سیستم حمل و نقل عمومی در سنندج در چند سال اخیر در دست بررسی و اصلاح بوده است. هدف کاهش تراکم ترافیک و سهم استفاده از خودروهای شخصی در شهر و افزایش سهم بسیار پایین حمل و نقل عمومی است. مسیرهای اتوبوس در سنندج به هم متصل نیستند. هیچ شبکه حمل و نقل متصل با قابلیت انتقال بین مسیرها در مکان های خارج از ترمینال مرکز شهر وجود ندارد. مسیرها عمدتاً هسته مرکزی شهر را مستقیماً به حاشیه‌ها وصل می‌کنند بدون اینکه گزینه‌های مسافرتی را برای مسافران بین حاشیه‌ها فراهم کنند. اگرچه بهبودهایی در سیستم حمل و نقل صورت گرفته است، اما عدم خدمات رسانی در بسیاری از مناطق پرجمعیت سنندج و شهرستان های مجاور باعث می شود که سیستم ترانزیت محبوب و غیر قابل اعتماد باشد. این تحقیق تلاشی است برای ارائه راه حل هایی برای مشکل طراحی شبکه ترانزیتی (TND) شهر سنندج با استفاده از قابلیت های GIS و روش های هوش مصنوعی. GIS چندین ابزار را ارائه می دهد که تصمیم گیرندگان را قادر می سازد تا همبستگی های فضایی بین ویژگی های مختلف را بررسی کنند. یکی از مشارکت‌های این تحقیق، توسعه طراحی شبکه ترانزیت با استفاده از طیفی از قابلیت‌های مدل‌سازی نرم‌افزار GIS است. توانایی بصری GIS برای تولید TND ها استفاده می شود. بسیاری از مطالعات بر روی هوش مصنوعی به عنوان روش اصلی تولید TND ها تمرکز دارند، اما تمرکز این تحقیق بر ترکیب قابلیت های GIS و هوش مصنوعی به منظور ایجاد یک روش مبتنی بر GIS چند هدفه برای ساخت طرح های مختلف شبکه اتوبوسرانی و کاوش است. آنها را ارزیابی کنید تا جایگزین شبکه حمل و نقل مناسب را بیابید.

کلید واژه ها

GIS ، طراحی شبکه حمل و نقل ، بهینه سازی کلونی مورچه ها

1. مقدمه

هدف از حمل و نقل غلبه بر اصطکاک فاصله در فضا است که تحت تأثیر محدودیت‌های فیزیکی و انسانی مانند فاصله هندسی، زمان، توپولوژی شبکه و سیاست‌ها و تصمیمات اداری است [ 1 ]. هدف خاص حمل و نقل برآوردن تقاضای جابجایی افراد، کالاها و اطلاعات است. روش‌های مسیریابی مبتنی بر شبکه در حمل‌ونقل قادرند مسیرهای کارآمدی را برای انواع مختلف وسایل نقلیه که از مبدأ به مقصد سفر می‌کنند، در حالی که چندین هدف و سیاست‌های مربوط به کاربر و اپراتور سیستم حمل‌ونقل را در نظر می‌گیرند، ایجاد کنند [ 2 ] [ 3 ] 4]. طراحی شبکه حمل و نقل (TND)، اجزای اصلی برنامه ریزی حمل و نقل عمومی، کلاسی از رویکردهای مسیریابی مبتنی بر شبکه است. افزایش دسترسی افراد کم درآمد و متوسط ​​با دسترسی محدود به حمل و نقل خصوصی یکی از اهداف شبکه های حمل و نقل است [ 5 ].

دسترسی را می توان به طور کلی به عنوان “سهولتی که با آن فعالیت ها در یک مکان ممکن است از طریق یک حالت سفر خاص از مکان دیگر قابل دسترسی باشد” [ 6 ] توصیف می شود. دسترسی را می توان به عنوان نزدیکی فیزیکی به ایستگاه ها [ 5 ] تعریف کرد. برنامه ریزان حمل و نقل عموماً باید با یک مبادله بین افزایش دسترسی با استفاده از توقف های بیشتر در طراحی و طراحی مسیرها با زمان سفر معقول روبرو شوند [ 7 ]. تجزیه و تحلیل تصمیم چند معیاره (MCDA) که مجموعه ای از روش ها و رویه ها برای مقابله با مشکلات تصمیم گیری است که شامل مجموعه ای از گزینه های تصمیم گیری می شود، می تواند برای یافتن یک سیستم حمل و نقل بهینه بر اساس اهداف TND [ 8 ] [ 9 ] استفاده شود. این مطالعه بر روی رویکرد بهینه سازی چند هدفه تمرکز دارد.

تحقیقات برنامه ریزی حمل و نقل عمومی با کمک تصمیم گیرندگان (DM) که افراد یا نهادهایی با مسئولیت تصمیم گیری هستند انجام می شود [ 10 ]. DM ها می توانند افراد، گروهی از کارشناسان، جامعه، سازمان های خصوصی یا دولتی باشند [ 8 ]. در حالی که تجزیه و تحلیل تصمیم گیری مرسوم بر تصمیم گیرنده انسانی متمرکز است، رویکردهای اخیر به مدل سازی مبتنی بر رایانه، توصیف گسترده تری از تصمیم گیرنده ارائه می دهد تا مفهوم عامل تصمیم گیری [ 11 ] [ 12 ] را در بر گیرد.

