مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)

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

 مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس) دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)  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 مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس) :

نام کنفرانس، همایش یا نشریه : مهندسی حمل و نقل

تعداد صفحات :۱۷

استفاده از سیستم اتوبوسرانی درون شهری با توجه به انعطاف پذیری بالا و ارزان بودن آن برای استفاده کننده، در شهرهای بزرگ و به ویژه در کشورهای در حال توسعه امری اجتناب ناپذیر است. از این رو بهبود این سیستم حمل و نقل بدلیل گستره فعالیت آن ضروری به نظر می رسد. یکی از روشهای ارتقای عملکرد این سیستم، تخصیص بهینه اتوبوسها به خطوط فعال به گونه ای است که نسبت به وضعیت موجود، تعداد مسافر بیشتری حمل نموده و در عین حال هزینه حمل آن کاهش یابد. بر این اساس در این مطالعه از یک رویکرد جدید به منظور تخصیص بهینه اتوبوس ها به خطوط شبکه اتوبوسرانی موجود استفاده گردید. در این روش، مدلی تهیه شد که از طریق آن می توان با در نظرگرفتن پارامترهای مختلف موثر بر این امر در کنار یکدیگر تعداد اتوبوس های مورد نیاز یک خط را تعیین نمود. برای این منظور نیز از شبکه های عصبی مصنوعی استفاده گردید. شبکه های عصبی مصنوعی به علت قابلیت یادگیری به کمک مثال و با استفاده از داده های موجود می توانند برای مدلسازیهای غیرخطی که حل عددی دقیق آنها به سختی قابل حصول است، مورد استفاده قرار گیرند. عملکرد شبکه، پس از طی شدن پروسه آموزش، مورد مطالعه قرار گرفته و در صورت ارضای شرایط موردنظر، می توان در شبیه سازی موارد جدیدی که در پروسه آموزش موجود نبودند، از این شبکه ها استفاده کرده و خروجی های مورد نظر را به دست آورد. که در این رویکرد نیز، معماری شبکه حاصل برای مدل ارائه شده به سبب داشتن بالاترین ضریب همبستگی (۰.۹۹۶=R) و کمترین میانگین خطای مربعی (mse=0.553) بصورت ۱-۱۳-۱۱-NN بدست آمد. درنهایت، مدل به دست آمده بر روی شبکه اتوبوسرانی شهر مشهد آزمایش گردید، که نتایج به دست آمده با استفاده از شبکه عصبی در مقایسه با وضعیت موجود نیز به دلیل انطباق کامل وضعیت موجود با نتایج بدست آمده از شبکه مورد نظر، نشان دهنده دقت بالای این شبکه ها در شبیه سازی شرایط ایده آل می باشد.

کلید واژه: ناوگان اتوبوسرانی، بهینه سازی، شبکه های عصبی مصنوعی، حمل و نقل