ارائه مدل جریان عبوری عابران پیاده در تسهیلات پیاده شهری با استفاده از الگوریتم‌های فراابتکاری (مطالعه موردی: شهر رشت)

رفتار عابران‌پیاده نقش مهمی در طراحی تسهیلات پیاده به خصوص در مناطق پرتردد ایفا می‌کنند. یکی از این خصوصیات رفتاری، سرعت راه رفتن آنان از پیاده‌روها و پیاده‌راه‌ها شده می‌باشد؛ بنابراین مهم‌ترین اقدام قبل از هر چیز شناخت پارامترهای جریان عابران‌پیاده در هنگام عبور از تسهیلات مختلف شهری است. هدف از این پژوهش مدل‌سازی جریان عابران‌پیاده عبور از تسهیلات پیاده مختلف شهری (پیاده‌رو و پیاده‌راه) می‌باشد. از این‌رو با تصویربرداری از یک پیاده‌رو و یک پیاده‌راه، به جمع‌آوری اطلاعات 10210 عابرپیاده عبوری پرداخته شد. سپس با استفاده از مدل‌های رگرسیون و روش‌ الگوریتم ژنتیک، روابط جریان عابران‌پیاده از قبیل سرعت، نرخ جریان و چگالی مدل‌سازی شد. نتایج نشان داد که دقت مدل‌ها برای تسهیلات مختلف شامل پیاده‌رو، پیاده‌راه با استفاده از الگوریتم ژنتیک دارای دقت پیش‌بینی بالاتری نسبت به روش رگرسیونی و به ترتیب برابر با 0.9451 و0.9062 می‌باشند؛ بنابراین می‌توان در این زمینه الگوریتم ژنتیک را به عنوان یکی از روش‌های فراابتکاری که دارای دقت بیشتری می‌باشد، به عنوان مدل برتر معرفی کرد.

modeling pedestrian flow in urban pedestrian facilities using meta-heuristic algorithms (Case study: Rasht city

Pedestrian behavior plays an important role in the design of pedestrian facilities, especially in high-traffic areas. One of these behavioral characteristics is the speed of their walking on sidewalks and sidewalks and the speed of crossing the width of urban thoroughfares at lighted intersections and marked crossings; Therefore, the most important step is to know the flow parameters of pedestrians when passing through various urban facilities. The aim of this study is to model the flow of pedestrians crossing various urban pedestrian facilities (sidewalks, sidewalks, intersections with and without lights). Therefore, by photographing a sidewalk and a sidewalk, a passage without lights and a crossroads with lights, 5031 pedestrian crossings were collected. Then, using regression models and genetic algorithm method, pedestrian flow relationships such as speed, flow rate and density were modeled. The results showed that the accuracy of the models for different facilities including sidewalks, sidewalks, lightless intersections and lighted intersections using genetic algorithm has a higher prediction accuracy than the regression method and is equal to 0.9451, 0.9062, 0.9682 and 0/9938 are; Therefore, in this field, genetic algorithm can be introduced as one of the meta-innovative methods that has more accuracy, as a superior model