برنامه ریزی تور کارآمد برای بازدید از مکان های توریستی در لوکوجا، نیجریه: یک تحلیل چند سناریو با استفاده از GIS

این مطالعه از GIS برای تجزیه و تحلیل توالی بازدید و مسیرهای مختلف برای مکان‌های گردشگری در لوکوجا با در نظر گرفتن سناریوهای متعدد استفاده کرد. این کار با هدف تعیین کارآمدترین توالی بازدید در مقابل مسیرها برای بهینه‌سازی زمان و مسافت کلی بازدید برای سناریوهای مختلف در نظر گرفته شده انجام شد. مجموعه داده های اصلی مورد استفاده شبکه حمل و نقل و مختصات جغرافیایی سایت های گردشگری بود. این موارد از طریق یک بررسی میدانی جامع از منطقه مورد مطالعه جمع آوری شد. ArcGIS 10.1 Network Analyst Extension نرم افزار اصلی مورد استفاده برای این تحلیل بود. پنج سناریو شامل تورهای باز و بسته و همچنین مشکلات ترتیب متوالی (SOP) و غیر SOP در نظر گرفته شد. علاوه بر این، برای سناریوهای اول و دوم، یک سناریوی کمکی در نظر گرفته شد که دارای یک بلوک جاده فرضی در یک مسیر شریانی مهم بود. سناریوی پنجم پیامدهای سیل فرضی برخی از بخش‌های جاده‌ای در امتداد ساحل رودخانه نیجر را در نظر گرفت. علاوه بر این، برای هر سناریو، دو راه‌حل بهینه‌سازی وجود داشت: یکی که مسافت طی شده در بازدید از تمام مکان‌های گردشگری را بهینه می‌کرد و دیگری که مدت زمان مورد نیاز برای تکمیل بازدیدهای سایت را بهینه می‌کرد. توالی بازدید بهینه توسط تحلیلگر شبکه به عنوان بخشی از راه حل سناریوهای مربوطه تعیین شد. تجزیه و تحلیل حساسیت همچنین برای مقایسه پیامدهای صرفه جویی در زمان در مقابل صرفه جویی در مسافت در سناریوهای مختلف انجام شد. علاوه بر نقشه ناوبری دقیق تولید شده برای هر سناریو، راهنمای توصیف ناوبری جامع استخراج شد. این مطالعه نشان می‌دهد که سناریوهایی که در آن توالی بازدید از سایت بهینه شده بود، در مقایسه با سناریوهایی با توالی بازدید از سایت از پیش تعریف‌شده، هم زمان و هم مسافت را به طور قابل توجهی ذخیره می‌کنند. در همه موارد، مدت زمان بازدید کوتاه‌تر با سناریوهای بهینه‌سازی زمان در مقایسه با سناریوهای بهینه‌سازی فاصله همراه بود در حالی که مسافت‌های بازدید کوتاه‌تر با سناریوهای بهینه‌سازی فاصله در مقایسه با سناریوهای بهینه‌سازی زمان مرتبط بود. با این حال، تفاوت بین سناریوهای بهینه شده فاصله و زمان در برخی موارد ناچیز بود. علاوه بر این، انسداد یک مسیر شریانی مهم (از جمله سیلاب در یک بخش جاده آسیب‌پذیر) منجر به افزایش چشمگیر مسافت و زمان بهینه مورد نیاز برای بازدید از تمام مکان‌های گردشگری در لوکوجا شد. به طور کلی،

کلید واژه ها

گردشگری ، برنامه ریزی تور ، GIS ، تجزیه و تحلیل شبکه ، نیجریه

1. مقدمه

اطلاعات نقش بسیار مهمی در تصمیم گیری افراد در سفر ایفا می کند [ 1 ] [ 2 ] . این نقش در چندین زمینه [ 3 ] از جمله هدایت مسیر [ 4 ]، ارائه اطلاعات توریستی [ 5 ] و ازدحام بزرگراه و اطلاعات مربوط به حادثه [ 6 ] بررسی شده است. در برنامه‌ریزی سفر برای انجام فعالیت‌های روزانه، تعیین چگونگی و زمان رسیدن به مکان‌های فعالیت به روشی کارآمد با در نظر گرفتن محدودیت‌های تصمیم‌گیری، موضوع مهمی است که افراد با آن مواجه هستند. گردشگری یک کاربرد معمولی این مشکل است. برنامه ریزی یک مسیر سفر قبل از شروع سفر یک نیاز رایج یک گردشگر است [ 7] . این امر به یک ضرورت تبدیل می شود که در آن افراد بیشتر و بیشتری به مکان های ناآشنا در کشورهای داخلی و خارجی سفر می کنند. نقشه ها جزء حیاتی برنامه ریزی سفر هستند. چه پیدا کردن یک مسیر ساده بین دو مکان یا مسیری که از چندین مکان بازدید می کند، مردم معمولا سعی می کنند بهترین مسیر را انتخاب کنند. اما بهترین مسیر در موقعیت های مختلف می تواند معانی مختلفی داشته باشد. بسته به امپدانس انتخابی بهترین مسیر می تواند سریع ترین، کوتاه ترین یا خوش منظره ترین مسیر باشد. سفر به یک جاذبه گردشگری را می توان بر اساس دو بخش تور درک کرد. 1) سفر به مقصد و 2) سفر در داخل مقصد. سفر در داخل مقصد ممکن است شامل بازدید از چندین مکان دیدنی، رستوران، هتل و غیره باشد که باید در یک تور از آنها بازدید کرد. برای تفسیر آسان می توان مقصد را به یک شهر کاهش داد. قبل از اینکه گردشگران شروع به بازدید از چندین سایت بالقوه (به ویژه در یک مقصد) کنند، اغلب اتفاق می افتد که آنها برنامه ای از بازدیدهای مورد نظر خود به ویژه برای مکان های گردشگری ناآشنا دارند. این گونه برنامه های بازدید اغلب برنامه های سفر نامیده می شوند. برنامه های سفری که به صورت دستی انجام می شوند اغلب به شدت ناکارآمد هستند زیرا معمولاً پایه های بسیار ضعیفی برای تصمیم گیری در مورد مسیرهای بهینه و همچنین بهترین توالی بازدید از سایت ها وجود دارد. در نتیجه، افزایش همراه در هزینه و همچنین کاهش سایر اقدامات بهره وری خدمات وجود دارد. علاوه بر این، در مواردی که بازدید از سایت حساس به زمان مورد نیاز است، هیچ تضمینی برای به موقع بودن آن وجود ندارد. از این رو، نیاز به استفاده از روش های کارآمدتر برنامه ریزی تورهای چند سایتی ارائه شده توسط GIS وجود دارد.

GIS به طور فزاینده ای به عنوان یک ابزار کارآمد برای طیف گسترده ای از کاربردها در طول دهه گذشته از جمله واکنش اضطراری و برنامه ریزی و مدیریت حمل و نقل استفاده شده است. GIS فراتر از مراحل اولیه مدیریت داده‌ها و نقشه‌برداری تکامل یافته است و به حوزه‌هایی مانند مدل‌سازی و تجزیه و تحلیل پیشرفت کرده است، بنابراین تصمیم‌گیری فضایی را تسهیل می‌کند. فناوری GIS فرصت های بسیار خوبی را برای توسعه کاربردهای گردشگری مدرن با استفاده از نقشه ها ارائه می دهد. گردشگرانی که می‌خواهند از مکان‌های دیدنی بازدید کنند، باید با استفاده از ابزار GIS اطلاعات و نمایش تصویری در مورد آن مکان‌ها داشته باشند. این فناوری عملیات مشترک پایگاه داده مانند پرس و جو را با تجسم منحصر به فرد و مزایای تجزیه و تحلیل جغرافیایی ارائه شده توسط نقشه ها یکپارچه می کند [ 8 ]] . تعیین کوتاه ترین و بهترین مسیر بین مکان های مختلف گردشگری از محل اقامت آنها برای گردشگران از نظر زمانی و اقتصادی مفید است. تولید مسیرهای بهینه برای بازدید از چندین سایت توریستی با تجزیه و تحلیل شبکه فعال می شود. تجزیه و تحلیل شبکه، زمینه رو به رشد گردشگری برای برنامه ریزی و توسعه بهتر است. تجزیه و تحلیل شبکه همچنین برای مدیریت امکانات شبکه مانند خطوط برق/خطوط انتقال/کابل، سیستم های حمل و نقل، برنامه ریزی فروشگاه های خرده فروشی و همچنین برای برنامه ریزی مسیرهای گردشگری بسیار ارزشمند است. تجزیه و تحلیل شبکه مجهز به سیستم اطلاعات جغرافیایی به گردشگر کمک می کند تا مسیرهای بازدید از مکان های گردشگری را در کمترین زمان و مسافت به صورت مکانی برنامه ریزی و مشاهده کند. از این رو، آژانس های مرتبط با سفر ممکن است نقشه هایی با طراحی خوب، آموزنده و آماده برای چاپ تهیه کنند تا تجربیات سفر بازدیدکنندگان را افزایش دهند. GIS می تواند برای بازدیدکنندگان راحت تر مسیر خود را در اطراف مقصد پیدا کند. با استفاده از اینترنت، می توان تصویری از مقصد مورد نظر را به بازدیدکنندگان بالقوه ارائه داد. با ترکیب عکس ها، صداها و کلیپ های ویدیویی با فناوری نقشه برداری، بازدیدکنندگان می توانند سفرهای خود را از قبل برنامه ریزی کنند [9 ] . از این رو، GIS برای مدیریت، تحلیل و تجسم اجزای مکانی و زمانی سیستم های حمل و نقل و در الگوهای سفر بسیار مفید است [ 10 ] [ 11 ].

برنامه ریزی مسیر یک حوزه تحقیقاتی فعال در حمل و نقل و تدارکات بوده است. انتخاب مسیر سنتی شامل یافتن کوتاهترین یا سریعترین مسیر بین هر دو نقطه داده شده است [ 12 ]. کوتاه ترین مسیر با به حداقل رساندن فاصله بین مبدا و نقطه مقصد به دست می آید. در حالی که سریع ترین مسیر با به حداقل رساندن زمان سفر بین آن نقاط به دست می آید. زمان سفر بین هر دو نقطه داده شده A و B ماهیت تصادفی دارد (ibid). ممکن است به متغیرهای زیادی مانند ترافیک در آن مسیر، ازدحام، حوادث ترافیکی، آب و هوا، زیبایی منظره و غیره بستگی داشته باشد .] . اگر امپدانس زمان باشد، بهترین مسیر سریعترین مسیر است. از این رو، بهترین مسیر را می توان به عنوان مسیری تعریف کرد که کمترین امپدانس را دارد، جایی که امپدانس توسط کاربر انتخاب می شود. هر مشخصه معتبر هزینه شبکه می تواند به عنوان امپدانس در هنگام تعیین بهترین مسیر استفاده شود [ 14 ]. بعلاوه، سریعترین مسیر در ساعات کم پیک ممکن است سریعترین مسیر در ساعات اوج مصرف نباشد.

چندین تلاش برای ادغام مدل های مختلف در GIS و ترکیب GIS با توسعه سیستم حمل و نقل هوشمند (ITS) انجام شده است [ 15 ]. الگوریتم ژنتیک دو سطحی (GA) و سیستم اطلاعات جغرافیایی (GIS) برای استخراج یک مسیر در یک شبکه حمل و نقل معین که اهداف متعددی مانند حداقل هزینه، حداقل زمان سفر و غیره را برآورده می کند، استفاده شد [ 16 ]. با استفاده از الگوریتم Dijkstra، یک روش برنامه ریزی مسیر یک سیستم اطلاعات پیشرفته مسافران (ATIS) توسعه یافته و با موفقیت برای شهر ویلنیوس اجرا شد [ 17 ]] . ATIS بسیار مهم است زیرا اطلاعاتی را در مورد ترافیک زمان واقعی ارائه می دهد که می تواند برای پیش بینی تراکم ترافیک استفاده شود و در نتیجه به مسافران این امکان را می دهد تا بر اساس ترجیح کوتاه ترین یا سریع ترین مسیر تصمیمات بهتری برای سفر خود بگیرند. یک برنامه افزودنی استاندارد شبکه سرور ESRI ArcGIS راه اندازی شد که کاربران را قادر می ساخت تا وظایف محاسبه مسیر بهینه را در زمان واقعی از طریق یک برنامه سیستم های اطلاعاتی مبتنی بر وب انجام دهند. برنامه WEB به کاربران اجازه می دهد تا اطلاعات سفر خود را وارد کنند و همچنین به آنها اجازه می دهد محدودیت هایی را در سفر خود لحاظ کنند (مانند سفر از A به C با توقف در نقطه B). هنگامی که ارسال می شود، مسیر بهینه (هم سریع ترین و هم کوتاه ترین) را بر روی نقشه GIS نشان می دهد و همچنین حمل و نقل عمومی را به عنوان یک گزینه جایگزین برای سفر ارائه می دهد.

تجزیه و تحلیل SP زیرمجموعه ای از یک دسته کلی از مشکلات است که به عنوان مشکل فروشندگان مسافرتی (TSP) شناخته می شود [ 31 ]. با توجه به مجموعه ای از رئوس و ماتریس فاصله متقارن یا نامتقارن برای هر جفت رئوس، TSP به دنبال یافتن مدار همیلتونی با حداقل طول (هزینه) است. اگر گره های خاصی باید قبل از دیگران بازدید شوند، این کار به عنوان یک مشکل ترتیب متوالی (SOP) شناخته می شود. اما در هر صورت، معمولاً محل شروع (راس) از قبل مشخص شده است. TSP شامل ایجاد یک تور از هر رأس در یک مجموعه معین، (بازگشت به نقطه شروع،) به گونه‌ای است که طول/زمان تور به حداقل برسد. دو نوع تور مرتبط با TSP عبارتند از تورهای بسته و تورهای باز [ 30] . تور باز مجموعه‌ای از کوتاه‌ترین مسیرهای متصل از 1 – 2، 2 – 3 و در نهایت 3 – 4 است. همچنین می‌توان آن را به‌عنوان کوتاه‌ترین مسیر از مکان 1 تا مکان 4 مشاهده کرد، با محدودیتی که مسیر باید از طریق آن طی شود. مکان های 2 و 3 – یک نیاز بسیار رایج. یک تور بسته، که به مکان 1 باز می گردد، می تواند با افزودن کوتاه ترین مسیر از مکان 4 به 1 ایجاد شود. تور فوق ممکن است برای شرایط متوالی (1 – 2 – 3 – 4) بهینه نباشد، بلکه یک توالی دیگر (مثلا 1) – 4 – 3 – 2) در صورت حذف شرایط متوالی ممکن است بهینه باشد. TSP یکی از مشکلات اصلی تحقیقاتی معاصر است که با شبکه های حمل و نقل بسیار ارزشمند است. برنامه های کاربردی عبارتند از: فروشندگان بازدید از مشتریان. کامیون های حمل زباله در حال سرویس دهی به اماکن تجاری؛ کامیون های تحویلی که به مراکز خرده فروشی خدمات می دهند. کارکنان امنیتی در حال گشت زنی در محل و بسیاری موارد دیگر. ویجسینگه [7 ] ارزیابی الگوریتم های Dijkstra و TSP را ارائه می دهد.

هدف از سناریوهای سفر بهینه این مقاله، به حداقل رساندن مجموع مسافت سفر یا زمان مورد نیاز برای بازدید از مکان های گردشگری به ترتیب از پیش تعریف شده یا بهینه است. این شامل تجزیه و تحلیل سناریوهای مختلفی است که توسط آنها می توان از مکان های گردشگری مختلف در لوکوجا بازدید کرد. این کار با این دیدگاه انجام می شود که نشان دهد چگونه GIS می تواند در برنامه ریزی بازدیدهای چند سایت کارآمد به کار گرفته شود، با مزایای همراه که در بخش های مختلف این مقاله برجسته شده است. الگوریتم‌های متعارف مسئله فروشندگان مسافرتی (TSP) برای یافتن مسیرهای بهینه و دنباله بازدید بهینه از سایت‌ها در یک شبکه حمل و نقل دارای قابلیت جغرافیایی اعمال می‌شوند.

این مقاله به سؤالات زیر برای هر یک از پنج سناریو مختلف پاسخ خواهد داد: چگونه گردشگران باید به طور بهینه از طریق شبکه حمل و نقل مسیریابی شوند تا مسافت یا زمان را بهینه کنند (این شامل تولید راهنماهای جهت ناوبری برای هر سناریو است)؟ یک گردشگر چه مسافت/زمانی را برای بازدید از تمام مکان های گردشگری طی می کند/ صرف می کند؟ دنباله بازدید بهینه برای بازدید از تمام مکان های گردشگری در کمترین زمان / مسافت ممکن چیست؟ آیا انسداد جاده یا سیل در یک مسیر مهم اتصال در شبکه حمل و نقل وجود دارد، چه مسیرهای جایگزین دیگری برای تکمیل بازدیدهای سایت بهینه هستند؟ چگونه سناریوهای مختلف با یکدیگر مقایسه و مقایسه می شوند. علاوه بر این، علاوه بر نقشه مسیر بهینه حاصل برای هر سناریو،

ادامه این مقاله به شرح زیر سازماندهی شده است: بحث در مورد ویژگی های مجموعه داده شبکه در ArcGIS یک مبنای مفهومی مهم را تشکیل می دهد که بسیاری از تحلیل های بعدی بر آن استوار است. شرح مختصری از منطقه مورد مطالعه به شرح زیر است؛ سپس انواع داده ها و منابع داده تشریح می شود. روشی که با آن داده ها تجزیه و تحلیل شدند، توضیح داده شده است، به دنبال آن ارائه و بحث در مورد نتایج تجزیه و تحلیل. برای هر سناریو انجام می شود.

2. ویژگی های یک مجموعه داده شبکه در ArcGIS

مجموعه داده های شبکه منبع داده ای هستند که برای انجام تحلیل شبکه در ArcGIS استفاده می شوند. از ویژگی ها یا انواع مختلفی از منابع داده ای که در این شبکه مشارکت دارند ایجاد می شود. علاوه بر این، این مجموعه داده های شبکه دارای یک مدل اتصال پیشرفته است که برای نشان دادن سناریوهای پیچیده، به عنوان مثال، شبکه های حمل و نقل چندوجهی استفاده می شود [ 32 ]] . ویژگی های مجموعه داده های شبکه امپدانس ها، محدودیت ها و سلسله مراتب شبکه را مشخص می کند. اجزای مجموعه داده های شبکه معمولاً خطوط، نقاط و پیچ ها هستند. اینها به سه نوع عنصر شبکه ترجمه می شوند: لبه ها، اتصالات و پیچ ها. لبه ها عناصری هستند که به عناصر دیگر (اتصالات) متصل می شوند. اتصالات لبه ها را به هم متصل می کنند و حرکت از یک لبه به لبه دیگر را تسهیل می کنند. عناصر چرخشی اطلاعات مربوط به حرکت بین دو یا چند لبه را ضبط می کنند [ 33 ]. اتصال در مجموعه داده شبکه بر اساس همزمانی هندسی نقاط انتهایی خط، رئوس خط، نقاط و قوانین اتصال است که شما به عنوان ویژگی های مجموعه داده شبکه تنظیم می کنید [ 34 ].

تحلیلگر شبکه ArcGIS می تواند بهترین راه برای رسیدن از یک مکان به مکان دیگر یا بهترین راه برای بازدید از چندین مکان را بیابد. مکان ها را می توان به صورت تعاملی با قرار دادن نقاط روی صفحه، با وارد کردن آدرس، یا با استفاده از نقاط در کلاس ویژگی یا لایه ویژگی موجود، مشخص کرد. به این ترتیب کاربر می تواند بر اساس ترتیب از پیش تعیین شده مکان ها بهترین مسیر را تعیین کند. از طرف دیگر، تحلیلگر شبکه ArcGIS می تواند بهترین توالی برای بازدید از مکان ها را تعیین کند.

