الگو رفتاری مسافران اتوبوس و مترو در اصفهان براساس اطلاعات ثبت شده کارت بلیط

برآورد ماتریس مبدا و مقصد مسافران اتوبوس و مترو

معرفی چالش:

از ابتدای راه اندازی خط یک مترو آمار و اطلاعات مسافر سوار شده در ساعات و روزهای مختلف به تفکیک ایستگاه وجود دارد. در سیستم اتوبوسرانی هم بیش از ده سال است که سیستم کارت بلیط الکترونیکی وجود دارد و آمار مسافر به تفکیک ساعت و روز ثبت شده است. چنانچه بتوان براساس داده های موجود و با استفاده از هوش مصنوعی الگوی رفتاری و مشخصات استفاده کنندگان را بدست آورد می توان برنامه ریزی بهتری انجام داد و براساس جنسیت و مبدا و مقصد مسافران و نوع سفر و هدف سفر برای مخاطبان شرایط و امکانات مناسبی تدارک دید. یکی از مهم ترین مراحل برنامه ریزی حمل ونقل تعیین ماتریس مبدأ-مقصد است و نشان دهنده حجم تردد از هر یک از مناطقی شهری (مبدأ) به نقاط دیگر از مناطق شهری (مقصد) است. روش معمول و سنتی دستیابی به این جدول، آمارگیری مبدأ-مقصد است. از آنجا که این آمارگیری نیازمند صرف هزینه، زمان و نیروی انسانی زیادی است، طراحی روش های کم هزینه و سریع تر توسط محققین و پژوهش گران حمل ونقل مورد مطالعه و بررسی قرار گرفته است.

هدف از این چالش براورد ماتریس مبدا- مقصد مسافران است. این ماتریس به عنوان ماتریس مجاورت یک گراف جهت دار در نظر گرفته می شود که در آن هر نود نشان دهنده یک منطقه شهری (zone) می باشد و وزن یال بین دو منطقه نشان دهنده میزان سفر از منطقه مبدأ به منطقه مقصد است. هر چه تعداد جابه جایی مسافر بین این مبدأ و مقصد بیشتر باشد می بایست وزن به دست آمده هم بیشتر باشد. با توجه به اینکه اطلاعات کارت بلیط الکترونیکی تنها در زمان سوار شدن مسافران به اتوبوس و مترو ثبت شده است مرحله اول چالش تخمین مقصد مسافر است که می بایست باتوجه به سفرهای بعدی و الگوی سفر مسافران تخمین زده شود. در مرحله بعد اطلاعات مبدا و مقصد برای محاسبه ماتریس مبدا-مقصد استفاده می شود و ماتریس به عنوان خروجی چالش در نظر گرفته می شود.

خروجی مورد انتظار:

• ماتریس مبدا-مقصد

روش ارزشیابی :

• روش علمی حل مساله و تکنیک های خلاقانه استفاده شده
• ارزیابی میزان شناخت موضوع و تکنیک های خلاقانه استفاده شده از نگاه حوزه کسب و کار(حمل و نقل)
• تعداد عناصر ماتریس مبدا – مقصد خروجی

ساختار داده ها:

ویژگی های داده های اتوبوس:

ویژگی های داده های مترو: