پیش‌بینی کوتاه‌مدت تعداد مسافر خطوط اتوبوس شهر تهران: نمونه موردی خط پل کریمخان-میدان جمهوری

در دهه‌های اخیر افزایش جمعیت شهری و توسعه شهرنشینی از یک سو و عدم تکافوی حمل‌و‌نقل عمومی در مقابل تقاضای روز افزون سفرهای درون شهری از سوی دیگر، منجر به افزایش استفاده از خودروی شخصی، در تهران شده است. بنابراین تغییر در سیاست‌های حمل‌و‌نقل شهری و تلاش در جهت توسعه حمل‌و‌نقل عمومی، به ویژه اتوبوس، یکی از مهم‌ترین اقدامات در حوزه حمل‌و‌نقل شهری بوده و نیازمند بررسی‌های لازم جهت توسعه و کارآمد نمودن این شیوه‌ی سفر است. بررسی‌ها نشان می‌دهد، برنامه‌ریزی برای استفاده بهینه از زیرساخت های اتوبوسرانی و بکارگیری راهکارهای افزایش کارایی این سیستم در دنیا، نیازمند وجود اطلاعات در زمینه زیرساخت و تقاضای سفر خطوط اتوبوس است. بر این اساس، انجام مطالعاتی جهت برآورد تعداد مسافر خطوط اتوبوس در شهر تهران، که در حال حاضر تعیین تعداد مسافر هر خط با روش سنتی آماربرداری انجام شده و بسیار هزینه‌بر بوده، همچنین برنامه‌ریزی عملیاتی خطوط اتوبوسرانی که به صورت تجربی توسط مدیر خط انجام شده و هیچگونه برنامه‌ریزی مبتنی بر شرایط موجود برای آینده وجود ندارد، لازم و ضروری است. بدین ترتیب در این مطالعه با استفاده از اطلاعات afc (داده‌های ثبت‌شده حاصل از تراکنش‌های کارت‌بلیت‌های هوشمند برای پرداخت کرایه) موجود در سیستم اتوبوسرانی شهر تهران و ساخت مدل مناسب، تعداد مسافر خطوط اتوبوس برای آینده کوتاه‌مدت پیش‌بینی گردید.  به این منظور ابتدا اطلاعات afc مربوط به هر خط اتوبوس مرتب شده و بر اساس آن مدل ساریما و شبکه عصبی (پرسپترون چند لایه) پرداخت می‌شود. نتایج مدل نشان می‌دهد، مدل پروسپترون چند لایه از لحاظ شاخص‌های خطا در پیش‌بینی تعداد مسافر خط از مدل ساریما برتر بوده و روش مناسب‌تری جهت برآورد تعداد مسافر خطوط اتوبوس است.

Shortterm prediction of bus passenger demand, case study: Karimkhan bridge Jomhoori square line

In recent decades, increasing urban population, urbanization development and the lack of public transportation in response to increasing demand for intercity trips have led to an increase in the use of private cars in Tehran. Therefore, changes in urban transport policies and efforts to develop and improve public transportation, especially the bus, are one of the most important strategies in the urban transport planning and require the necessary surveys to have a growth in share of public transportation. Studies show that planning for the optimal use of bus infrastructure and the use of solutions to increase the efficiency of this system in the world, requires information on infrastructure and bus lines demand. Accordingly, it is necessary to carry out studies to predict bus lines passenger demand in Tehran, for operational lines planning which are currently empirically carried out by the line manager and there is no planning based on the existing conditions for the future. Thus, this study predicts bus lines passenger demand for the shortterm future, using AFC data (data recorded from smart credit card transactions for fares payment) and calibration of a suitable model. For this purpose, AFC information is firstly arranged for each bus line, then Sarima and neural network model (multi layer perceptron) are calibrated based on. The model results show that the multi layer perceptron model in terms of error indices in prediction of bus passenger demand is better than Sarima model and it is a more appropriate method for predicting shortterm bus lines passenger demand.