ویژگی های شبکه ویژگی های عناصر شبکه هستند که قابلیت عبور از طریق شبکه را کنترل می کنند [ 35 ]. نمونه‌هایی از ویژگی‌ها عبارتند از زمان سفر در طول معین جاده، خیابان‌ها برای کدام وسایل نقلیه محدود، سرعت در طول یک جاده معین، و خیابان‌ها فقط یک طرفه هستند. چرخش را می توان در هر نقطه اتصالی که لبه ها به هم متصل می شوند، انجام داد. n ² دور ممکن در هر اتصال شبکه وجود دارد که n تعداد لبه های متصل در آن اتصال است [ 36 ]. حتی در محل اتصال با یک لبه، می توان یک دور چرخشی انجام داد.

3. منطقه مطالعه

لوکوجا، مرکز استان کوگی، نیجریه، منطقه مورد مطالعه برای مقاله است. بین عرض جغرافیایی 7˚45’2″ شمالی – 7˚51’22.5” شمالی و طولانی 6˚41’19”E – 6˚45’00”E واقع شده است؛ برای نقشه مطالعه به شکل 1 مراجعه کنید. این منطقه به دلیل محبوبیت آن به عنوان یک مکان گردشگری به ویژه برخی از بناهای معروف استعماری اروپایی مانند موارد ذکر شده در جدول 1 انتخاب شد. همچنین از آنجایی که گسترش شتابان شهری یکی از دغدغه های فعلی شهری در شهر است، جاده های موجود شلوغ شده اند . شکل 1 نام هایی را نشان می دهد که مطابق با الفبای مکان های گردشگری در منطقه مورد مطالعه است که در شکل 1 نشان داده شده است.

4. انواع داده ها و منابع

مجموعه داده های شبکه حمل و نقل و مختصات جغرافیایی مکان های گردشگری، مجموعه داده های اصلی مورد استفاده برای این تحقیق بودند. ویژگی های مربوط به مسیرهای حمل و نقل مانند نوع جاده و نام راه نیز در نقشه شبکه حمل و نقل به تصویر کشیده شده است. مختصات هر یک از مکان‌های گردشگری مورد علاقه همراه با نام این مکان‌ها نیز ثبت شد. هر دو مجموعه داده با یک کار میدانی جامع از منطقه مورد مطالعه (در سال 2013) با استفاده از گیرنده های سیستم موقعیت یابی جهانی (GPS) جمع آوری شدند.

5. روش تجزیه و تحلیل داده ها

نرم افزار دسکتاپ ArcGIS 10.0 نرم افزار اصلی تحلیل مورد استفاده بود. تحقیق به طور خاص بر روی مجموعه تحلیلگر شبکه همان نرم افزار تکیه داشت. را

از ArcGIS برای مدل‌سازی مسیر حمل‌ونقل، تحلیل مسیرهای بهینه اتصال مکان‌های گردشگری مختلف تحت سناریوهای در نظر گرفته شده و همچنین نقشه‌های تولید شده که نتایج تحلیل‌های مختلف انجام شده را نشان می‌دهد، استفاده شد. همچنین در جمع آوری و ارائه برخی از آمارهای مربوط به این پروژه از نرم افزار Microsoft Excel 2013 استفاده شده است.

پنج سناریو برای راهنمایی گردشگران بالقوه آینده در تصمیم گیری در مورد بازدید از سایت توریستی در لوکوجا در نظر گرفته شد. این سناریوها در بخش بعدی ارائه و مورد بحث قرار می گیرند. سناریوهای متعدد همچنین به تحلیل استحکام مدل شبکه حمل و نقل توسعه یافته کمک کردند. در تمام موارد، بهینه سازی برای زمان و مسافت انجام شد. فاصله و زمان تجمعی برای هر سناریو تجزیه و تحلیل شد و جزئیات جهت مسیریابی مربوطه مستند شد. میانگین سرعت فرضی برای انواع جاده های مختلف در منطقه مورد مطالعه به عنوان ویژگی های مجموعه داده شبکه به شرح زیر مدل شد: جاده های سریع، 80 کیلومتر در ساعت. جاده های اصلی، 60 کیلومتر در ساعت و جاده های فرعی، 40 کیلومتر در ساعت.

6. ارائه و بحث در مورد نتایج

خلاصه یافته های سناریوهای مختلف در جدول 2 ارائه شده است. نسخه‌های «ب» سناریوهای مربوطه گزینه‌هایی هستند که در آنها یک سناریوی بلوک جاده فرضی در نظر گرفته شده است. برای هر سناریو، نسخه‌های بهینه‌سازی فاصله و همچنین بهینه‌سازی زمان ارائه شد. برای اکثر سناریوها، مسافت تجمعی پوشش‌دهی شده برای نسخه‌های بهینه‌سازی فاصله کوتاه‌تر از مواردی بود که توسط نسخه‌های بهینه‌سازی زمان پوشش می‌دادند. در مقابل، مدت زمان تجمعی مرتبط با سناریوهای بهینه شده زمانی کوتاهتر از سناریوهای بهینه شده فاصله بود. به طور کلی، کوتاه‌ترین مسافت مورد نیاز برای تکمیل بازدید از همه مکان‌های گردشگری 15897.20 متر بود که توسط سناریوی دوم (یک غیر SOP بسته) ثبت شد، در حالی که کوتاه‌ترین مدت زمان لازم برای تکمیل بازدید از همه مکان‌های گردشگری مشابه 17.69 دقیقه ثبت شده در همان ثانیه بود. سناریو. همانطور که انتظار میرفت، همچنین مشاهده شد که علاوه بر سود (صرفه‌جویی) مرتبط با بهینه‌سازی فاصله و زمان، پس‌انداز (یا سود) بهتری هم در زمان و هم در فاصله زمانی که توالی بازدید از سایت‌های توریستی بهینه می‌شد (یعنی غیر SOPها) وجود داشت. تعیین شده توسط پسوند نرم افزار تحلیلگر شبکه) در مقایسه با پس انداز مرتبط با سناریوهای یک توالی بازدید از پیش تعیین شده (SOP). از بین تمام سناریوها، بیشترین صرفه جویی در مسافت و زمان به دست آمده به ترتیب 227.87 متر و 0.46 دقیقه بود که هر دو با سناریوی اول (با در نظر گرفتن انسداد جاده) ثبت شدند. غیر SOPها که توسط پسوند نرم افزار تحلیلگر شبکه تعیین می شود) در مقایسه با پس انداز مربوط به سناریوهای یک توالی بازدید از پیش تعیین شده (SOP). از بین تمام سناریوها، بیشترین صرفه جویی در مسافت و زمان به دست آمده به ترتیب 227.87 متر و 0.46 دقیقه بود که هر دو با سناریوی اول (با در نظر گرفتن انسداد جاده) ثبت شدند. غیر SOPها که توسط پسوند نرم افزار تحلیلگر شبکه تعیین می شود) در مقایسه با پس انداز مربوط به سناریوهای یک توالی بازدید از پیش تعیین شده (SOP). از بین تمام سناریوها، بیشترین صرفه جویی در مسافت و زمان به دست آمده به ترتیب 227.87 متر و 0.46 دقیقه بود که هر دو با سناریوی اول (با در نظر گرفتن انسداد جاده) ثبت شدند.

