دسترسی به خدمات حمل‌ونقل عمومی با کیفیت و عملکرد و کارایی بالا مستلزم انواع نوآوری‌ها در برنامه‌ریزی عملیاتی و عوامل مؤثر بر آن است. پیش‌بینی تقاضای مسافر بخشی جدایی‌ناپذیر از عملیات حمل‌ونقل عمومی است، زیرا تقاضا به طور همزمان تحت تأثیر تعاملات پیچیده و غیرخطی بین بسیاری از عوامل مکانی و زمانی قرار می‌گیرد. این مطالعه یک مدل استنتاج عصبی – فازی تطبیقی را با هدف پیش‌بینی تقاضای سفر حمل‌ونقل عمومی به تفکیک نواحی ترافیکی مشهد برای بهبود برنامه‌ریزی عملیاتی در این حوزه توسعه می‌دهد. به دلیل انعطاف‌پذیر و قابل توسعه بودن مدل، امکان ترکیب متغیرهای زمانی و مکانی مختلفی در پیش‌بینی تقاضای سفر فراهم می‌شود. این پژوهش چهار مدل انفیس که با چهار مجموعه داده توسعه داده می‌شوند را ارزیابی و مقایسه می‌کند. به‌طوری‌که دو مجموعه داده یک و دو شامل کلیه متغیرهای ممکن در تحقیق، بدون پیش داوری از تأثیرگذاری آنها بر تقاضا و به ترتیب در افق‌های روزانه و سالانه می‌باشند. مجموعه داده سه و چهار نیز شامل متغیرهای مؤثر دو مجموعه قبلی هستند که به‌منظور شناسایی و انتخاب ویژگی‌های مؤثر بر متغیر وابسته تقاضا از الگوریتم جنگل تصادفی استفاده می‌شود. این اقدام موجب افزایش سرعت در پردازش این مدل‌ها و کاهش خطای آنها می‌گردد. یافته‌ها نشان داد که مجموعه داده شماره چهار که شامل ویژگی‌های مکانی در مقیاس سالانه است، عملکرد بهتری در توسعه مدل پیش‌بینی تقاضای انفیس برای دو سیستم اتوبوس و قطارشهری مشهد دارد. خطای داده‌های آموزش برای این مدل 331/0 و خطای داده‌های آزمایش 095/1است. خروجی مدل‌های پیش‌بینی در این تحقیق، در صورت ایجاد تغییرات در سطح بهره‌برداری از انواع کاربری‌های شهری مشهد، برآوردی از تقاضای حمل‌ونقل عمومی در دو افق روزانه و سالانه و به تفکیک نواحی ترافیکی در اختیار برنامه‌ریزان قرار می‌دهند.

کلمات کلیدی