APPLICATION OF NEURAL NETWORK FOR MODE CHOICE MODELING AND MODAL TRAFFIC FORECASTING. PhD thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF unebgazder_201004300_CE_PhD.pdf - Accepted Version Download (1MB) | Preview

Arabic 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.

English Abstract

Border transport modeling is a unique research area which is under-explored in the present literature. Artificial Intelligence (AI) based techniques, especially Artificial Neural Networks (ANNs), have gained immense popularity among the researchers and practitioners of transportation planning. Ensemble learning is another new and promising approach for modeling traffic by integrating different methods. However, the application of these contemporary techniques for border transport modeling, in general, and mode choice modeling, in particular has been under-explored. In this research, King Fahd causeway, which connects Kingdom of Saudi Arabia (KSA) and Bahrain has been selected to explore the use of contemporary techniques for border transport modeling. This research addresses employment of these techniques for operational use through accurate traffic forecasting. Moreover, the use of these techniques for long-term planning issues such as mode choice has also been investigated. Different variable sets including stock market indices, weather parameters and air-travel were tested for traffic forecasting. Stock indices have been used for the first time for border traffic forecasting as a surrogate measure of political stability and economic conditions of the countries connected. The effects of these variables were tested for different input time-series data (look-back period) and prediction horizons. The results of the study justify the use of stock market indices for border traffic forecasting. However, the use of other factors, as mentioned above, is also recommended for better accuracies in shorter prediction horizons of 1 and 7 days. This research also compares the accuracies of logit model, ANN and ensemble learning. A heterogeneous ensemble is proposed, with the combination of logit model and ANN, for mode choice modeling. These models give better performance than single logit models as well as ANN models for multinomial mode choice problems. Thus the use of these ensembles is recommended for these problems. Moreover, number of modes and input variables also affect the accuracy of all types of models.

Item Type:	Thesis (PhD)
Subjects:	Civil Engineering > Transportation Engineering
Department:	College of Design and Built Environment > Civil and Environmental Engineering
Committee Advisor:	Ratrout, Nedal T.
Committee Members:	Al-Madani, Hashim and Abido, Muhammad A. and Al-Senan, Shukri Hasan A. and Al-Ahmadi, Hassan Mousaid
Depositing User:	GAZDER UNEB (g201004300)
Date Deposited:	15 Jun 2014 11:21
Last Modified:	01 Nov 2019 15:42
URI:	http://eprints.kfupm.edu.sa/id/eprint/139298