پیش بینی تعداد مسافران ورودی به مترو با استفاده از فرایند پواسون ناهمگن

تاثیر تعداد مسافران ورودی به مترو بر برنامه ریزی ها، هزینه ها، بهینه سازی و به دنبال آن بهبود خدمت رسانی،ضرورتمدل سازی و پیش بینی آن را نشان می دهد. در این مقاله از فرایند پواسون ناهمگن جهت مدل سازی و پیش بینیتعداد مسافران ورودی به خط یک متروی تهران در بازه زمانی 7 تا 8 صبح از فروردین 1395 تا اسفند 1398 استفادهشده است. برآورد تابع شدت فرایند پواسون ناهمگن برای این داده ها به دو صورت، تک ضابطه ای و چند ضابطه ایپیشنهاد شده است. همچنین برای ارزیابی دو مدل برآورد شده، معیارهای ضریب همبستگی، ریشه میانگین توان دومخطا و درصد میانگین قدر مطلق خطا مورد مقایسه قرار گرفتند. نتایج نشان می دهد که برآورد تابع شدت به صورتچند ضابطه ای به تفکیک فصل های مختلف سال، برآورد با دقت بیشتری را ارائه می دهد.

predicting the number of tehran metro entrance passengers withnonhomogeneous poisson process

the effects of the number of metro entrance passengers on planning, cost forecasting,optimizing and followed by improved serving show the importance of modeling andpredicting this. in this paper, the nonhomogeneous poisson process is used for modeling andpredicting the number of entrance passengers on line 1 of tehran metro between 7 to 8 inthe morning from march 20, 2016 to march 19, 2020. estimating of the intensity functionis proposed for this data set in two ways; single-criteria and multi-criteria. also, to evaluatethe two estimated models, the criteria of correlation coefficient, mean root mean square errorand mean absolute percentage error are compared. the results indicate that estimating theintensity function as multi-criteria by seasons of year provides a more accurate estimate.