چکیده:
برنامه ریزی حمل و نقل درون شهری در دوره های اخیر همواره یکی از تصمیمات مهم در حوزه برنامه ریزی شهری در کلان شهرها بوده است. در این بین، پیش بینی حجم سفرهای آتی بین دو منطقه کلان شهر، کلید موفقیت در این امر برنامه ریزی صحیح حمل و نقل به شمار می رود. به دلیل اهمیت برنامه ریزی حمل و نقل درون شهری، مدل های مختلفی توسط محققین در این زمینه توسعه داده شده که بعضی از این مدل ها علیرغم قدمت زیاد، همچنان در حوزه های عملیاتی به کار گرفته می شوند. مساله اساسی در توسعه این مدل ها، پیچیدگی مساله است که از ماهیت رفتار انسانی در انتخاب ناشی می شود. این پیچیدگی سبب می شود تا همواره توسعه مدلی که خطای پیش بینی قابل قبولی داشته باشد، با مشکلات فراوان محاسباتی و عملیاتی روبرو باشد. این مساله در کشورهای در حال توسعه و یا توسعه نیافته که در آن ها داده های تاریخی به شکل مناسب در اختیار نیستند و ظرفیت های محاسباتی رایانه ای نیز به طور کامل در دسترس نمی باشد، از اهمیت بسیار بیشتری برخوردار است. در این پژوهش، یک مدل سه مرحله ای فازی برای مدل سازی فرایند سفر بین دو ناحیه مفروض از یک کلان شهر و در نهایت چارچوبی برای پیش بینی آتی این کمیت پیشنهاد شده است تا بر اساس آن بتوان برای نگاشت بین حجم سفرهای انجام شده بین دو ناحیه به عنوان متغیر خروجی و متغیرهای جمعیت شناختی و اجتماعی به عنوان متغیر ورودی، تابعی را تقریب زد که بتواند فرایند انجام سفر را مدل کند. در این مدل، پایگاه قواعد فازی در حقیقت در پی انتقال الگوی ذهنی متخصصین حمل و نقل به مدل ریاضی تشکیل شده است.
خلاصه ماشینی:
"مفاهیم مربوط به منطق فازی به ما امکان - Smiller J and Hoel L A - Celikoglu and Cigizoglu - Artificial Neural Networks (ANN) - Dougherty - Yun et al - Chen and Muller - Messai et al - Zhang et al - Fuzzy Logic می دهد تا متغیرها زبانی را به محاسبات ریاضی وارد نموده و فاصله بین صفر و یک به عنوان نماینده عدم حضور یا حضور در مجموعه ای مفروض را پر نماییم.
اگر چه نمی توان اهمیت منطق دو ارزشی را به عنوان پایه بسیاری از علوم و فناوری های گذشته و حال که باعث پیشرفت جوامع بشری شده را زیر سوال برد اما باید به این نکته نیز توجه داشت که چنین منطقی نمی تواند به طور کامل ابهام، عدم قطیعت و نادقیقی موجود در رفتار مسافران و رانندگان را توجیه نماید و بر همین اساس به نظر می آید استفاده از منطقی چون منطق فازی که این عدم قطعیت را مورد توجه قرار داده بیشتر بتواند در مدل سازی سیستم های حمل و نقل با موفقیت همراه باشد (تئودوروویج 4 ، 1999: 337-364).
در این کار پژوهشی محققان سعی نموده اند تا چارچوبی ارائه نمایند تا بر اساس آن بتوان الگوی ذهنی متخصصین حوزه حمل و نقل را مبتنی بر وضعیت متغیرهای مربوط به تولید و جذب سفر یک جفت مبدا- مقصد دلخواه از ناحیه - Lotan and Koutsopoulos - Xu and Chan - Chen et al - Teodorovic and Babic - Chang and Shyu - Chanas et al - Deb - Nanda and Kikuchi - Vukadinovic and Teodorovic - Teodorovic et al."