دانشگاه صنعتی نوشیروانی بابل مجله علمی رایانش نرم و فناوری اطلاعات 2383-1006 4 3 2015 09 23 Travel time prediction in suburban roads using data mining techniques (Case study: Ghaemshahr - Babol and Sari - Ghaemshar roads) پیش بینی زمان سفر در مسیرهای برونشهری با استفاده از تکنیک های داده کاوی مکانی مطالعه موردی: مسیر قائمشهر به بابل و ساری به قائمشهر 3 15 51665 FA فردین مسلمی نجارکلائی میثم عفتی استادیار، گروه مهندسی عمران، دانشکده فنی، دانشگاه گیلان، رشت فرزین ناصری 3استادیار، گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، ، کرمان محمد علی رجبی استادیار، گروه مهندسی نقشه برداری، پردیس دانشکده های فنی، دانشگاه تهران، تهران Journal Article 2017 07 29 برآورد زمان سفر در فرآیندهای برنامه ریزی سیستم های حمل ونقل، مورد توجه متخصصان حوزه های مختلف بوده که هر یک با بهره گیری از داده ها و ابزارهای تحلیلی خاص، سعی در مطالعه و برآورد زمان سفر داشته اند. روش های نوین و ترکیب ابزارهای موجود در سیستم های اطلاعات مکانی و تحلیل های داده کاوی، قابلیت های مختلفی را جهت استخراج الگوهای بدیع موجود در داده ها که بکارگیری آنها در برآورد زمان سفر فر اهم آورده و جایگزین مناسبی برای روش های سنتی می باشند. این تحقیق از تکنیک های داده کاوی مکانی خوشه بندی و همینطور روش شبکه عصبی پیشخور جهت برآورد زمان سفراستفاده می کند. در این تحقیق جهت برآورد زمان سفر از 8 پارامتر K-means خودروهای عمومی و داده های هواشناسی و تصادفات در یک دوره زمانی 3 ساله در استان مازندران )مسیر GPS استخراج شده از داده های  ساری- قائمشهر و بابل– قائمشهر( استفاده می شود. بهمنظور ارزیابی روش پیشنهادی، خروجی روش های خوشه بندی و شبکه عصبی در تعیین زمان سفر با داده های واقعی در مسیر مورد مطالعه مقایسه می شوند. نتایج حاکی از این است که روش شبکه عصبی مصنوعی با استفاده از روش 1 در مقایسه با روش های خوشه بندی نتایج رضایت بخشی دارد.  برآورد زمان سفر در فرآیندهای برنامه ریزی سیستم های حمل ونقل، مورد توجه متخصصان حوزه های مختلف بوده که هر یک با بهره گیری از داده ها و ابزارهای تحلیلی خاص، سعی در مطالعه و برآورد زمان سفر داشته اند. روش های نوین و ترکیب ابزارهای موجود در سیستم های اطلاعات مکانی و تحلیل های داده کاوی، قابلیت های مختلفی را جهت استخراج الگوهای بدیع موجود در داده ها که بکارگیری آنها در برآورد زمان سفر فر اهم آورده و جایگزین مناسبی برای روش های سنتی می باشند. این تحقیق از تکنیک های داده کاوی مکانی خوشه بندی و همینطور روش شبکه عصبی پیشخور جهت برآورد زمان سفراستفاده می کند. در این تحقیق جهت برآورد زمان سفر از 8 پارامتر K-means خودروهای عمومی و داده های هواشناسی و تصادفات در یک دوره زمانی 3 ساله در استان مازندران )مسیر GPS استخراج شده از داده های  ساری- قائمشهر و بابل– قائمشهر( استفاده می شود. بهمنظور ارزیابی روش پیشنهادی، خروجی روش های خوشه بندی و شبکه عصبی در تعیین زمان سفر با داده های واقعی در مسیر مورد مطالعه مقایسه می شوند. نتایج حاکی از این است که روش شبکه عصبی مصنوعی با استفاده از روش 1 در مقایسه با روش های خوشه بندی نتایج رضایت بخشی دارد.  https://jscit.nit.ac.ir/article_51665_9d52e27bd4b330fc4857fab05b775406.pdf