فهرست نشریات علمی دسترسی آزاد ایران

یکی از مسائل مهم در زمینه تجارت الکترونیک، سیستم حمل و نقل، کنترل آلایندگی و مباحث پایداری، ارزیابی نوع سفر به منظور خرید برخط و برون‌خط است. بر این اساس، در این پژوهش تلاش شد تا با جمع‌آوری اطلاعات خرید ۱۰۰۰ نفر از ساکنین مناطق ۲ و ۵ تهران در سال 1399، از یک رویکرد تلفیقی مبتنی بر یادگیری ماشین به منظور تخمین نوع سفر با هدف خرید استفاده شود. رویکرد پیشنهادی شامل الگوریتم تلفیقی گرگ خاکستری و شبکه کانولوشنال عمیق می‌باشد. کاربرد الگوریتم بهینه‌ساز گرگ خاکستری از آن جهت حائز اهمیت است که می‌تواند علاوه بر تنظیم هایپرپارامترهای شبکه کانولوشن، به صورت همزمان عملیات انتخاب ویژگی را نیز انجام دهد. نتایج نشان داد که روش پیشنهادی با انتخاب 7 ویژگی از ۱0 ویژگی اولیه توانسته به دقت تخمین برابر با 81/97 درصد با معیار MSE برابر با 325/0 برسد. همچنین مقایسه عملکرد روش پیشنهادی با روش‌های دیگر نشان داد که پس از الگوریتم پیشنهادی با دقت 81/97 درصد، دقت مدل‌های یادگیری عمیق تکی، شبکه عصبی MLP، درخت تصمیم و KNN به ترتیب برابر با 63/95 ، 12/90 ، 49/86 و 16/80 درصد می‌باشد. نتایج این پژوهش دید وسیع و شفافی به برنامه‌ریزان حمل‌و‌نقل، مدیران کسب‌و‌کارهای برخط و مدیران قانون‎گذار در توسعه حمل‌و‌نقل شهری خواهد داد. این نتایج باعث طراحی مؤثر استراتژی‌ها، کاهش هزینه‌های حمل‌و‌نقل، کاهش آلایندگی هوا و رضایت شهروندان را در برخواهد داشت که همگی منتج به توسعه پایدار خواهد شد.