پاراگراف های بعدی بحث های بیشتری را در مورد هر یک از سناریوهای مختلف در نظر گرفته شده در این مطالعه ارائه می کنند. برای هر سناریو، یک شکل مرتبط وجود دارد که مسیرهایی را که باید طی کنید تا بازدید از همه مکان‌های گردشگری را کامل کنید، وجود دارد. توالی بازدید برای هر سناریو نیز در شکل های مرتبط به صورت اعداد دایره ای برای هر یک از مکان های گردشگری مربوطه نشان داده شده است. همچنین، یک نمودار مرتبط با هر سناریو وجود دارد که به مقایسه سناریوهای بهینه شده فاصله با سناریوهای بهینه شده برای زمان کمک می کند. در نهایت، برای هر شکل، راهنمای مسیرهای تور همراهی وجود دارد که به صورت متنی و گرافیکی به پیمایش مسیرها هنگام بازدید از مکان‌های گردشگری کمک می‌کند. برای به حداقل رساندن طول این مقاله، همه به جز راهنمای جهت سناریوی ^دوم در این مقاله گنجانده نشده است.

در واقعیت، یک گردشگر به احتمال بسیار زیاد بازدید از سایت‌ها را از یک مبدأ خاص (مثلاً یک هتل، یک مسیر ورودی/خروجی، یک مرکز رویدادها، یک نقطه ثبت توریست یا هر مکان مشخص دیگری) آغاز کرده و بازدیدها را در همان (یعنی یک تور بسته) یا یک مکان متفاوت (یعنی یک تور باز). حتی ممکن است نقاط شروع و پایان به خودی خود مکان های توریستی باشند (مانند جایی که یک سایت توریستی دارای امکانات اقامتی است). به این ترتیب، اغلب نیاز به از پیش تعریف چنین نقاط شروع و پایان مشخص شده (محل‌ها) وجود دارد، به‌ویژه زمانی که یک سناریو مستلزم بهینه‌سازی توالی بازدید از مکان‌های گردشگری در تور باشد (یعنی مشکلات سفارش غیر متوالی). از این رو، برای همه سناریوها (به جز آخرین – سناریوی 5) که تورهای بسته و SOP بودند، تنها دانشگاه در منطقه مورد مطالعه (یعنی دانشگاه فدرال، لوکوجا) به طور فرضی به عنوان نقطه شروع و پایان تورها از پیش تعیین شده بود. توجه داشته باشید که این مکان یکی از مکان های گردشگری نبوده و بنابراین هر مکان دیگری مانند هتل، اقامتگاه شخصی، نقطه ورود به شهر، رستوران و غیره را می توان به جای آن مشخص کرد. سناریوی 5 از این معیار مستثنی بود زیرا یک تور باز بود، بنابراین فرض بر این بود که گردشگران تورهای خود را در مسیر ابوجا به پایان برسانند.

سناریو 1: این یک SOP و همچنین یک تور بسته است. همانطور که در شکل 2 و شکل 3 و آمار مرتبط ارائه شده در جدول 2 نشان داده شده است . نسخه های بهینه شده از نظر زمان و مسافت از این سناریو نتایج متفاوتی را تولید کردند. از این رو، مسیرهایی که در بازدید از تمام مکان‌های گردشگری به ترتیب از پیش تعیین‌شده برای نسخه بهینه‌شده مسافت طی می‌شود، با مسیرهای نسخه بهینه‌شده زمان متفاوت است. به این ترتیب، در حالی که نسخه بهینه شده مسافت مستلزم مسافت 20929.92 متر و مدت زمان سفر 24.08 دقیقه بود، سناریوی بهینه شده زمان مسافت 1136.62 متر و مدت زمان سفر 23.80 دقیقه را به طور تجمعی پوشش داد. شکل 3(الف) نموداری است که نسخه‌های بهینه‌شده فاصله و زمان را با جزئیات بیشتر مقایسه می‌کند.

هنگامی که انسداد فرضی یک مسیر اصلی اتصال همانطور که در شکل 2 (ب) نشان داده شده است، معرفی شد، مسیرهای سفر و همچنین توالی بازدید از مکان های توریستی به طور قابل توجهی با قبلی متفاوت شد (یعنی شکل 2 (الف)). همچنین، نسخه‌های بهینه‌شده با فاصله و زمان، نتایج کمی متفاوت برای مسیرهای مورد نیاز برای بازدید از همه سایت‌ها ایجاد کردند، در حالی که توالی بازدید برای هر دو نسخه از این سناریو یکسان باقی ماند. در اینجا به ترتیب 23048.08 متر و 27.15 دقیقه مسافت و زمان مربوط به بازدید از تمام

سایت های توریستی تحت نسخه بهینه شده فاصله این سناریو؛ در حالی که 23275.95 متر و 26.69 دقیقه به ترتیب مسافت و زمان مرتبط با پیمایش تمامی مکان های گردشگری در نسخه بهینه زمانی این سناریو بود. شکل 3 (ب) را برای نموداری که نسخه های بهینه شده فاصله و زمان را با جزئیات بیشتر مقایسه می کند، ببینید .

اینها نشان می‌دهند که نسخه‌های بهینه‌شده برای زمان، صرفه‌جویی بهتری در مدت زمان سفر (در مقایسه با نسخه‌های بهینه‌شده برای مسافت) ایجاد می‌کنند، در حالی که نسخه‌های بهینه‌شده مسافت، صرفه‌جویی بهتری در مسافت (در مقایسه با نسخه‌های بهینه‌شده زمان) ایجاد می‌کنند.