عامل یک برنامه کامپیوتری است که با ویژگی هایی مانند استقلال (یعنی توانایی انجام اقدام مستقل)، واکنش پذیری (یعنی قابلیت حس کردن و واکنش به محیط خود و سایر عوامل) و عقلانیت (یعنی قابلیت عمل) مشخص می شود. به طور منطقی برای حل یک مشکل در دست (سنگوپتا و بنت، 2003)). عوامل هوشمندی که به طور خاص برای استفاده از داده‌های جغرافیایی و مقابله با مشکلات مکانی طراحی شده‌اند، عوامل مکانی نامیده می‌شوند.

این مطالعه با ارائه یک رویکرد نوآورانه برای طراحی شبکه حمل و نقل مبتنی بر GIS (TND) به حمل و نقل شهری و GIS کمک می کند. در این تحقیق سعی شده است تا هوش ازدحام و GIS برای حل مشکل TND به یکدیگر متصل شود. رویکرد پیشنهادی با اجرای روش مبتنی بر عامل توزیع‌شده و غیرمتمرکز برای ارزیابی پیکربندی‌های شبکه حمل و نقل جایگزین، به تحلیل شبکه مبتنی بر GIS کمک می‌کند.

هدف اصلی این تحقیق توسعه یک رویه چندهدفه مبتنی بر GIS و بکارگیری رویکرد پیشنهادی برای طراحی شبکه ترانزیتی شهر سنندج است. سه وظیفه (هدف) پژوهشی اصلی این پژوهش عبارتند از:

1) ارائه یک مدل چند هدفه از مسئله TND در شهر سنندج، ایران.

2) ایجاد یک روش برای حل مشکل TND.

3) برای بررسی و ارزیابی راه حل ها (شبکه های حمل و نقل جایگزین) تولید شده توسط بهینه سازی کلونی مورچه ها.

2. روش شناس

2.1. بهینه سازی کلونی مورچه ها

بهینه سازی کلونی مورچه ها (ACO) نوعی هوش ازدحام با عوامل ساده و سطح پیچیدگی کمتر در مقایسه با ABM است [ 13 ]. ACO از مجموعه ای از مورچه ها تشکیل شده است که در طبیعت به دنبال غذا می گردند. مورچه ها سعی می کنند با دنبال کردن مسیری که فرمون های روی زمین از مورچه های قبلی ایجاد کرده اند کوتاه ترین مسیر را برای رسیدن به منبع غذایی بیابند.

برای مسائل بهینه سازی پیچیده، توزیع یا موازی سازی این روش زمان تولید راه حل ها را کاهش می دهد زیرا ACO یک روش توزیع شده است زیرا مورچه ها نسبتاً مستقل هستند. MOACO شامل رویه‌های مورچه‌های چند کلونی است که در آن هر زیر مجموعه از مورچه‌ها، جدا از کلنی‌های دیگر، به طور جمعی برای ساختن یک مجموعه راه‌حل کار می‌کنند. روش های چند کلونی به راحتی می توانند موازی شوند [ 14 ]. مراحل محاسباتی برای ACO شامل موارد زیر است [ 15]: 1) نشان دادن مسئله بهینه سازی با استفاده از یک نمودار وزنی (شبکه) که مورچه ها (عاملان) می توانند راه حل های خود را روی آن بسازند، 2) مدل سازی مسیرهای فرومون، 3) انتخاب یک الگوریتم ACO و پیاده سازی آن برای حل مسئله، و 4 ) تنظیم پارامترهای ACO. مورچه ها در ACO مجهز به حافظه تصمیمات قبلی و دانش مکان های مهم در منطقه جغرافیایی خود هستند [ 4 ] [ 13 ] [ 16 ].

اگرچه یک مورچه قادر به برقراری ارتباط و حل مسائل پیچیده نیست، اما تعامل با سایر مورچه ها آنها را قادر می سازد تا مسائل پیچیده بهینه سازی را حل کنند. در طبیعت، مورچه ها به طور تصادفی روی سطح زمین حرکت می کنند تا زمانی که با فرمون مورچه دیگری روبرو می شوند که می تواند برای تقویت مسیر، فرمون خود را دنبال کند و پشت سر بگذارد. مورچه های بیشتری یک مسیر را انتخاب می کنند. احتمال اینکه مورچه بعدی مسیر مشابه را طی کند بیشتر است. پس از مدتی، محلول‌هایی که سطح فرمون کمتری دارند به دلیل تبخیر فرمون جذابیت خود را از دست می‌دهند [ 16 ].

