ارزیابی رضایت مندی شهروندان از سیستم حمل و نقل درون شهری همدان (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
حمل و نقل یکی از مهم ترین زیربناهای تشکیل دهنده زندگی شهری است که شکل و چگونگی توسعه اجتماعی و اقتصادی شهر را تعیین می کند. در این راستا، بررسی کیفیت حمل و نقل شهر همدان که می تواند در توسعه آن بسیار مفید باشد؛ مورد توجه قرار گرفت. جهت ارزیابی میزان رضایتمندی شهروندان از سیستم حمل و نقل از مدل رگرسیون غیرخطی و شبکه عصبی مصنوعی استفاده شد. بدین منظور ابتدا با تدوین پرسش نامه ای که بر اساس سه شاخص اصلی (وضعیت تجهیزات و تأسیسات، وضعیت ساختار کالبدی و وضعیت مدیریت و شیوه خدمات رسانی) پایه ریزی گردید؛ دیدگاه شهروندان جمع آوری شد. سپس با اتحاذ این شاخص ها به عنوان متغیر مستقل و میزان رضایت مندی به عنوان متغیر وابسته، یک مدل رگرسیون غیرخطی اجرا شد. میزان همبستگی و جذر میانگین مربعات خطای خروجی از این مدل به ترتیب به مقدار 914/0 و 334/0 مقدار بدست آمد. در رویکردی دیگر با استفاده از شبکه عصبی مصنوعی، یک مدل با ساختار سه نرون ورودی، یک لایه پنهان و یک نرون خروجی پایه ریزی شد. همبستگی خروجی این مدل به مقدار 998/0 مقدار و جذر میانگین مربعات خطای آن در حدود 6 برابر کمتر از مدل رگرسیونی محاسبه شد. نتایج نشان دادند که مدل شبکه عصبی با تخمین توأمان روابط خطی و غیرخطی، از انعطفاف پذیری و قابلیت مناسب تری نسبت به رگرسیون غیرخطی برخوردار است. از طرفی شاخص های قیمت گذاری با ضریب (853/0)، برابری و رفاه با (795/0) و کاهش تقاضای سفر با (790/0) مقدار، اثرگذارترین شاخص ها در رضایت مندی شهروندان از شبکه حمل و نقل شهری هستند.Assessment of Citizens' Satisfaction with Intra-City Transportation System in Hamedan City
Transportation is one of the most important constituent parts of urban life that determines the shape and way of social and economic development of the city. In this regard, the quality of transportation in Hamadan city, which can be very useful in its development, was considered. The nonparametric regression model and artificial neural network were used to assess the citizens' satisfaction from the transportation system. For this purpose, first, a questionnaire was developed based on three main indicators (equipment and facilities status, physical status, management status, and service delivery). Citizens' perspective was gathered. Then, using a nonparametric regression model, independent indicators and satisfaction as an independent variable were used. The correlation and root mean square of the output errors of this model were 0.914 and 0.334 respectively. In another approach, using an artificial neural network, a model with three intrinsic neuron structures, one hidden layer and one output neuron was constructed. The output correlation of this model was 0.998 and the mean square error of the error was about 6 times lower than regression model. The results showed that the neural network model with both linear and nonlinear correlation estimates is more versatile and more suitable than nonparametric regression. On the other hand, price indices with coefficient (0.885), equality and welfare with (0.795) and decrease in demand for travel (0.790) are the most effective indicators for citizens' satisfaction with urban transport network.
تبلیغات