سناریو 2: این یک تور غیر SOP و همچنین یک تور بسته است. در شکل 4 یک نمایش گرافیکی از نتیجه این سناریو است. توجه داشته باشید که توالی بازدید بهینه برای هر دو نسخه بهینه شده از نظر فاصله و زمان یکسان باقی مانده است. برای سناریوی فعلی، اولین سایت توریستی بازدید شده در هنگام حرکت از

مبدأ از پیش تعیین شده سایت “H”، سپس “G”، سپس “D”، سپس دیگران، با آخرین سایت “I” بود. برای این سناریو، فواصل تجمعی مورد نیاز برای تکمیل بازدید از تمام مکان‌های گردشگری به ترتیب 15897.20 متر و 15897.20 متر برای نسخه‌های بهینه‌سازی فاصله و زمان بود. همچنین 17.69 دقیقه و

17.69 دقیقه مدت زمان مرتبط با نسخه های بهینه شده برای فاصله و زمان است. با توجه به آمار فوق توجه کنید که تفاوت در فاصله و زمان بهینه برای هر دو نسخه بهینه‌سازی فاصله و زمان این سناریو بسیار بی‌نهایت کوچک است و بنابراین ناچیز است. این همچنین نشان می دهد که موارد خاصی وجود دارد که بهینه سازی فاصله و زمان نتایج تقریباً یکسانی را به همراه دارد. با این حال، این ممکن است تنها زمانی قابل انتظار باشد که توالی بازدید از سایت بهینه شده باشد (یعنی غیر SOP).

بخش اولیه راهنمای جامع جهت ناوبری برای این سناریو در شکل 6 ارائه شده است. به جزئیات مسیرهای پیچ برای هر تقاطع در مسیرهای ناوبری به مکان های گردشگری توجه کنید. نام تمام مسیرهای ناوبری؛ مسافت و مدت زمان سفر برای هر بخش مسیر و درج نقشه برای هر مکان گردشگری پس از رسیدن. این یک شاهکار بسیار جالب از برنامه‌های تور بهینه مجهز به GIS است که GIS را به یک فناوری ارزشمند در برنامه‌ریزی سفر و برنامه‌های مشابه که در بخش‌های دیگر این مقاله اشاره شده است، تبدیل می‌کند.

هدف بعدی برای این سناریوی دوم، معرفی یک بلوک جاده فرضی در یک مسیر مهم اتصال است ( شکل 4 (ب) را ببینید). در میان چیزهای دیگر، این سناریو به حمایت از ادعای مطرح شده در بحث‌های قبلی کمک کرد که هنگامی که توالی بازدید بهینه شد (مخصوصاً زمانی که نقاط برخاست و رسیدن از پیش تعریف شده باشند؟ یعنی غیر SOP)، نتایج برای بهینه‌سازی زمان و مسافت بدست می‌آیند. اغلب از نظر مسیرهای واقعی طی شده، فاصله تجمعی درگیر و همچنین زمان بازدید تجمعی مربوطه تقریباً یکسان است. مسیرهای پیموده شده و توالی بازدید از سایت مرتبط برای این سناریو در شکل 4 ارائه شده است . شکل 5نموداری است که نسخه های بهینه شده فاصله و زمان را با جزئیات بیشتر مقایسه می کند. برای این سناریو، فاصله تجمعی مورد نیاز برای تکمیل بازدید از تمام مکان‌های گردشگری 16037.84 متر و 16037.84 متر برای مسافت و زمان بهینه شده بود.

نسخه ها به ترتیب همچنین، 18.35 دقیقه و 18.35 دقیقه به ترتیب مدت زمان مرتبط با نسخه های بهینه فاصله و زمان بود.

با مقایسه هر دو مورد سناریوی 2 (یعنی با / بدون مسدود کردن جاده) با هر دو مورد سناریوی 1، می توان مشاهده کرد که سناریوهایی که در آن توالی بازدید از سایت بهینه شده بود (یعنی غیر SOP) نتایج بهتری را به همراه داشت (از نظر صرفه جویی در هم مسافت و هم زمان)، نسبت به سناریوهای SOP. با این حال، توجه داشته باشید که مواردی وجود دارد که یک تور چند سایتی برنامه ریزی شده به گونه ای تنظیم شده است که بهینه سازی توالی بازدید از سایت ها عملی نیست (یعنی SOP اجباری).

سناریو 3: اغلب مواردی وجود دارد که یک گردشگر برای بازدید از مکان‌ها از یک مکان از پیش تعریف‌شده حرکت می‌کند اما تصمیم می‌گیرد پس از تکمیل تور در جهت دیگری (متفاوت از مبدأ خود) حرکت کند. این موردی بود که در این سناریو فرض شد. در اینجا، فرض بر این بود که پس از یک کنفرانس، شرکت کنندگان تصمیم می گیرند قبل از ادامه سفر خود به سمت ابوجا، از تمام مکان های گردشگری در لوکوجا (به ترتیب از پیش تعیین شده) بازدید کنند. از این رو، این یک SOP و همچنین یک تور باز است.

با یک توالی بازدید از پیش تعیین شده از سایت های توریستی، مسیرها برای نسخه های بهینه شده با فاصله و زمان به صورت گرافیکی در شکل 7 (الف) نشان داده شده است. توجه داشته باشید که مسیرهای بهینه برای پیمودن در بازدید از تمام مکان‌های توریستی به طور قابل ملاحظه‌ای بین نسخه‌های بهینه‌شده فاصله و زمان تغییر کرده است، همانطور که در شکل 7 (الف) نشان داده شده است (LHS در مقابل RHS).

برای نسخه بهینه شده مسافت، 20929.92 متر در مدت زمان 24.08 دقیقه پیموده شد. در حالی که برای نسخه بهینه شده زمان، 21136.62 متر در مدت زمان 23.80 دقیقه پیموده شد. در شکل 8(a) نموداری است که رابطه فاصله-زمان را برای این سناریو در بازدید از سایت‌های مختلف در تور نشان می‌دهد و در عین حال نسخه‌های بهینه‌شده فاصله و زمان را نیز مقایسه می‌کند. مانند موارد قبلی توجه کنید که اگرچه نسخه بهینه شده برای زمان مستلزم پوشش مسافت طولانی‌تری بود، اما زمان کوتاه‌تری نسبت به نسخه بهینه‌سازی فاصله طول کشید تا بازدید از تمام مکان‌های گردشگری تکمیل شود. این به این دلیل است که در حالی که نسخه‌های بهینه‌شده برای زمان به دنبال مسیرهای سریع‌تر (اما احتمالاً طولانی‌تر) هستند، نسخه‌های بهینه‌شده برای مسافت به دنبال مسیرهای کوتاه‌تر (اما احتمالاً کندتر) هستند. از این رو، اغلب بین مسافت پیموده شده و مدت زمان سفر بین دو نسخه معاوضه وجود دارد.

