دفاعیه دکتری در دانشکده مهندسی عمران

مهندس متین شهری (دانشجوی دوره دکتری دانشکده مهندسی عمران)، 4 اسفندماه 98 از رساله خود با عنوان «ارایه مدل پیش بینی زمان سفر در سطح شبکه بر مبنای تحلیل های زمانی و مکانی» دفاع می کند.
چکیده این رساله که به راهنمایی دکتر افشین شریعت مهیمنی، انجام شده به شرح زیر است. این دفاعیه ساعت 16:30 در محل سالن کنفرانس شماره 2 دانشکده مهندسی عمران برگزار می شود.
چکیده
حجم تردد روزانه بالا در بسیاری از کلان شهرها منجر به افزایش ازدحام ترافیکی و به تبع آن، زمان سفر می گردد. زیان های اقتصادی ناشی از هدررفت سوخت، آلودگیهای محیطی و افزایش تصادفات از جمله پیامدهای افزایش ازدحام ترافیکی به شمار می رود. لذا اقدامات مناسب جهت رفع آثار ازدحام و کاهش آن با ابزارهای مدیریت تقاضا همواره از دغدغه های اصلی مدیران شهری بوده است. به این منظور، در اختیار داشتن اطلاعاتی جامع از کل منطقه مطالعاتی در مقیاس مکانی و زمانی وسیع با استفاده از ابزارهایی کم هزینه جهت برداشت داده ها اهمیتی دوچندان خواهد یافت. زمان سفر به عنوان یکی از معیارهای اصلی ارزیابی وضعیت ترافیکی مطرح می باشد که بر مبنای سرعت حرکت وسایل نقلیه به دست می آید. از طرفی، ازدحام ترافیکی نیز بر مبنای سرعت، در نقشه های ترافیکی به لحظه نمایش داده می شود و می تواند شاخصی برای تحلیل وضعیت ترافیکی و پیش بینی آن محسوب گردد.
در مطالعه پیش رو، با استفاده از تصاویر ترافیکی به دست آمده از سرویس نقشه گوگل در یک بازه زمانی 11 هفته 1398/0/17 تا 1398/3/31، پس از استخراج داده ها و تحلیل و پردازش رقومی تصاویر، تحلیلی توصیفی، مکانی و زمانی از ازدحام ترافیکی صورت گرفته و نتایج، همبستگی مکانی و زمانی ازدحام ترافیکی در سطح منطقه مطالعاتی و در بازه زمانی مورد مطالعه را نمایش داد. مدل رگرسیون وزنی زمانی- مکانی (GTWR) برای نخستین بار در زمینه پیش بینی ازدحام ترافیکی ارائه گردیده و پس از تحلیل های اولیه و انتخاب متغیرهای مستقل مناسب، مدل های منتخب با مجموعه ای از داده های آموزشی (داده های ده هفته) کالیبره شده و با معیارهای نیکویی برازش ارزیابی گردید. نتایج نشان داد که مدل GTWR با متوسط مقدار ضریب تعیین تعدیل شده ( R2adj) برابر با %60 بهبود قابل توجهی در برازش به داده ها نسبت به مدل عمومی (Global) نشان می دهد. اعتبارسنجی مدل با متغیرهای مختلف و با استفاده از داده های آزمایشی (آخرین برش زمانی داده ها) نیز نشان داد که مدل GTWR با مقدار متوسط ضریب همبستگی %80، در فرآیند پیش بینی موفق عمل کرده است. مقایسه مدل GTWR با مدل عمومی چندمتغیره (Global) نیز نشان داد که مدل زمانی- مکانی پیشنهاد شده در مقایسه با مدل عمومی بهبود قابل توجهی در پیش بینی مقادیر داده های آزمایشی داشته است (%58 مدل عمومی در مقابل %80 مدلهای GTWR). همچنین، مقایسه مدل پیشنهادی (GTWR) با مدل مکانی GWR پایه نیز نشان داد که لحاظ نمودن داده های تاریخچه زمانی منجر به افزایش قدرت پیش بینی مدل در تمام برش های زمانی گردیده است. در نهایت، تحلیل حساسیت مدل با حجم داده های آموزشی کمتر و همچنین، عدم پیوستگی داده های آموزشی نیز صورت گرفت.
واژههای کلیدی: ازدحام، تحلیل زمانی- مکانی، پیش بینی، رگرسیون وزنی- زمانی- مکانی، تصاویر ترافیکی.
Sapp.ir/iust_iran
|