[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
صفحه اصلی::
مدیریت دانشکده::
درباره دانشکده::
آموزش::
پژوهش::
فضاهای تحقیقاتی::
معرفی افراد::
رویدادها::
دانشجویان::
آلبوم تصاویر::
گروه‌های دانشجویی::
کانون دانش‌آموختگان و اساتید::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
نظرسنجی
ارزیابی شما از سایت دانشکده مهندسی عمران ؟
عالی
خوب
متوسط
   
..
تماس با ما

تماس با ما

تلفن دفتر: ۷۷۲۴۰۵۶۵ - ۷۷۲۴۰۳۹۹
دورنگار: ۷۷۲۴۰۳۹۸
تلفن مرکزی دانشگاه: ۹-۷۷۴۵۱۵۰۰
آموزش کارشناسی:
۷۳۲۲۸۱۰۳ و ۷۳۲۲۸۱۹۵
آموزش تحصیلات تکمیلی:
۷۳۲۲۷۱۸۶ و ۷۳۲۲۷۱۸۸ و ۷۳۲۲۷۱۸۹ و
۷۳۲۲۷۱۹۰
کد پستی دانشگاه: ۱۳۱۱۴-۱۶۸۴۶
صندوق پستی دانشگاه:
۱۶۳-۱۶۷۶۵
پست الکترونیکی:
mailcivileng.iust.ac.ir

..
تور مجازی دانشگاه

تور مجازی دانشگاه علم و صنعت ایران

..
خوراک RSS

نشانی عناوین مطالب وبگاه

درباره RSS

..
دفتر امور انتقال فناوری و ...
AWT IMAGE
..
مرکز کارآفرینی دانشگاه
AWT IMAGE
..
کانال رسمی دانشکده عمران
..
:: برگزاری دفاعیه دکتری مهندس امیرمسعود معمارنژاد ::
 | تاریخ ارسال: 1400/11/30 | 
مهندس امیرمسعود معمارنژاد دانشجوی دوره دکتری این دانشکده رشته مهندسی عمران گرایش حمل و نقل، ۳۰ بهمن‌ماه سال ۱۴۰۰ از رساله خود تحت عنوان «برآورد ماتریس مبدأ - مقصد سفرهای روزانه شهری بر اساس داده‌های انبوه (مطالعه موردی: محدوده مرکزی شهر تهران)» به‌صورت مجازی با راهنمایی دکتر شهریار افندی‌زاده دفاع نمود.
چکیده این رساله به شرح زیر می‌باشد:
پیش‌بینی ماتریس مبدأ - مقصد سفرها در شهرها نقش اساسی را در برنامه‌ریزی حمل‌ونقل ایفا می‌کند. روش‌های برآورد ماتریس مبدأ- مقصد سفرها به‌صورت گسترده‌ای در حال انتقال از روش‌های مرسوم آماربرداری به سمت استفاده از داده‌های سامانه‌های حمل‌ونقل هوشمند از قبل جمع‌آوری شده است. علت این انتقال یکی هزینه‌های بالای انجام آماربرداری‌های سنتی و دیگری تنوع داده‌های تولیدی توسط سامانه‌های حمل‌ونقل هوشمند و امکان بهره‌برداری مضاعف از آن‌ها است. این داده‌ها مجموعه‌ای متنوع از داده‌های انبوه را تشکیل می‌دهند. بهترین رویکرد در مواجه با داده های با حجم، تنوع و سرعت انتشار بالا روش‌های یادگیری ماشینی مبتنی بر روش‌های یادگیری عمیق است. لذا در این پایان نامه نیز از این روش‌ها جهت برآورد ماتریس مبدأ – مقصد سفرهای روزانه و ساعتی شهروندان استفاده گردیده است. در این پایان نامه با استفاده از مجموعه‌ای از داده‌های سامانه‌های هوشمند حمل‌ونقل، شامل: سامانه‌های پلاک خوان، کارت‌های هوشمند پرداخت، ترددشمارها در تقاطعات، سامانه موقعیت‌یاب جهانی نرم‌افزارهای ناوبری در کنار مشخصات اجتماعی-اقتصادی، جمعیتی و کاربری زمین نواحی ترافیکی، اقدام به پیش‌بینی ماتریس مبدأ- مقصد شده است. مدل پیشنهادی این پایان‌نامه در کلان‌شهر تهران به‌عنوان مطالعه موردی مورد ارزیابی قرار گرفته است. به منظور ارزیابی نتایج  علاوه بر روش‌های آماری از روش ابداعی جهت مقایسه ساختاری ماتریس برآورد شده و ماتریس مرجع استفاده است. شبکه عصبی پیچشی پیشنهادی این پایان‌نامه بهترین عملکرد را از نظر دقت پیش‌بینی ماتریس مبدأ-مقصد و کمترین خطا را با توجه به شاخص‌های میانگین مربعات خطا و درصد میانگین خطا دارد، همچنین خروجی مدل شبکه عصبی پیچشی بیشترین شباهت ساختاری را با ماتریس مبدأ - مقصد مرجع نشان داد. 
واژه‌های کلیدی: ماتریس مبدأ- مقصد، یادگیری ماشین، داده‌های انبوه، شبکه عصبی پیچشی
رایانامه جهت ارتباط با دانشجوی فوق: memarnejadcivileng.iust.ac.ir
دفعات مشاهده: 854 بار   |   دفعات چاپ: 60 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر

CAPTCHA
   
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان

Persian site map - English site map - Created in 0.07 seconds with 59 queries by YEKTAWEB 4570