سناریو 4: این یک تور غیر SOP و همچنین یک تور باز است. هنگامی که توالی بازدید برای این سناریو نیز بهینه شد، تفاوت قابل توجهی در مسیرها و همچنین توالی بازدید بین نسخه‌های بهینه‌شده با فاصله و زمان وجود داشت، به شکل 7 (ب) مراجعه کنید. از این شکل، مقایسه بین نسخه بهینه شده از نظر فاصله و زمان نشان می‌دهد که توالی بازدید برای همه مکان‌های گردشگری دیگر به جز سایت‌های C، D، H و M یکسان باقی مانده است. همچنین به تفاوت مسیرها بین دو نسخه توجه کنید. اساساً 16820.62 متر

و 18.40 دقیقه به ترتیب مسافت و زمان مورد نیاز برای نسخه بهینه شده فاصله بود. در حالی که 16841.09 متر و 18.13 دقیقه به ترتیب مسافت و زمان مورد نیاز برای نسخه بهینه شده زمان بود. در شکل 8 (ب) نموداری است که رابطه فاصله-زمان را برای این سناریو در بازدید از سایت‌های مختلف در تور نشان می‌دهد و در عین حال نسخه‌های بهینه‌شده فاصله و زمان را با جزئیات بیشتر مقایسه می‌کند.

همانند سناریوهای مشابه قبلی، در حالی که نسخه بهینه شده برای فاصله به فاصله تجمعی کمتری نسبت به نسخه بهینه شده زمان نیاز داشت. نسخه بهینه شده برای زمان نیاز به زمان سفر کوتاه تری نسبت به نسخه بهینه شده برای مسافت داشت. با این حال، برای غیر SOPهای بهینه شده با فاصله و زمان، این تفاوتها در فاصله و زمان تجمعی سفر در مقایسه با SOPها زیاد نبود. علاوه بر این، همانطور که قبلا مشاهده شد، مقایسه بین سناریوهای 3 و 4 نشان می‌دهد که سناریوهایی که در آنها توالی بازدید از سایت بهینه شده است (یعنی غیر SOP) نتایج بهتری (از نظر صرفه‌جویی در فاصله و زمان) نسبت به سناریوهای SOP به همراه دارد. از این رو، آخرین سناریو یک غیر SOP است.

سناریوی 5: در این سناریوی آخر، طغیان فرضی رودخانه نیجر در نظر گرفته شد، به طوری که بخش خوبی از منطقه در امتداد ساحل رودخانه از دسترس خارج بود. این منطقه شامل یک بخش جاده ارتباطی اصلی برای سفر به سمت ابوجا بود. برای جزئیات بیشتر به شکل 7 (ج) مراجعه کنید. این یک تور غیر SOP و همچنین یک تور باز است. در این مثال، مسیرهای بهینه مورد نیاز برای بازدید از تمام سایت‌های گردشگری برای نسخه‌های بهینه‌سازی فاصله و زمان، همانطور که در شکل 7 نشان داده شده است، استخراج شد.(ج). توجه داشته باشید که به دلیل جاری شدن سیل، دسترسی سایت G قطع شد زیرا در منطقه سیل زده قرار داشت که جاده های دسترسی آن نیز دچار سیل شده بودند. علاوه بر این، مسیرهای یکسانی در بازدید از تمام مکان‌های گردشگری قابل دسترس برای هر دو نسخه بهینه‌شده فاصله و زمان طی شد. توالی بازدید تقریباً یکسان باقی ماند، به جز تبادلی در توالی بازدید برای سایت‌های C و M. برای نسخه بهینه‌شده فاصله، سایت C دهمین و سایت M ^{یازدهمین مورد} بازدید بود. در حالی که برای نسخه بهینه شده زمان، سایت C ^{یازدهمین} و سایت M دهمین بود ^.در سکانس بازدید شود. در مجموع، حدود 16138.1 متر و 18.07 دقیقه برای بازدید از همه مکان‌های توریستی برای هر دو نسخه بهینه‌شده فاصله و زمان مورد نیاز بود. تفاوت بین این دو نسخه بسیار کوچک بود تا در اعداد با دو رقم اعشار آشکار شود. در شکل 8 (c) نموداری است که رابطه فاصله-زمان را برای این سناریو در بازدید از سایت‌های مختلف در تور نشان می‌دهد و در عین حال نسخه‌های بهینه‌شده فاصله و زمان را با جزئیات بیشتر مقایسه می‌کند.

این نتایج همچنین نشان می‌دهد که برای SOPها، تفاوت‌ها در مسافت سفر و مدت زمان برای نسخه‌های بهینه‌شده با فاصله و زمان، بسته به پیکربندی شبکه حمل‌ونقل و همچنین توزیع فضایی مکان‌های گردشگری بسیار جزئی خواهد بود. همچنین، این سناریو نمونه ای را نشان می دهد که در آن به دلیل سیل، دسترسی یک سایت توریستی بالقوه برای بازدید قطع شده است. چندین عامل دیگر نیز می تواند باعث عدم دسترسی به برخی سایت ها شود. از این رو، برنامه ریزی بهینه تور در یک محیط GIS می تواند به تعیین اینکه کدام سایت تحت شرایط خاص (به ویژه در هنگام بلایا) غیرقابل دسترس می شود، کمک کند.

7. خلاصه یافته های سناریوهای مختلف

علاوه بر بهینه سازی مسیرهای سفر، مسافت و زمان؛ سناریوهایی که به موجب آنها توالی بازدید بهینه شده بود (یعنی غیر SOP) عموماً نسبت به سناریوهایی که SOP بودند صرفه جویی بسیار بهتری در مسافت و زمان داشتند. همچنین، هر زمان که مانعی (به عنوان مثال مسدود کردن جاده یا سیل) در مسیر اصلی اتصال برای بازدید از سایت‌ها وجود داشت. فاصله و زمان مورد نیاز بازدید طولانی تر می شود حتی اگر دنباله بازدید بهینه شده باشد. علاوه بر این، هر زمان که توالی بازدید بهینه شد، راه‌حل‌های به‌دست‌آمده تفاوت زیادی بین نسخه‌های بهینه‌شده فاصله و زمان نشان نمی‌دهند.

8. نقاط قوت مدل شبکه حمل و نقل

میانگین سرعت جاده بر اساس نوع جاده متفاوت است. از این رو، زمانی که یک تحلیل برای فاصله بهینه شده بود، تفاوت قابل توجهی در مقایسه با تحلیل بهینه شده برای زمان وجود داشت. پارامتر مدت زمان حمل و نقل با یک اسکریپت ویژوال بیسیک در برابر مدلسازی صلب معمولی با استفاده از یک میدان مشخصه نسبتاً ثابت کلاس ویژگی شبکه جاده مدل‌سازی شد. این امر تغییر میانگین سرعت حمل و نقل را برای انواع جاده ها در حالی که سناریوهای مدل سازی مختلف در نظر می گیرد، آسان تر می کند. مدل‌سازی جهت‌های مسیریابی جامع از طریق شبکه را در حین بازدید از تمام نقاط مورد علاقه به حساب آورد. علاوه بر تولید نتایج واقعی زمان سفر، تجزیه و تحلیل بر اساس مجموعه ای غنی از داده های جغرافیایی بود و به همین ترتیب شامل نام خیابان ها و انواع خیابان ها و همچنین نام مکان های گردشگری بود.

