بكارگيري منطق فازي در مدلسازي انتخاب وسيله نقليه سفرهاي برون شهري

Research Note: The Use of Fuzzy Logic for Modeling the Mode Choice of Suburban Trips

مدلهاي انتخاب وسيله نقليه بر اساس رفتار مسافران، در انتخاب شيو ههاي مختلف حمل و نقل ايجاد مي شوند. از آنجا كه انسان به عنوان عامل انتخاب كننده وسيله سفر، داراي خصوصيات رفتاري متفاوت و تصادفي است، مدلهاي رياضي نمي توانند به صورت كامل رفتار انسان را در انتخاب وسيله نقليه سفر برون شهري بيان كنند. هدف از اين تحقيق، وارد كردن هر چه بيشتر ويژگيهاي رفتاري مسافران در مدلهاي انتخاب وسيله نقليه سفر برون شهري و واقع يتر كردن نتايج مدلها با كاربرد منطق فازي در آنهاست. در اين راستا براي مدلسازي انتخاب وسيله نقليه سفرهاي برون شهري از يك مدل لاجيت آشيان هاي استفاده مي شود. ابتدا با استفاده از نتايج آماربرداري ميداني، پايگاه داده براي متغيرهاي تاثيرگذار در انتخاب مسافران ساخته مي شود. سپس جهت در نظر گرفتن رفتار مبهم انسان در اين مدل و افزايش دقت آن، پايگاه داده هاي هر متغير با استفاده از الگوريتم خوشه بندي كاهند ه فازي، فازي سازي مي شوند. مدل نيز با استفاده از روش بيشينه احتمال ساخته و پرداخته مي شود. نتايج اين مدل با اطلاعات انتخاب سفر شهرها مقايسه شده كه حاكي از بهبود نتايج مدلسازي است.

Selecting mode choices on the basis of different behavior of passengers creates selection of different modes of transportation. Since the human being as an agent selector of mode choice has a different and random behavioral characteristics, the non-probability of mathematical models, can’t completely express the human behavior at mode choices of suburban trips. The aim of this study is to import whatever more behavioral characteristics on mode choices of suburban trips and more reliability the results of models with the use of fuzzy logic in them. In this regard for the mode choices of suburban trips a nested logit model was used. In order to consider the obscure behavior of the human in this model, variables of utility functions of each nest with using fuzzy subtractive clustering algorithm have been fuzzificated. Then calibration of the model with using the method of the maximum probability has been done. The results of this model with the data from the selected cities have been compared, clarifying the process modeling is satisfactory.