2.2. مدل TND

مدل سازی مشکل TND شامل فرآیند جستجوی مسیرهای حمل و نقل کارآمد بر اساس ترجیحات شرکت های حمل و نقل و کاربران است [ 3 ] [ 17 ] [ 18 ] [ 19 ] [ 20 ]]. در طراحی شبکه چند هدفه، می توان چندین هدف را به منظور عملیاتی کردن ترجیحات اپراتور و کاربر تعریف کرد. وزنی به هر هدف اختصاص داده می شود که نشان دهنده اهمیت آن هدف برای تصمیم گیرنده است. هر تصمیم گیرنده بر اساس ترجیح خود، مقادیر متفاوتی را برای وزن اهداف تعیین می کند. پس از تعیین وزن، یک راه حل متمایز تولید می شود. این مطالعه بر اهداف زیر تمرکز دارد: تعداد توقف در شبکه حمل و نقل، کل مسافت پیاده روی تا ایستگاه حمل و نقل و کل زمان سفر مسافران در سیستم حمل و نقل.

هدف اول نیز بر اساس دیدگاه اپراتور برای به حداقل رساندن تعداد توقف ها در شبکه حمل و نقل است. تعداد بهینه توقف ها هزینه طولانی مدت سیستم حمل و نقل را به حداقل می رساند و پوشش دسترسی کامل را در منطقه عملیاتی فراهم می کند [ 21 ]. فرمول هدف به شرح زیر است:

f2(نn) =w2= 1ک= 1مترنnf2(Nrn)=w2∑r=1k∑n=1mNrn(1)

که در آن N rn یک متغیر تصمیم است، و N rn = 1 اگر توقف n در مسیر r-ام قرار داشته باشد، و N rn = 0 در غیر این صورت (r = 1, 2, 3, ∙∙∙, k؛ n = 1 ، 2، 3، ∙∙∙، m)؛ w 2 وزن هدف است. تابع هدف تحت برخی محدودیت ها قرار دارد. به منظور محدود كردن حداقل و حداكثر تعداد توقفها، بايد يك محدوديت فاصله بين دو ايستگاه در نظر گرفته شود. حداقل و حداکثر فاصله بین دو ایستگاه می تواند به ترتیب 300 و 600 متر باشد. اینها بر اساس الگوی مشاهده شده توقف شبکه های حمل و نقل شعاعی در چندین شهر [ 22 ] است. همچنین تعداد توقف در هر مسیر باید بیشتر از صفر باشد.

هدف سوم به ترجیح مسافران برای به حداقل رساندن کل فاصله پیاده روی تا ایستگاه حمل و نقل مربوط می شود. یک فاصله پیاده روی قابل قبول در یک محدوده معین به منظور متقاعد کردن کاربر برای سفر با استفاده از سیستم حمل و نقل بسیار مهم است [ 3 ] [ 23 ]. یک رابطه معکوس بین فاصله پیاده روی تا توقف و دسترسی به سیستم حمل و نقل [ 23 ] وجود دارد. محدودیت‌های حداقل و حداکثر فاصله پیاده‌روی قبلاً پیشنهاد شده‌اند. فارول و مارکس [ 24 ] پیشنهاد می کنند که راه رفتن بیش از 400 متر برای کاربران حمل و نقل بسیار ناخوشایند است. بنابراین، در این مطالعه محدوده مقادیر ممکن برای مسافت پیاده روی محدود است. تابع هدف به شکل زیر است:

f3( WDn) =w3= 1ک= 1متردبلیوDnf3(WDrn)=w3∑r=1k∑n=1mWDrn(2)

که در آن WD rn یک متغیر تصمیم گیری از مسافت پیاده روی تا توقف n در مسیر r-امین است، 0 ≤ WD rn ≤ 400 متر، و w 3 وزن اهمیت اختصاص داده شده به هدف است.

به منظور به حداقل رساندن کل زمان سفر مسافران در سیستم حمل و نقل (یعنی کل هزینه برای کاربر) هدف دیگری پیشنهاد شده است. مشخص است که زمان سفر بین دو توقف در کوتاه ترین مسیر حداقل است [ 3 ]. در نظر گرفتن زمان سفر یا مسافت در TND به دلیل تأثیر آن بر رضایت کاربر ضروری است. هدف به حداقل رساندن اختلاف زمان سفر بین دو توقف و کوتاه ترین زمان مسیر است. تابع هدف به صورت زیر بیان می شود:

f4(تیl) =w4= 1ک= 1متر1oدltتیl− pتیl)f4(trnl)=w4∑r=1k∑n=1m∑l=1odrnl(ttrnl−sptrnl)(3)

جایی که تیltrnlمتغیر تصمیم است. این تفاوت است تیتیlttrnl(زمان سفر بین ایستگاه های l و n در مسیر r-ام که شامل زمان انتظار، زمان داخل خودرو و زمان انتقال است) و pتیlsptrnl(کوتاه ترین مسیر بین ایستگاه های l و n در مسیر r-ام)، تیl≤ pتیl0≤trnl≤sptrnl[ 3 ]؛ دldrnlتقاضای سفر بین ایستگاه های l و n در مسیر r-ام است. w 4 وزن اهمیتی است که به هدف اختصاص داده شده است.

3. منطقه مطالعه

استان کردستان با 28203 کیلومتر مربع وسعت بین عرض‌های جغرافیایی 34.44 دقیقه شمالی و 36.30 دقیقه شمالی و طول جغرافیایی 45.31 دقیقه و 48.16 دقیقه شرقی که 1.7 درصد از خاک کشور را تشکیل می‌دهد. این استان عمدتاً از دشت ها و دره هایی در رشته کوه های زاگرس تشکیل شده است. این استان از شمال با آذربایجان، از شرق با استان های همدان و زنجان و از جنوب با استان کرمانشاه همسایه است. استان کردستان نیز در مرز عراق قرار دارد و از غرب به عراق متصل است.

شهر سنندج مرکز استان کردستان در ایران است. جمعیت سنندج در سال 1390 بالغ بر 432330 نفر بوده و دارای طرح ترانزیت است که جزء طرح «رسمی» است [ 25 ]. طرح رسمی شامل طرح جامع، طرح کلی و طرح گردشگری است [ 25 ]. هدف اصلی طرح ترانزیت کاهش ازدحام در هسته شهر سنندج است. ترافیک را می توان به فرآیند مهاجرت از مراکز جمعیتی کوچکتر، توسعه ناکافی زیرساخت های حمل و نقل، ساختار فشرده شبکه جاده/خیابان [ 25 ] [ 26 ] (نگاه کنید به شکل 1 زیر )، و ساختار سفرها بر اساس روش حمل و نقل نسبت داد. سهم بسیار کم از سیستم اتوبوسرانی از سفرها و سهم بسیار بالا از سفرهای خودروی شخصی) [25 ]. سیاست‌های حمل‌ونقل مانند ساخت سیستم حمل‌ونقل عمومی سریع و رقابتی می‌تواند باعث تسهیل حرکت و کاهش ازدحام در شهرهایی با الگوی شعاعی مشابه سنندج شود [ 22 ].

داده‌های جمعیتی از داده‌های سرشماری سال 1390 است که اطلاعات دقیقی از تعداد ساکنان هر بلوک سنندج و نوع شغل آنها می‌باشد [ 25 ]. داده های جمعیت بعداً برای ایجاد نقشه تراکم جمعیت هسته استفاده می شود تا مشخص شود کدام منطقه دارای جمعیت متراکم است و بنابراین باید در طراحی شبکه حمل و نقل در شهر در نظر گرفته شود.

4. نتایج

به منظور یافتن راه حل بهینه ترانزیت در سنندج چندین شبکه ترانزیتی بر اساس اهداف پیشنهادی طراحی شده است. هر خط اتوبوس در طرح ها پایانه های مرکزی و محیطی را به هم متصل می کند و از مناطق پر تراکم جمعیت عبور می کند. شبکه های حمل و نقل در شکل های 2-12 نمایش داده شده اند. بیشتر این طرح ها از خطوط اتوبوس و کمربندهای شعاعی برای افزایش پوشش سیستم اتوبوس تشکیل شده است. به دلیل اهمیت مسافت پیاده روی مسافران نسبت به مسافت سفر، مسیرهای کمربندی مناسب است و مسافران برای رفتن به مسیر شعاعی ترجیح می دهند از اتوبوس در مسیر کمربندی استفاده کنند تا دسترسی مستقیم با پیاده روی به ایستگاه های خط شعاعی. 27 ].

سناریوی اول: به دلیل اهمیت CBD در سنندج دارای مسیرهای شعاعی بدون کمربندی است [ 25 ]. این پوشش برای اکثر مقاصد مهم فراهم می کند.

سناریوی دوم: این طرح یک چرخ چرخ را ارائه می دهد که شامل خطوط کمربندی در اطراف مرکز شهر است. خطوط حلقه می تواند مسافران را در مناطق حاشیه ای جابجا کند. آنها همچنین خطوط شعاعی را برای انتقال بین خطوط شعاعی وصل می کنند [ 28 ]. این طرح شامل هیچ خط حلقه خارجی در شهرهای پیرامونی نشده است. این باعث کاهش حجم شبکه می شود.

شکل 1 . شبکه راه در شهر سنندج، ایران (کردستان، 1390).

شکل 2 . نقشه همپوشانی سناریوی اول و تراکم جمعیت هسته.

شکل 3 . نقشه روکش سناریوی دوم و تراکم جمعیت هسته.

شکل 4 . نقشه همپوشانی سناریوی سوم و تراکم جمعیت هسته.

شکل 5 . نقشه همپوشانی سناریوی چهارم و تراکم جمعیت هسته.

شکل 6 . نقشه همپوشانی سناریوی پنجم و تراکم جمعیت هسته.

شکل 7 . نقشه همپوشانی سناریوی ششم و تراکم جمعیت هسته.

شکل 8 . نقشه روکش سناریوی هفتم و تراکم جمعیت هسته.

شکل 9 . نقشه روکش سناریوی هشتم و تراکم جمعیت هسته.

شکل 10 . نقشه روکش سناریوی نهم و تراکم جمعیت هسته.

شکل 11 . نقشه همپوشانی سناریوی دهم و تراکم جمعیت هسته.

شکل 12 . نقشه همپوشانی سناریوی یازدهم و تراکم جمعیت هسته.

سناریوی سوم: همچنین یک طراحی چرخ دستی است که خطوط کمربندی را برای سیستم اتوبوس معرفی می کند. مردم در حال حاضر از این کمربندها برای رانندگی به مقصد خود در حاشیه استفاده می کنند در حالی که می توانند از ترافیک مرکز شهر اجتناب کنند [ 25 ].

سناریوی چهارم: شامل چندین خط حلقه داخلی در نزدیکی CBD است که خطوط شعاعی را به هم متصل می کند. مسافران می توانند با اتوبوس در این خطوط اتوبوسرانی در منطقه CBD بدون عبور از مرکز شهر حرکت کنند.

سناریوی پنجم: چندین خط حلقه خارجی را ارائه می دهد که پیرامون و شهرها را در مناطق بیرونی به هم متصل می کند. مسافران می توانند از کمربندها برای سفر در نواحی پیرامونی استفاده کنند و از یک منطقه دیگر با اتوبوس انتقالی به مرکز شهر استفاده کنند [ 28 ].

سناریوی ششم: در مقایسه با طرح‌های قبلی، تسمه‌های بیشتری را شامل می‌شود. این طراحی شبکه مسیرهای بیشتری را برای مسافران در خطوط حلقه فراهم می کند تا از ازدحام ترافیک در ساعات اوج روز جلوگیری شود.

سناریوی هفتم: این شبکه شامل دو کمربندی موازی است که در نواحی غربی شهر حرکت می کنند. این خطوط حلقه ای چندین خط اتوبوس شعاعی را از CBD با مکان های انتقال واقع در مکان های پرتردد سنندج متصل می کند.

سناریوی هشتم: این یک شبکه ستاره ای است و برای افزایش پوشش، خطوط حلقه اضافی به طرح اضافه می شود بدون اینکه مسیر اتوبوسی از مرکز شهر عبور کند [ 29 ]. خطوط اتوبوس رادیال از خط رینگ خارج از مرکز شهر شروع می شود تا از ترافیک منطقه مرکز شهر جلوگیری شود.

شبکه اتوبوسرانی نهم: از چندین مسیر شعاعی تشکیل شده است که توسط مسیرهای کمربندی به هم متصل شده اند. در طراحی چندین خط اتوبوس در مقایسه با طرح های قبلی حذف شده است تا تراکم خطوط اتوبوس در نزدیکی مرکز شهر کاهش یابد.

سناریوی دهم: دارای یک خط تنه از CBD به مناطق دورافتاده در حاشیه است. همچنین خطوط موازی که از شرق به غرب در نقاط پرتردد شهر حرکت می کنند می توانند مسافران بیشتری را از یک سمت شهر به سمت دیگر منتقل کنند.

سناریوی یازدهم: بر اساس تعداد خطوط اتوبوسرانی کمتر در مناطق حاشیه ای پیشنهاد می شود. در سناریوی یازدهم، تنها یک کمربند خارجی برای کاهش هزینه عملیات پیشنهاد شده است [ 30 ]. خطوط اتوبوس شعاعی خارج از منطقه CBD شروع می شود تا از ازدحام ترافیک جلوگیری شود.

4.1. پوشش طرح های شبکه اتوبوس پیشنهادی

پوشش TND های پیشنهادی بر اساس فاصله پیاده روی تا شبکه اندازه گیری می شود. با استفاده از GIS، دسترسی به سیستم اتوبوسرانی در محله های مختلف شهر و شهرک های پیرامونی مورد تجزیه و تحلیل قرار گرفته است. از آنجایی که سنندج شهری با ساختار شهری فشرده و تراکم جمعیت بالاست، مسافت کوتاه پیاده روی مانند 100 و 300 متر برای سیستم اتوبوسرانی ارجحیت دارد. شبکه های پیشنهادی بخش قابل توجهی از بلوک های سرشماری را در فاصله 300 متری خود پوشش می دهند. پوشش TND ها با در نظر گرفتن مسافت پیاده روی 100 متر و 300 متر در شکل 13 زیر محاسبه و نمایش داده شده است.

تجزیه و تحلیل نمودارها نتایج متفاوتی ایجاد می کند. در حالی که سناریوی 10 بالاترین دسترسی را به سیستم اتوبوس برای مسافران احتمالی در فاصله 300 متری پیاده‌روی ارائه می‌دهد، اما برای مسافت کوتاه 100 متری ضعیف عمل می‌کند. TND های 6 و 5 پوشش نسبتاً مشابهی برای 100 و 300 متر ایجاد می کنند.

شکل 13 . جمعیت تحت پوشش (به هزار) توسط هر طراحی شبکه برای 100 (چپ) و 300 (راست) متر فاصله پیاده روی و مقاصد اصلی در 300 متری شبکه ها.

مسافت های پیاده روی بر اساس نتیجه، این دو سناریو دسترسی بهتری به سرویس اتوبوس در مقایسه با سایر شبکه‌ها ایجاد می‌کنند.

یکی از عوامل مهم در طراحی شبکه ترانزیتی، دسترسی به مقاصد اصلی شهر و حومه است. طرح های شبکه 5 و 6 بیشترین پوشش را دارند و طرح های شبکه 3 و 7 دومین سناریوهای برتر هستند. همچنین شبکه های 2، 4 و 10 نتایج مشابهی ارائه می دهند و با توجه به دسترسی به مقاصد محبوب رتبه سوم را به خود اختصاص می دهند. سناریوی یازدهم، به دلیل مسیرهای پراکنده و نبود خطوط اتوبوس کافی از مرکز شهر، دسترسی کمتری به مقاصد اصلی شهر ارائه می دهد. همچنین TND 8 به دلیل حذف CBD از سیستم اتوبوس و مسیرها به دلیل ازدحام ترافیک زیاد مشابه است.

بر اساس نتایج، سناریوی ششم مسافت کل سفر و تعداد توقف کم را ایجاد می کند. همچنین سناریوی اول که یک شبکه کوچک با تعداد توقف کم است، کمترین پوشش جمعیتی و هزینه بهره برداری را دارد، بدون اینکه خدمات کافی در حاشیه ها داشته باشد به دلیل نبود مسیرهای کمربندی.

4.2. مقایسه شبکه های پیشنهادی با استفاده از ACO

بهینه سازی مسافت سفر یکی از اهدافی است که در اینجا پیشنهاد شده است. مسافت سفر بر هزینه عملیاتی و هزینه کاربر سفر تأثیر می گذارد. شبکه های شعاعی، مانند سناریوی اول، هزینه عملیاتی و هزینه کاربر را با به حداقل رساندن مسافت کل سفر کاهش می دهند. Ant Colony تخمینی از کل مسافت سفر را برای یک تور از شبکه های پیشنهادی ارائه می دهد. همچنین تعداد توقف ها با هزینه عملیاتی شبکه های ترانزیتی ارتباط مستقیم دارد. کاهش تعداد توقف ها باعث کاهش هزینه های عملیاتی می شود. تعداد توقف ها به روش ACO برای هر سناریو محاسبه می شود.

برای هر هزینه یا هدف، مانند تعداد توقف و مسافت سفر، یک تابع فرمونی در ACO در نظر گرفته شده است. روش کلونی مورچه ها مسافت کل سفر و تعداد توقف های شبکه را در هر تکرار با استفاده از چندین مورچه که از مکان های تصادفی در شبکه شروع می شوند محاسبه می کند. مقدار بیشتری از فرمون بر اساس هدف مورد استفاده برای عملکردهای فرمون در مسیر مطلوب تری قرار می گیرد. شکل 14 زیر ارزیابی شبکه های پیشنهادی توسط ACO را نشان می دهد.

5. نتیجه گیری ها

این مطالعه با اشاره به ارتباط بین این اهداف و چگونگی کمک به ارزیابی شبکه ها، اهمیت در نظر گرفتن چندین هدف را در طراحی شبکه ترانزیتی نشان می دهد. هر هدف به یک جنبه حیاتی از طراحی شبکه حمل و نقل مرتبط است. راه حل های تک هدفی کاربران و اپراتورهای سیستم حمل و نقل را به طور همزمان راضی نمی کند. بنابراین دو طرف برنامه ریزی حمل و نقل عمومی که هزینه های مربوط به اپراتور است مانند مسافت سفر (برای اپراتور و کاربر نیز در نظر گرفته می شود) و تعداد توقف و هزینه های مربوط به کاربر سیستم مانند پیاده روی. برای یافتن راه حل های بهتر باید فاصله را در نظر گرفت.

در این تحقیق به چندین موضوع از جمله دسترسی به سیستم اتوبوس در حاشیه و پوشش شبکه اتوبوس پرداخته شده است. بحث شده است که طراحی شعاعی که در منظر اپراتور کارآمدتر است، نمی تواند بهترین دسترسی را به سیستم حمل و نقل در مناطق پیرامونی فراهم کند. بنابراین، مسیرهای کمربندی باید به طرح های بعدی شبکه ترانزیتی پیشنهادی اضافه شوند. همچنین دسترسی به شبکه با بلوک های جمعیتی دسترسی به شبکه های پیشنهادی اندازه گیری می شود.

شکل 14 . مجموع مسافت سفر (بر حسب کیلومتر) و تعداد توقف های شبکه اتوبوس پیشنهادی.

بین دسترسی به شبکه اتوبوسرانی و مسافت سفر، یک مبادله واضح وجود دارد. ایجاد تعادل بین دو نمای که دیدگاه اپراتور برای کاهش هزینه و دیدگاه کاربر برای دسترسی به سیستم اتوبوسرانی در شهر و فاصله کمتر پیاده روی است، هسته اصلی طراحی شبکه حمل و نقل است. طرح‌های شعاعی مانند سناریوی اول به دلیل هزینه‌های عملیاتی پایین‌تر برای اپراتورها مطلوب‌تر هستند، اما سطح خدمات ارائه‌شده برای جمعیت در حاشیه را نیز کاهش می‌دهند. بنابراین، یک شبکه شعاعی طراحی مطلوبی برای کاربران سیستم حمل و نقل نیست. سایر TND ها با کمربندی بیشتر هزینه بر هستند، اما دسترسی بهتری به سیستم حمل و نقل برای جمعیت در سنندج فراهم می کنند، شهری که به عنوان نمونه در این مطالعه استفاده شده است.

6. توصیه ها

در اینجا می توان چندین توصیه برای تحقیقات آتی ارائه داد. کار اضافی را می توان به منظور یافتن نحوه تعامل جمعیت با سیستم اتوبوسرانی و چگونگی تأثیر مسافت پیاده روی و طول خطوط اتوبوس بر استفاده از سیستم اتوبوس توسط مردم انجام داد. همچنین چگونگی تأثیر بسامد اتوبوس های موجود در شبکه بر تعداد مسافرانی که در شهر سنندج از سیستم اتوبوسرانی استفاده می کنند را می توان بررسی کرد. نادیده گرفتن فراوانی و تاثیر مسافت های مختلف پیاده روی در این مطالعه، دو محدودیت این تحقیقات است.

منابع

[ 1 ]Rodrigue, J.-P., Comtois, C. and Slack, B. (2013) جغرافیای سیستم های حمل و نقل. روتلج، نیویورک
[ 2 ]Yu, B. and Yang, ZZ (2011) یک مدل بهینه سازی کلونی مورچه ها: مشکل مسیریابی وسیله نقلیه دوره ای با ویندوز زمان. تحقیق حمل و نقل قسمت E: بررسی لجستیک و حمل و نقل، 47، 166-181.
https://doi.org/10.1016/j.tre.2010.09.010
[ 3 ]Ceder, A. (2016) برنامه ریزی و عملیات حمل و نقل عمومی: مدل سازی، تمرین و رفتار. CRC Press، Abingdon.
https://doi.org/10.1201/b18689
[ 4 ]Mohaymany, AS and Gholami, A. (2010) مسئله طراحی شبکه تغذیه کننده چندوجهی: رویکرد بهینه سازی کلونی مورچه ها. مجله مهندسی حمل و نقل، 136، 323-331.
https://doi.org/10.1061/(ASCE)TE.1943-5436.0000110
[ 5 ]موری، AT و وو، X. (2003) مبادلات دسترسی در برنامه ریزی حمل و نقل عمومی. مجله نظام های جغرافیایی، 5، 93-107.
https://doi.org/10.1007/s101090300105
[ 6 ]لیو، اس و ژو، ایکس (2004) تحلیلگر دسترسی: ابزار یکپارچه GIS برای تجزیه و تحلیل دسترسی در برنامه ریزی حمل و نقل شهری. محیط و برنامه ریزی ب: برنامه ریزی و طراحی، 31، 105-124.
https://doi.org/10.1068/b305
[ 7 ]Delmelle، EM، Li، S. و Murray، AT (2012) شناسایی افزونگی ایستگاه اتوبوس: یک رویکرد بهینه سازی فضایی مبتنی بر GIS. کامپیوترها، محیط زیست و سیستم های شهری، 36، 445-455.
https://doi.org/10.1016/j.compenvurbsys.2012.01.002
[ 8 ]یون، کی‌پی و هوانگ، سی.-ال. (1995) تصمیم گیری با ویژگی های چندگانه: مقدمه. جلد 104، انتشارات سیج، هزار بلوط.
[ 9 ]روی، بی. (1996) روش شناسی چند معیاره برای کمک به تصمیم، جلد 12 از بهینه سازی غیر محدب و کاربردهای آن. Kluwer Academic Publishers، دوردرخت، 1-10.
https://doi.org/10.1007/978-1-4757-2500-1
[ 10 ]Massam, BH (1993) مکان مناسب: مسئولیت مشترک و مکان تاسیسات عمومی. انتشارات دانشگاه لیورپول، لیورپول.
[ 11 ]پارکر، دی سی، و همکاران. (2003) سیستم های چند عاملی برای شبیه سازی تغییر کاربری و پوشش زمین: مروری. سالنامه انجمن جغرافیدانان آمریکایی، 93، 314-337.
https://doi.org/10.1111/1467-8306.9302004
[ 12 ]Sengupta، R. و Bennett، D. (2003) محیط مدلسازی مبتنی بر عامل برای پشتیبانی از تصمیم گیری فضایی. مجله بین المللی علم اطلاعات جغرافیایی، 17، 157-180.
https://doi.org/10.1080/713811747
[ 13 ]Kazharov, A. and Kureichik, V. (2010) الگوریتم های بهینه سازی کلونی مورچه ها برای حل مسائل حمل و نقل. مجله بین المللی علوم کامپیوتر و سیستم، 49، 30-43.
https://doi.org/10.1134/S1064230710010053
[ 14 ]Mora، AM، و همکاران. (2013) الگوریتم‌های بهینه‌سازی کلنی مورچه‌های چند کلونی مبتنی بر پارتو: یک پیشنهاد مدل جزیره. محاسبات نرم، 17، 1175-1207.
https://doi.org/10.1007/s00500-013-0993-y
[ 15 ]دهوری، اس.، جاگادف، AK and Panda، M. (2015) هوش ازدحام چندهدفه: پیشرفت‌ها و کاربردهای نظری. جلد 592، اسپرینگر، چم.
https://doi.org/10.1007/978-3-662-46309-3
[ 16 ]بل، جی و مک‌مولن، PR (2004) تکنیک‌های بهینه‌سازی کلنی مورچه‌ها برای مشکل مسیریابی خودرو. انفورماتیک مهندسی پیشرفته، 18، 41-48.
https://doi.org/10.1016/j.aei.2004.07.001
[ 17 ]پترلی، ام (2004) مدل طراحی شبکه حمل و نقل برای مناطق شهری. معاملات WIT در محیط ساخته شده، 75، 1-100.
[ 18 ]Ceder, A. and Israeli, Y. (1998) دیدگاه های کاربر و اپراتور در طراحی شبکه حمل و نقل. پرونده تحقیقات حمل و نقل: مجله هیئت تحقیقات حمل و نقل، 1623، 3-7.
https://doi.org/10.3141/1623-01
[ 19 ]Bagloee, SA and Ceder, AA (2011) متدولوژی طراحی شبکه ترانزیت برای شبکه های جاده ای با اندازه واقعی. تحقیق حمل و نقل قسمت ب: روش شناختی، 45، 1787-1804.
https://doi.org/10.1016/j.trb.2011.07.005
[ 20 ]Fusco, G., Gori, S. and Petrelli, M. (2002) الگوریتم طراحی شبکه حمل و نقل اکتشافی برای شهرهای متوسط. مجموعه مقالات نهمین گروه کاری یورو در حمل و نقل، باری، 652-656.
[ 21 ]جهانی، م. (1392) مدلی جدید برای مکان ایستگاه اتوبوس مناسب برای طراحی شبکه حمل و نقل عمومی: مورد نواحی تجاری مرکزی (CBD) تهران. مجله بین المللی مهندسی برق هوشمند، 2، 133-141.
[ 22 ]Badia, H., Estrada, M. and Robusté, F. (2014) طراحی شبکه حمل و نقل رقابتی در شهرهایی با الگوهای خیابانی شعاعی. تحقیق حمل و نقل قسمت ب: روش شناسی، 59، 161-181.
https://doi.org/10.1016/j.trb.2013.11.006
[ 23 ]فلترمن، ام. (2008) طراحی شبکه های حمل و نقل عمومی چندوجهی با استفاده از فراابتکاری. دانشگاه پرتوریا، هاتفیلد.
[ 24 ]Farwell, R. and Marx, E. (1996) برنامه ریزی، پیاده سازی و ارزیابی عملیات حمل و نقل تقاضا محور OmniRide: خدمات تغذیه کننده و مسیر فلکس. پرونده تحقیقات حمل و نقل: مجله هیئت تحقیقات حمل و نقل، 1557، 1-9.
https://doi.org/10.1177/0361198196155700101
[ 25 ]دولت محلی کردستان (1390) طرح جامع ترافیک. حکومت محلی کردستان، سنندج، 1-200.
[ 26 ]Kain, JF and Fauth, GR (1976) تأثیرات ساختار شهری بر مالکیت خودرو و انتخاب حالت سفر به کار. بخش برنامه ریزی شهری و منطقه ای، دانشگاه هاروارد، کمبریج.
[ 27 ]Saidi, S., Wirasinghe, S. and Kattan, L. (2016) برنامه ریزی بلند مدت برای شبکه های حمل و نقل ریلی شهری حلقه-شعاعی. تحقیق حمل و نقل قسمت ب: روش شناسی، 86، 128-146.
https://doi.org/10.1016/j.trb.2016.01.017
[ 28 ]یو، بی، و همکاران. (2012) طراحی شبکه مسیر ترانزیت-به حداکثر رساندن تراکم تقاضای مستقیم و انتقال. تحقیق حمل و نقل قسمت ج: فناوری های نوظهور، 22، 58-75.
https://doi.org/10.1016/j.trc.2011.12.003
[ 29 ]Cadarso، L. و Marín، á. (2017) مدل طراحی شبکه حمل و نقل سریع بهبود یافته: با در نظر گرفتن اثرات انتقال. Annals of Operations Research, 258, 547-567.
https://doi.org/10.1007/s10479-015-1999-x
[ 30 ]موری، AT (2003) مدل پوششی برای بهبود دسترسی به سیستم حمل و نقل عمومی و گسترش دسترسی. سالنامه تحقیق در عملیات، 123، 143-156.
https://doi.org/10.1023/A:1026123329433

بدون دیدگاه

دیدگاهتان را بنویسید