Legfrissebb referenciáink

TOVÁBBI REFERENCIÁINK

Aktuális kérdőíveink

• Nincs aktuális kérdőív

Referenciák

Bevásárlóközpontok közlekedési hatástanulmányának kidolgozása

• Megrendelő: Állami Közúti Műszaki és Információs KHT. (ÁKMI)
• Helyszín: Országos
• Terv készítésének időpontja: 2000.
• Tervezők: Babós Gyula, Könczey Gábor

 Feladatunk a bevásárlóközpontok által generált forgalom nagyságának meghatározására alkalmas metodika készítése volt. A kutatás 31 különböző típusú magyarországi bevásárlóközpont forgalmi felmérésén alapult. A vizsgálataink azt mutatták, hogy nem állja meg a helyét az a korábbi feltételezés, amely szerint az áruház területe, és az általa keltett forgalom nagysága között egyenes arányosság állna fönt. Egyéb tényezők is befolyással bírnak az egyes bevásárlóközpontok (továbbiakban BK) által keltett forgalomra. A tényezők teljes listája a következőket tartalmazza:
     1.   bruttó terület (m²)
     2.   BK típusa
     3.   személygépkocsival közlekedők aránya a teljes forgalomban
     4.   annak a területnek (városnak) a népessége, ahol a BK elhelyezkedik
     5.   az adott típusból hány másik BK van még az adott területen
     6.   a BK forgalmi környezete
     7.   a BK településszerkezetben való elhelyezkedése
     8.   más BK hatása a vizsgált létesítményre
     9.   a parkolás akadályoztatása
     10. a BK népszerűsége, ismertsége
     11. intenzív lakóterület közelsége
Természetesen a számításokhoz, az egyes szempontok figyelembevételéhez azokat számszerűsíteni kellett. A számszerűsítést olyan módon végeztük el, hogy a számok – egy kategórián belül – minél inkább tükrözzék az adott kategória adott értékének forgalomkeltő hatását. Azaz a számadatok értékei csak az egyes kategóriákon belül, egymáshoz viszonyítva értelmezhetők.

Ennek a bevásárlóközpontonkénti 11 adatnak a birtokában megkíséreltük meghatározni a generált forgalmat, melyet 12. adatként a bevásárlóközponthoz rendeltünk. Amennyiben feltételezzük, hogy a generált forgalom a felsorolt bemeneti adatok függvénye, ez azt jelenti, hogy a generált forgalmat egy 11 változós, pontokban meghatározott függvénnyel kellene közelítenünk. Ennek áttekintése az ember számára legjobb esetben is legalább nehézkes, de inkább lehetetlen. Kerestünk tehát egy olyan matematikai elemzőprogramot, amely a felmerült problémát kezelni képes. Mivel hasonló jellegű elemzésekre (pl. ingatlanpiaci változásokra és előrejelzésekre) már eredménnyel használták a szakmában korábban az aiNet (artificial intelligence network, azaz mesterséges intelligencia hálózat) nevű programot, ezért mi is ezzel a programmal folytattuk további kutatásainkat.

Az aiNet egy sokoldalú matematikai elemzőprogram, amelynek segítségével ismert eseményeket modellező adatokból elő lehet állítani egy még ismeretlen esemény jellemző adatait. (Esemény alatt jelen esetben a valószínűségi eseménytér egy elemét értjük.) A program először az ún. modell vektorokat (azaz a mért BK-k paramétereit) kéri be, amelyek a már ismert események be- és kimenő adatai. Ezek után megadva a keresett esemény bemenő adatait (predikciós vektor) és egy általunk vagy a program által meghatározott hibaállandót, a program meghatározza a predikciós vektor kimenő adatait. A programnak létfontosságú eleme a modellvektorok adatait tartalmazó mátrix, hiszen a predikciót ennek alapján számítja. Így az egyik leglényegesebb feladatunk ennek a mátrixnak a bekalibrálása volt. A kalibrálás eredményeképpen a modell átlagos hibáját sikerült (a modellben előforduló bevásárlóközpont-típusokhoz hasonló esetekben) 15% alá szorítanunk.

Az aiNet rendelkezik két fontos segédeszközzel is. Egyrészt képes a modell zajszűrésére, illetve képes a modellt verifikálni. Mindkét paraméter a modellezés pontosságát illetve „jóságát” hivatott értékelni és bizonyítani.

A zajszűrés működésének lényege a következő: minden egyes modellvektorra elvégzi a predikciót a teljes modell alapján, és a kapott eredményt összehasonlítja a modellvektor kimeneti változóival.

A verifikáció működése nagyon hasonló: minden egyes modellvektorra elvégzi a predikciót csak a többi modellvektor alapján, és ezt az eredményt szintén összehasonlítja az adott modellvektor kimeneti változóival. A kapott hibaérték nagy modell (sok modellvektor) esetén jól közelíti a predikcó hibáját. Az alábbi ábra a zajszűrés és a verifikáció eredményeit mutatja.

A program a beadott adatok szaporodásával folyamatosan “tanul”, ezért az utóbbi években készült vizsgálataink folyamatosan pontosítják a várható eredményeket.

A program működéséről és matematikai hátteréről bővebb információ a letölthető anyagban található.
 

Kapcsolódó letölthető dokumentumok

• Babós András: Miért alkalmas eszköz a bevásárlóközpontok forgalomkeltésének meghatározására az aiNet?
  Letöltés: az aiNet.doc (31,5KB)

Kapcsolódó linkek

• További referenciák Kutatás munkatípusban

vissza az előző az oldalra