پتانسیل‌یابی معابر مستعد جهت احداث ایستگاه‌های اتوبوس شهری با استفاده از شبکه عصبی پرسپترون چند لایه (mlp) و الگوریتم پس انتشار خطا (نمونه موردی: شهر کرمانشاه)

حمل و نقل همواره یکی از مهمترین عوامل اثرگذار بر ساختار شهرها بوده است. اما بویژه در یک سده اخیر با گسترش انواع وسایل نقلیه موتوری و تغییرات فزاینده جمعیتی به یکی از اصلی ترین مشکلات شهرنشینی بدل گردیده است. با توجه به حجم مسافرت های درون شهری در شهر کرمانشاه طراحی ایستگاههای اتوبوس به صورت استاندارد، از جمله مواردی است که باعث پهلوگیری مناسب اتوبوس در ایستگاه ها، کاهش زمان پیاده و سوار شدن کاربران و تاثیر منفی کمتر این سیستم بر تردد سایر وسایل نقلیه می شود. در این پژوهش از شبکه عصبی پرسپترون برای پیش بینی بهترین مکان ها برای ایستگاه اتوبوس استفاده است. از جمله ساختارهای مهم شبکه های عصبی، پرسپترون چند لایه multilayer percepttron)) با الگوریتم پس انتشار خطا (error backpropagation ) است که برای انجام پژوهش استفاده شده است. داده های موثر در مکان یابی ایستگاه های اتوبوس شامل 15 لایه: تراکم جمعیت، فاصله از بیمارستان، فاصله از پارکینگ، فاصله از درمانگاه و کلینیک، فاصله از مراکز تجاریاداری، فاصله از ترمینال، فاصله از رود خانه، فاصله از مراکز آموزشی، فاصله از مراکز نظامی، فاصله از مراکز مذهبی، فاصله از مراکز ورزشی، فاصله از فضای سبز، فاصله از معابر شهری، فاصله از مراکز صنعتی، فاصله از مراکز گردشگری می باشند. در ادامه 500 لایه به عنوان نقاط آموزشی شبکه تهیه و تعداد 10 لایه میانی نیز تعیین شد. سپس با اجرای شبکه پهنه های مستعد جهت احداث ایستگاه بدست آمدند. در نهایت با مشخص معابر موجود در پهنه های مستعد، معابر مستعد جهت احداث ایستگاه مشخص گردیدند. هم چنین مشاهده شد که معابر مستعد در نزدیکی نقاط پرتراکم جمعیتی، مرکز شهر، مراکز فرهنگی و تجاری قرار دارند.

Urban Bus Stop Site Selection using MultiLayer Perceptron Neural Network and Error BackPropagation Algorithm (Case Study: Kermanshah City)

Transportation has always been one of the most important factors, which affects the structure of cities. However, the development of a variety of motor vehicles and everincreasing population changes, especially in the last century, have become one of the main urbanization problems. Considering the volume of inland traffic in Kermanshah City, the standard site selection of bus stations is one of the most important parameters that improves the proper operation of public transportation in the stations. This includes the reducing of Getof and the Getin time of the users as well as making less traffic jam of other vehicles. In this study, the multilayer perceptron with the errorback propagation algorithm as one of the most important structures of the neural networks is used. Afterward, 15 map layers were used as the effective data to select bus station locations. In addition, 500 layers were prepared as network teaching points and 10 intermediate layers were determined. Then, the optimized site zones were obtained by implementing a network of susceptible zones. Eventually, the stations were able to be constructed by identifying the passages in the susceptible zones. It was also observed that susceptible passages are located near demographic, downtown, cultural and commercial centers.