تحلیل تقاضای مسافر ریلی و پیش بینی آن با الگوریتم سری زمانی

با توجه به اهمیت مدیریت عرضه امکاناتحمل و نقل در وضع موجود و تخصیص این منابع در بخش حمل و نقل ریلی، پیش بینی تعداد مسافرین از اولویت بالایی برخوردار است. در این تحقیق با استفاده از مدل های سری زمانی، تقاضای مسافرت در شبکه راه آهن جمهوری اسلامی ایران پیش بینی شده است. سری های زمانی ایستا و ناایستای تقاضای مسافر ریلی با آزمایش وجود ریشه واحد و ریشه واحد فصلی قبل از مراحل تخمین، انتخاب مدل و پیش بینی مورد تحلیل قرار می گیرند. برای مدلسازی تقاضا از روش باکس- جنکینز استفاده شده است که دلایل فراوانی برای انتخاب این روش ها وجود دارد. بیشتر این دلایل، وابسته یا همبسته بودن تقاضای سفر در فصل ها و ماه های مختلف سال و همچنین تکرار رفتاری منظم در دوره های زمانی با طول ثابت می باشد. برای ارزیابی عملکرد مدل ها از درصد میانگین خطای مطلق (MAPE) و میانگین ریشه مربعات خطا (RMSE) استفاده شده است. تایید و بازبینی مدل ها، توسط آزمون های زیادی صورت پذیرفته که تمامی این آزمون ها تاییدی برای عملکرد مناسب مدل ها و اطمینان بخش بودن آنها می باشند. مدل های برازش شده پایانی از الگوی فصلی ARIMA پیروی کرده و حداقل 92% دقت در پیش بینی را دارا می باشند.