تحقیق در مورد پیش بینی حجم روزانه ترافیک در جاده ۴۰۷ETR

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تحقیق در مورد پیش بینی حجم روزانه ترافیک در جاده ۴۰۷ETR دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تحقیق در مورد پیش بینی حجم روزانه ترافیک در جاده ۴۰۷ETR  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تحقیق در مورد پیش بینی حجم روزانه ترافیک در جاده ۴۰۷ETR،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تحقیق در مورد پیش بینی حجم روزانه ترافیک در جاده ۴۰۷ETR :

پیش بینی حجم روزانه ترافیک در جاده ۴۰۷ETR

نویسندگان: دکتر مهندس علی مکی رئیس شرکت مشاوره ای آلیکان در کانادا
دکتر عبدال قادر الشایانی شهرداری دبی امارات متحده عربی
دکتر عبدل مالک ابوشیخ شهرداری دبی امارات متحده عربی
آدرس : اینترنتی مولف اول ( ئی میل): mekky@ interlog.com

نوامبر ۱۹۹۹

فهرست مطالب
مقدمه ۵
ساختار مقاله ۷
تهیه مدل ها ۷
کالیبراسیون مدل ۱۰
کالیبراسیون شیوه و روند ۱۰
کالیبراسیون متغیرهای فصلی ۱۰
مدل ۱ و مدل ۲ ۱۱
مدل ۳و۴ ۱۱
پیش بینی های سری زمان ۱۴
اعتبار سنجی مدل ها ۱۵
جمع بندی ۱۶

چکیده
پیش بینی حجم روزانه در جاده ۴۰۷ETR
جاده ۴۰۷ETR یک جاده شش و چهار باندی دارای عوارض در ناحیه بزرگ تورنتو (GTA) است و سالها به عنوان مسیر کمکی جاده بزرگراه ۴۰۱ محسوب گردیده است.
بزرگراه ۴۰۱ پرتردد ترین بزرگراه در آمریکای شمالی است و هر روز بیش از یک میلیون وسیله نقلیه از آن عبور می‌‌‌کنند. طول جاده ۴۰۷ETR در حد ۱۵۴ کیلومتر است.

در حال حاضر ( نوامبر ۱۹۹۸) , ۶۷ کیلیومتر از این جاده در حال کار است. در برنامه ریزی عملیاتی جاده ۴۰۷ETR باید تعداد استفاده کنندگان آن در هر روز از چند ماه قبل پیش بینی شود هدف اصلی این مقاله آن است که فرایندهای کالیبراسیون معیارسنجی و اعتبار سنجی مدل های پیش بینی کاربرد روزانه این جاده تشریح شود و نتایج بدست آمده مورد بحث قرار گیرد.

دوره زمانی مقیاس سنجی و پیش بینی دشواری خاصی دارد چون بطور عمده تعداد کاربران این جاده در این دوره زمانی در نوسان بوده است. چهار مورد مدل سری زمان تهیه شد و مقیاس سنجی گردید.
نوع ترکیب دراین مدل ها متفاوت بود و متغیرهای موثر مربوط به دو مورد گسترش جاده و پخش برگشت خودکار مربوط به همبستگی خودکار بخش های خطا در این مدل در لحظات مختلف و تنوع زمان در این مدل ها دیده می‌‌‌شود.

مدل ۱ و مدل ۲ فاقد بخش های خود برگشتی هستند ولی مدل ۳ و مدل ۴ این بخش ها را دارند. مدل ۱ ومدل ۳ نسبت به گسترش بزرگراه حساس نیستند ولی مدل ۲ و مدل ۴ حساسند. بر اساس اطلاعات هشت ماهه (۱۴ اکتبر ۱۹۹۷ تا ۱۴ ژوئن ۱۹۹۸) و روش ARIMA ( روش یکپارچه و خود رجعتی حرکت میانگین) چهار مدل مذکور مقیاس سنجی شدند.

نتیجه مقیاس سنجی مقایسه گردید. گرچه مقدار تفاوت و اختلاف کم است ولی گفته می‌‌‌شود که مدل ۴ از همه بهتر است. اعتبار سنجی در طول ۵ ماه این انتخاب را تایید می‌‌‌کندو نشان می‌‌‌دهد که تعداد کاربران روزانه در این مدل به نحو بهتری برآورد می‌‌‌شود. نتیاج تحقیق نشان می‌‌‌دهد که پیش بینی دقیق کاربرد روزانه بزرگراه عوارض حتی در شرایطی که نوسان قبلی بالاست امکانپذیر می‌‌‌باشد.
کلمات کلیدی: پیش بینی، بزرگراه عوارض، سری های زمان، مدل سازی، جاده ۴۰۷ETR

