و ناایستای تقاضای مسافر ریلی با آزمایش وجود ریشه واحد و ریشه واحد فصلی قبل از مراحل تخمین، انتخاب مدل و پیش­بینی مورد تحلیل قرار می­گیرند. برای مدلسازی تقاضا از روش باکس- جنکینز استفاده شده است که دلایل فراوانی برای انتخاب این روش­ها وجود دارد. بیشتر این دلایل، وابسته یا همبسته بودن تقاضای سفر در فصل­ها و ماه‌های مختلف سال و همچنین تکرار رفتاری منظم در دوره­های زمانی با طول ثابت می­باشد. برای ارزیابی عملکرد مدل‌ها از درصد میانگین خطای مطلق (MAPE) و میانگین ریشه مربعات خطا (RMSE) استفاده شده است. تأیید و بازبینی مدل‌ها، توسط آزمون‌های زیادی صورت پذیرفته که تمامی این آزمون‌ها تأییدی برای عملکرد مناسب مدل‌ها و اطمینان­بخش بودن آنها می­باشند. مدل‌های برازش شده پایانی از الگوی فصلی ARIMA پیروی کرده و حداقل 92% دقت در پیش­بینی را دارا می­باشند.
کلیدواژه‌های فارسی مقاله پیش بینی تقاضا ی مسافر، شبکه ریلی، سری زمانی،
عنوان انگلیسی Analyzing and Forecasting Railway Passenger Demand with Time Series Algorithm
چکیده انگلیسی مقاله Regarding the importance of the supply management for existing transportation facilities and allocating these resources in the rail transportation, travel demand forecasting has a very important role. In this paper the time series models are used to forecast passenger demand in Iranian railway network. Before estimation, model selection and forecasting, the stationary and non-stationary time series models of railway passenger demand are analyzed with the tests of unit root and seasonal unit root. In the modeling part the Box-Jenkins method are used that the main reason for using them was the strong correlation between the data in several months and seasons and repeating exact trends in the fixed basis of time. The Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE) criteria are used in order to evaluate the performance of models. The final fitted models are in conformity with family of seasonally ARIMA, and have at least 92 percent accuracy in the forecasting.
کلیدواژه‌های انگلیسی مقاله Passenger Demand Forecasting, Railway Network, Time Series
نویسندگان مقاله شهریار افندیزاده | افندیزاده


امیرمسعود رحیمی | amir masoud


علی اصغر طلایی | ali asghar


احرام صفری |


نشانی اینترنتی http://ceej.aut.ac.ir/article_116_d6c0760a5db12b7019926c2f8b090cab.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1243/article-1243-274063.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات