مدل سازی تقاضای سفر با استفاده از بلوک های آماری: مطالعه موردی شهر تهران
Authors
abstract
در این مقاله با استفاده از بلوک های آماری شهر تهران به مدل سازی تقاضای سفر در سیستم های اطلاعات مکانی پرداخته شده است. برای نیل به این هدف از 3191 بلوک آماری شهر تهران به عنوان نواحی ترافیکی جهت نمایش مبدأ- مقصدهای سفر استفاده شد. پس از آماده سازی اطلاعات مکانی و توصیفی مورد نیاز در محیط gis، به براورد تولید و جذب سفر برای هر یک از نواحی ترافیکی پرداخته شد. برای این منظور، مدل هایی به تفکیک اهداف سفر با استفاده از روش رگرسیون چند متغیره توسعه داده شدند. سپس با توجه به میزان تولید و جذب سفر تخمین زده شده برای هر یک از نواحی و فاصله مکانی بین آن ها، با استفاده از مدل جاذبه به توزیع سفر میان آن ها پرداخته شد. برای بهبود مدل سازی توزیع سفر از طول کوتاه ترین مسیر موجود بر روی شبکه معابر به عنوان فاصله میان نواحی استفاده شد. در نهایت ماتریس مبدأ- مقصد که خروجی نهایی توزیع سفر است، به دست آمد. این ماتریس حجم تقاضای سفر روزانه میان مکان های مختلف را نشان می دهد و می تواند کمک شایان توجه ای به تصمیم گیران و برنامه ریزان حمل و نقل برای توسعه و مدیریت بهینه حمل و نقل شهری کند.
similar resources
مدل‌سازی تقاضای سفر با استفاده از بلوک‌های آماری: مطالعه موردی شهر تهران
در این مقاله با استفاده از بلوک های آماری شهر تهران به مدل سازی تقاضای سفر در سیستم های اطلاعات مکانی پرداخته شده است. برای نیل به این هدف از 3191 بلوک آماری شهر تهران به عنوان نواحی ترافیکی جهت نمایش مبدأ- مقصدهای سفر استفاده شد. پس از آماده سازی اطلاعات مکانی و توصیفی مورد نیاز در محیط gis، به براورد تولید و جذب سفر برای هر یک از نواحی ترافیکی پرداخته شد. برای این منظور، مدل هایی به تفکیک اهد...
full textارزیابی استفاده از مدل فعالیت-مبنا در قیاس با مدل سفر-مبنا برای برآورد تقاضای سفر کلانشهر تهران
با توجه به محدودیتهای مالی و مکانی و مشکلات آلودگیهای زیست محیطی در سطح معابر کلانشهر تهران، امروزه بیش از هر زمان دیگری احساس نیاز به استفاده از مدلهای تقاضای سفری میشود که رویکردشان از "پیشبینی و عرضه1" به "پیشبینی و جلوگیری2" از تقاضا تغییر کند؛ از این...
full textمدل سازی تقاضای آب خانگی با استفاده از روش مدل عوامل تصادفی، مطالعه موردی: شهر اراک
در این مقاله، تابع تقاضای آب خانگی از تابع مطلوبیت استون-گری استخراج و با به کارگیری مدل تعدیل جزیی و استفاده از روش اقتصادسنجی مدل عوامل تصادفی، تقاضای بلند مدت و کوتاه مدت آب شهر اراک در فصلهای مختلف و همچنین کل سال برآورد شد. داده ها ترکیبی و مربوط به 152 خانوار شهر اراک در سالهای 1382-1377 بود. پس از برآورد قیمت نهایی آب و انتخاب متغیرهای درآمد سرانه مصرف کننده، شاخص قیمت کالاها و خدمات مصر...
full textبرآورد تقاضای سفر جادهای با استفاده از روشهای رگرسیون و شبکه عصبی(مطالعه موردی:آزادراه قم-تهران)
سفر یکی از وجوه مهم زندگی بشر بوده و از مهمترین فعالیتهای ادواری (یا غیر ادواری) محسوب میشود. به همین دلیل، طی سالیان دراز، شیوههای مختلفی برای تأمین این نیاز جوامع ابداعشده است.سیستم حملونقل نیز مانند بسیاری از دستگاههای صنعتی متأثر از روابط عرضه و تقاضا بوده و هرگونه اقدامی در این حوزه باید با توجه به روابط موجود و روندهای آینده عرضه و تقاضا برنامهریزی گردد. در این پژوهش ...
full textپیشبینی تقاضای روزانه آب شهری با استفاده از شبکههای عصبی مصنوعی، مطالعه موردی: شهر تهران
پیشبینی تقاضای آب در سیستمهای آبرسانی و توزیع آب، با توجه بهکمک شایانی که میتواند به مدیران این مجموعهها برای مدیریت بحران (حداقل و حداکثر مصرف) داشته باشد، از اهمیت بالایی برخودار است. پیچیدگی و تأثیر عوامل و پارامترهای مختلف بر میزان تقاضای آب در این سیستمها، سبب گردیده است که روشهای تحلیلی و ریاضی کارایی لازم را در این زمینه نداشته باشند. در این مقاله روش شبکههای عصبی مصنوعی برای برآو...
full textبرآورد تابع تقاضای مسکن با استفاده از مدل هدانیک (مطالعه موردی شهر قائمشهر
در این تحقیق مدل هدانیک با استفاده از اطلاعات مقطعی سال 1387 که بصورت میدانی در سطح شهر قائمشهر جمع آوری گردیده و با توجه به ویژگیهای مکانی، محیطی و فیزیکی واحدهای مسکونی برآورد شده است. بر اساس نتایج حاصل، مهمترین عوامل موثر بر ارزش واحد مسکونی مساحت زمین، سطح زیربنا، تعداد اتاق خواب، فاصلة واحد مسکونی از مرکز شهر، فاصلة واحد مسکونی از خیابان اصلی، فاصلة واحد مسکونی از پارک و فضای سبز میباش...
full textMy Resources
Save resource for easier access later
Journal title:
برنامه ریزی و آمایش فضاPublisher: دانشگاه تربیت مدرس
ISSN 1605-9689
volume 15
issue 1 2011
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023