مقدمه
ناحیه تورنتوی بزرگ GTA یک ناحیه عمده شهری در شمال آمریکاست و حدود ۵ میلیون جمعیت در این ناحیه زندگی می‌‌‌کنند. این ناحیه طبق شکل ۱ در جنوب غرب انتاریوی کانادا واقع است. بزگراه ۴۰۷ اولین بزرگراه کاملا الکترونیک جهان است تا منحصرا به ناحیه شهری خدمات بدهد (شکل ۱). این جاده عوارض دارای شش یا چهار باند است و سالها به عنوان راه کمکی بزرگراه ۴۰۱ شمرده شده است. بزرگراه ۴۰۱ پرتردد ترین بزرگراه در شمال آمریکاست

و هر روز بیش از یک میلیون وسیله نقلیه از آن عبور می‌‌‌کنند. طول جاده ۴۰۷ در حد ۱۵۴ کیلومتر است و از جاده کوئین الیزابت در تقاطع فریمن در برلینگتن (در هالتون) تا بزرگراه ۱۱۵/۳۵ در دورهام در ناحیه شرق ادامه دارد.اولین قطعه از این بزرگراه در سال ۱۹۹۷ برای ترافیک باز شد. در حال حاضر نوامبر ۱۹۹۸ حدود ۶۷ کیلومتر در حالت ساخت است. این قطعه از بزگراه ۴۰۳ در غرب تا جاده مک کوان در شرق کشیده می‌‌‌شود.

برای کسب اطلاعات بیشتر درباره این جاده به منابع (۴، ۳، ۲، ۱) مراجعه کنید. پیش بینی های دراز مدت برای ۴۰۷ETR در (۵) آمده است.
در برنامه عملیاتی ۴۰۷ETR باید تعداد کاربران در هر روز و چند ماه قبل از شروع کار اجرایی برآورد شود. کار پیش بینی در حدی است که اکثر برنامه ریزان حمل و نقل در موردش زیاد آموزش ندیده اند و یا مطمئن نیستند تکنیک های شناخته شده بتوانند در مقیاس روز و بخصوص هنگام بروز نوسان و تغییرات هفتگی اطلاعات دقیقی در پیش بینی ها ارائه کند. انگیزه تهیه این مقاله همین مشکلات بوده است. برای تشریح و پیش بنینی تغییرات روزانه چهار مدل سری زمان بررسی می‌‌‌شود. در این مدل ها ترکیبات مختلف ارائه می‌‌‌گردد. از جمله تاثیر متغیرهای دو نوع تعریض بزرگراه و بخش برگشت خودکار از لحاظ همبستگی خودکار در بین خطاهای مدل در لحظات مختلف زمان.
هدف اصل این مقاله شرح فرایند تحول و کالیبراسیون مدل برآورد کاربرد روزانه جاده ۴۰۷ETR است برای دوره زمانی ۱۵ ژوئن تا ۳۱ دسامبر ۱۹۹۸ پیش بینی لازم بود و اطلاعات مربوط به دوره زمانی ۱۴ اکتبر ۱۹۹۷ تا ۱۴ ژوئن ۱۹۹۸ برای مقیاس سنجی بکار رفت. دوره های کالیبراسیون و پیش بینی برای این بزرگراه دشواری خاصی دارد چون تعداد کاربران این جاده در این دوره بطور عمده نوسان داشت.موقع باز بینی این مقاله از جهت اعتبار سنجی از اطلاعات بیشتری استفاده شد ( ۱۵ ژوئن تا ۱۹ نوامبر) .
این موضوع در زیر توضیح داده می‌‌‌شود شدت واقعی نوسان در یک بزرگراه تماما الکترونیکی در این مقاله بیان می‌‌‌شود و از نظر محققان و دست اندرکاران این بزرگراه این اطلاعات می‌‌‌تواند مفید باشد. اطلاعات این مقاله از طریق سیستم پرداخت عوارض تهیه شد. این اطلاعات از نظر برنامه ریزی و کنترل و نظارت بر این جاده خیلی عالی ومهم است. اطلاعات مربوط به هر وسیله نقلیه و نوع آن (اتومبیل، موتورسیکت، کامیون و تریلر) و نوع پرداخت عوارض ( وسیله نقلیه دارای گیرنده و فرستنده سیگنال تفکیک گردید).

موارد زیر در مورد هر وسیله نقلیه در این سیستم ثبت است شیب راه ورود- شیب راهه خروج – زمان ورود، زمان خروج، مسافت طی شده مدت زمان سفر و غیره. برای بسیاری از عملیات و برنامه ریزی ها این اطلاعات مفید هستند.

ساختار مقاله
ابتدا مدل های موردنظر تهیه و تشریح شد. با استفاده از اطلاعات هشت ماهه جاده ۴۰۷ETR مدل ها کالیبره شدند. نتایج کالیبراسیون ارائه شده است. نتایج پیش بینی سری های زمان برای دوره زمانی ۱۵ ژوئن تا ۳۱ دسامبر ۱۹۹۸ مورد بحث قرار می‌‌‌گیرد.
نتایج اعتبار سنجی با مقایسه اعداد پیش بینی واعداد مشاهده شده برای یک دوره ۵ ماهه ارائه می‌‌‌شود.
در تست آماری سطح معنی دار بودن رقم الفا برابر ۰۵/۰ اجرا شد. این رقم احتمال بدین معناست که وقتی فرضیه صفر درست باشد، رقم آماری تست در ناحیه حیاتی قرار می‌‌‌گیرد.

تهیه مدل ها
معمولا اولین قدم برای آنالیز سری های زمان نمایش گرافیکی آنهاست. در شکل ۳ این نمایش دیده می‌‌‌شود. سیکل های هفتگی و شیوه افزایش در این نمودار مشخص است سری های زمانی معمولا به چند بخش تقسیم می‌‌‌شود شامل T، تنوع فصل S ، تنوع سیکلی C و تنوع راندوم R برای ترکیب این چهار تنوع در قالب یک مدل معمولا دو تنوع بکار می‌‌‌رود:
در مدل جمع
در مدل ضرب

پارامترهای از طریق کالیبراسیون تعیین می‌‌‌شوند و در زمان t مشاهده می‌‌‌شوند ولی t برای راحتی کارمحاسبه اکثرا حذف شده است.
انتخاب یکی از این فرم به اطلاعات موجود بستگی دارد. بطور کلی اگر دامنه تغییر در سری زمانی نسبتا ثابت باشد معادله (۱) بکار می‌‌‌رود. اگر دامنه تغییر در طول زمان بالا و پایین برود، معادله (۲) بهتر است.

همانطور که در شکل ۳ می‌‌‌بینید سیکل های هفتگی بیانگر افزایش دامنه تغییرات روزانه هستند. بنابر این معلوم می‌‌‌شود که مدل ضرب در این مورد از مدل جمع مناسب تر است.
در آنالیز مقدماتی این اطلاعات تغییرات سیکلی بارزی مشاهده نشد. علتش می‌‌‌تواند نبود این اطلاعات و یا کافی نبودن طول سری های زمان باشد. سری های زمان دو نوع تغییر فصلی دارند یعنی تغییر روزانه D و تغییر ماهانه M بنابر این بعد از برداشتن بخش قرار دادن به جای حجمV چنین می‌‌‌شود:

(۳)
چون کار با مدل های خطی از انواع غیر خطی همیشه ساده تر است محققان سعی دارند مدل های غیر خطی را خطی کنند. معادله (۳) چنین است. وقتی لگاریتم هر دو طرف معادله (۳) را در نظر بگریم معادله (۴) بدست می‌‌‌آید:
(۴)
یک راه نسبتا ساده محاسبه تغییرات فصلی این است که آنها را به عنوان متغیرات مصنوعی در نظر بگیریم. متغیرهای دو دویی معمولا ونه لزوما با ارقام دو صفر بیان می‌‌‌شوند.

مثلا روزهای هفته در متغیر D چنین است . متغیر D به هفت قسمت D1- D7 تقسیم می‌‌‌شود و هر کدام با یک روز هفته ارتباط دارند. مثلا اگر روز مشاهده یکشنبه باشد متغیر D7 داریم و رقم مربوط به سایر روزها صفر میشود. شش متغیر دیگر هم به همین صورت هستند چون هر مورد مشاهده مربوط به یک روز است، متغیر آن روز عدد ۱ میگیرد و بقیه رقم صفر می‌‌‌گیرند.

می توان گفت که D7 اضافی است چون وقتی بقیه متغیرها برابر صفر شوند آن روز برابر یک است . اگر با وجود این D7 را در معادله بگنجانیم،مشخصات معادله بیش از حد لازم تعیین شده خواهد بود و قابل کالیبراسیون نیست. بنابراین،متغییر D7 حذف میشود. در مورد ماههای سال هم ،چنین وصفی وجود دارد . ما به M11تاM1 نیاز داریم.اطلاعات ما در فاصله ۱۴ اکتبر ۱۹۹۷ تا ژوئن ۱۹۹۸ تهیه شده است یعنی اطلاعات مربوط به ۸ ماه در طول ۹ ماه توزیع شده است. بنابراین هشت متغیر مصنوعی Mلازم داریم. در مدلهای ضرب،به دلیل واضح، اندازه متغیرهای مصنوعی نمیتواند یک یا صفر باشد. بنابراین در عوض، ارقام ۲و۱ بکار می‌‌‌‌رود.