APPLICATION OF NEURAL NETWORK FOR MODE CHOICE MODELING AND MODAL TRAFFIC FORECASTING

Abstract

تعتبر نمذجة النقل الحدودي (النقل بين الدول) من المجالات الفريدة من نوعها والتي هي تحت الاستكشاف من قبل الباحثين والدارسين. وقد اكتسبت تقنيات الذكاء الاصطناعي (AI) وخاصة الشبكات العصبية الاصطناعية (ANNs) شهرة كبيرة بين الباحثين والعاملين في تخطيط النقل. وتعتبر النماذج المدمجة نهج جديد وواعد لنمذجة حركة النقل من خلال دمج أساليب وطرق مختلفة. ومع ذلك، فإن تطبيق هذه التقنيات المعاصرة لنمذجة النقل الحدودي بشكل عام ونمذجة اختيار وسيلة النقل بشكل خاص ما يزال تحت الاستكشاف. في هذا البحث تم اختيار جسر الملك فهد الذي يربط المملكة العربية السعودية مع مملكة البحرين لاستكشاف استخدام التقنيات المعاصرة لنمذجة النقل الحدودي. حيث يتناول هذا البحث توظيف هذه التقنيات للاستخدام في التنبؤ الدقيق لحركة المرور. إضافة إلى التحقق من فعالية استخدام هذه التقنيات في قضايا التخطيط على المدى الطويل مثل نمذجة اختيار وسيلة النقل. وقد تم اختبار مجموعات مختلفة من المتغيرات و التي تشتمل على مؤشرات أسواق الاسهم ، الاحوال الجوية و السفر الجوي للتنبؤ بحركة المرور. وقد استخدمت مؤشرات الاسهم للمرة الاولى للتنبؤ بحركة المرور عبر الحدود كمقياس بديل للاستقرار السياسي و الظروف الاقتصادية في البلدين. كما تم اختبار تأثير هذه المتغيرات على فترات زمنية سابقة مختلفة وعلى زمن التنبؤ المستقبلي. وقد اتضح من النتائج امكانية استخدام مؤشرات سوق الاسهم للتنبؤ بحركة المرور بين الحدود. ومع ذلك، فإنه ينصح باستخدام العوامل الاخرى والمذكورة أعلاه للحصول على دقة أفضل في فترات زمنية اقصر تتراوح بين يوم و 7 أيام. ويقارن هذا البحث بين دقة نتائج النموذج اللوغاريتمي (logit model) المستخدم في الشبكات العصبية الاصطناعية(ANN) والنماذج المدمجة. وقد تم اقتراح نموذج متنوع (غير متجانس)عن طريق دمج النموذج اللوغاريتمي مع الشبكات العصبية الاصطناعية لنمذجة اختيار وسيلة النقل. وقد اعطت هذه النماذج مجتمعة أداء أفضل من النتائج التي يعطيها كل نموذج على حدة. ولذلك فإنه ينصح باستخدام هذه النماذج المدمجة لنمذجة اختيار وسيلة النقل. وزيادة على ذلك، فإن عدد وسائل النقل المتوفرة والمتغيرات المدخلة يؤثر على دقة نتائج جميع أنواع النماذج.