تدريسيات من جامعة كربلاء ينشرن بحثاً علمياً عن تطوير النمذجة التنبؤية وتصنيف التعلم العميق لرسوم رحلات سيارات الأجرة

قامت التدريسيات م.م سهاد عبد الزهرة حاجم وم.م بشرى جابر محمد جواد في كلية الإدارة والاقتصاد بجامعة كربلاء و زاليلي بنت موسى بنشر بحث
بعنوان
“تطوير النمذجة التنبؤية وتصنيف التعلم العميق لرسوم رحلات سيارات الأجرة”
Development of predictive modeling and deep learning classification of taxi trip tolls
في مجلة “مجلة المشاريع للتقنيات الاوربية الشرقية
”Eastern-European Journal of Enterprise Technologies- Ukraine

الملخص

ناقشت العديد من الدراسات النمذجة التنبؤية للتعلم العميق في تطبيقات مختلفة مثل تصنيف ميزات الأنسجة للبيانات المجهرية وأسعار النفط الخام والسلوك التكويني الميكانيكي للمواد وبيانات المايكروبيوم والمعادن. ويتضمن التنقل التجاري ثروة من البيانات المتعلقة بالرحلة ، بما في ذلك المسافة ووقت الرحلة المتوقع والرسوم التي يمكن مواجهتها على طول الطريق. باستخدام خوارزمية التصنيف ، من الممكن استخراج مواقع الصعود والنزول من بيانات رحلة التاكسي وتقدير ما إذا كانت الرحلة ستتكبد رسومًا. في بحثنا ، استخدمنا متعلم التصنيف لإنشاء نماذج تصنيف ، ومقارنة أدائها ، وتصدير النتائج للدراسة الإضافية. إن سير العمل لمتعلم التصنيف هو نفسه بالنسبة لمتعلم الانحدار. والغرض من ذلك هو عمل تنبؤات تستند إلى بيانات جديدة لمعرفة مدى جودة أداء النموذج مع البيانات الجديدة. لتدريب النموذج ، من المهم فصل مجموعة البيانات. تتم معالجة بيانات التدريب والتحقق المجمعة مسبقًا ، والتي تتضمن مهام مثل تطوير المهارات والميزات الجديدة. حيث بمجرد إعداد البيانات ، سيتم البدء بعملية التعلم الآلي تحت الإشراف واختبار عدد من الطرق لتحديد أفضل نموذج ، مثل نوع النموذج الذي يجب استخدامه ، والميزات المهمة ، وأفضل معلمات النموذج للعثور على الأنسب للبيانات المدروسة. تُظهر نتائج تحليل نماذج تصنيف تنبؤيه متعددة الطبقات مع رسوم رحلات سيارات الأجرة حيث من الممكن استخدام نموذج قائم على التعلم الآلي عندما نرغب في تجنب رسوم الطرق اعتمادًا على البيانات التاريخية الخاصة برسوم رحلات التاكسي. يمكن أن تساعد نتائج هذه الدراسة في توقع رسوم المرور من مواقع النزول والصعود لبيانات سيارات الأجرة.