مدل‌ شبکه عصبی در براورد تقاضای دورکاری: روشی برای کاهش ترافیک شهری

چکیده- هزینه‌های بسیار زیاد حمل‌ونقل، محققین را به سمت استفاده از شیوه‌های کاراتر مانند دورکاری برای کاهش این هزینه‌ها سوق داده است. این شیوه نوین مدیریت حمل‌ونقل باعث کاهش حجم سفرهای کاری و هزینه‌های آن مانند مصرف سوخت، زمان سفر، آلودگی هوا و سرمایه‌گذاری در توسعه زیرساخت‌ها می‌شود. با توجه به آثار مثبت و وسیع این شیوه و پیچیدگی فرایند تصمیم‌گیری انسان، این مقاله با به‌کارگیری توان زیاد مدل‌های شبکه‌ی عصبی مصنوعی در بازسازی روابط پیچیده و غیرخطی، به مدل‌سازی تقاضای دورکاری برای نمونه شهر تهران می‌پردازد. در این مقاله از مدل پرسپترونی چندلایه از نوع پس‌انتشار خطا برای براورد دورکاری استفاده می‌شود. شبکه‌ی پیشنهادشده، 21 نرون در 3 لایه با توابع انتقال تانژانت سیگموید، لگاریتم سیگموید و خطی دارد. با استفاده از اطلاعات به‌دست‌آمده از پرسش‌گری طراحی‌شده، مدل‌های مختلفی با حجم نمونه‌ی 676 پرداخت شدند. نتایج مدل پیشنهادی که با 171 مجهول و پس از 1800 تکرار به هم‌گرایی رسید، گویای قابلیت بالا در بازسازی مشاهدات است، به گونه‌ای که میانگین مربعات خطا، ضریب تعیین و شاخص براوردهای صحیح برای مجموعه‌‌ی آزمایش، به ترتیب، 1770/1، 19/0 و 39 درصد است. با استفاده از مدل پیشنهادی این پژوهش و اطلاعات چهار متغیر مستقل، می‌توان براورد ی از تعداد روز دورکاری در هفته داشت که هم‌فزونی آن‌ها براوردی از تقاضای کلان دورکاری در سطح شهر برای تصمیم‌گیری بهتر در مورد تدوین برنامه‌های مربوط به دست خواهد داد.