9. گزینه هایی برای بهبود مدل شبکه حمل و نقل

مدل شبکه حمل و نقل فعلی برای این مقاله را می توان به روش های زیر بهبود بخشید: ازدحام ترافیک در بخش های مختلف جاده و همچنین تغییرات در ازدحام برای زمان های مختلف روز (یعنی دوره های اوج و کم بار). مدل محدودیت های پیچ / تاخیر در تقاطع جاده ها از جمله دور برگشت. به عنوان مثال، در نیجریه، رانندگی در سمت راست جاده است. بنابراین، پیچ به راست در اتصالات معمولا سریعتر از پیچ به چپ است. همچنین بر اساس مشخصات ترافیکی در برخی از تقاطع ها، انحراف به چپ به راست در تقاطع های جاده ای منتخب ممنوع شده است. محدودیت های یک طرفه و همچنین محدودیت های ظرفیت در انواع مختلف جاده ها را در نظر بگیرید (یعنی انواع خاصی از وسایل نقلیه به دلیل اندازه یا تناژ آنها در جاده های خاص محدود شده اند). جاده های عریض با چندین خط یک چالش ویژه است، مخصوصاً در جاهایی که یک مانع (یا خطوط غیر متقاطع) بین خطوط وجود دارد. مدل‌سازی روگذرها و زیرگذرها (یعنی پرواز بر فراز) مدل شبکه را قوی‌تر می‌کند. فاکتور در زمان برخاستن و رسیدن برای روزهای مختلف؛ مدت زمان بازدید برای هر سایت و همچنین ساعات باز یا کار سایت ها (مانند مورد Kolyaise و همکاران. [2 ]). سایر عوامل هزینه ای که می توانند در نظر گرفته شوند عبارتند از: میزان مصرف سوخت برای اتومبیل یا موتور سیکلت، کرایه حمل و نقل برای موتورسیکلت و تاکسی، کالری سوزانده شده در راهپیمایی یا دوچرخه سواری و غیره. ، و کامیون ها.

علاوه بر این، یک تحلیل برنامه ریزی مسیر بهینه می تواند به عنوان یک سرویس پردازش جغرافیایی در اینترنت میزبانی شود و در نتیجه به عنوان یک سیستم پشتیبانی تصمیم گیری فضایی (SDSS) برای برنامه ریزی زمان واقعی برنامه سفر برای عموم خدمت کند. برای یک کشور در حال توسعه (مانند نیجریه) با استفاده بسیار کم از فناوری اطلاعات جغرافیایی، چنین SDSS نه تنها باعث افزایش آگاهی و علاقه عمومی به این فناوری می شود، بلکه به توجیه و ارتقای هزینه های عمومی در حوزه های کاربردی متنوع اطلاعات جغرافیایی کمک می کند. فناوری برای منافع اجتماعی علاوه بر این، مجموعه‌ای معمولی از اطلاعات جغرافیایی با کیفیت بالا، دقیق و به‌روز را به‌ویژه در مورد ویژگی‌های ساخته دست بشر که در حال حاضر به ندرت در دسترس هستند، تقویت می‌کند. پس از جمع‌آوری این مجموعه داده‌ها، می‌توان به راحتی برای چندین کاربرد دیگر فراتر از مواردی که در ابتدا برای آنها ایجاد شده‌اند، استفاده کرد. به عنوان مثال، یک پایگاه داده جغرافیایی جامع موجود از مناطق در حال تهدید امنیتی در شمال شرقی نیجریه برای نیروهای مسلح نیجریه در اجرای عملیات فعلی خود در آنجا ارزشمند خواهد بود. سطح بسیار بالای ناامنی که در حال حاضر در آن مناطق رایج است، جمع آوری اطلاعات دقیق جغرافیایی در مورد ویژگی های فرهنگی (انسان زایی) را بسیار دشوار می کند، زیرا این امر اغلب به کارهای میدانی گسترده نیاز دارد. همچنین، در دسترس بودن چنین مجموعه داده های جغرافیایی همواره فرصتی برای کاربردهای جالب دیگر ایجاد می کند. پایگاه داده جغرافیایی جامع موجود از مناطق در حال تهدید امنیتی شمال شرقی نیجریه برای نیروهای مسلح نیجریه در اجرای عملیات فعلی خود در آنجا بسیار ارزشمند خواهد بود. سطح بسیار بالای ناامنی که در حال حاضر در آن مناطق رایج است، جمع آوری اطلاعات دقیق جغرافیایی در مورد ویژگی های فرهنگی (انسان زایی) را بسیار دشوار می کند، زیرا این امر اغلب به کارهای میدانی گسترده نیاز دارد. همچنین، در دسترس بودن چنین مجموعه داده های جغرافیایی همواره فرصتی برای کاربردهای جالب دیگر ایجاد می کند. پایگاه داده جغرافیایی جامع موجود از مناطق در حال تهدید امنیتی شمال شرقی نیجریه برای نیروهای مسلح نیجریه در اجرای عملیات فعلی خود در آنجا بسیار ارزشمند خواهد بود. سطح بسیار بالای ناامنی که در حال حاضر در آن مناطق رایج است، جمع آوری اطلاعات دقیق جغرافیایی در مورد ویژگی های فرهنگی (انسان زایی) را بسیار دشوار می کند، زیرا این امر اغلب به کارهای میدانی گسترده نیاز دارد. همچنین، در دسترس بودن چنین مجموعه داده های جغرافیایی همواره فرصتی برای کاربردهای جالب دیگر ایجاد می کند. سطح بسیار بالای ناامنی که در حال حاضر در آن مناطق رایج است، جمع آوری اطلاعات دقیق جغرافیایی در مورد ویژگی های فرهنگی (انسان زایی) را بسیار دشوار می کند، زیرا این امر اغلب به کارهای میدانی گسترده نیاز دارد. همچنین، در دسترس بودن چنین مجموعه داده های جغرافیایی همواره فرصتی برای کاربردهای جالب دیگر ایجاد می کند. سطح بسیار بالای ناامنی که در حال حاضر در آن مناطق رایج است، جمع آوری اطلاعات دقیق جغرافیایی در مورد ویژگی های فرهنگی (انسان زایی) را بسیار دشوار می کند، زیرا این امر اغلب به کارهای میدانی گسترده نیاز دارد. همچنین، در دسترس بودن چنین مجموعه داده های جغرافیایی همواره فرصتی برای کاربردهای جالب دیگر ایجاد می کند.

10. مزایا/مزایای برنامه ریزی تور بهینه مبتنی بر GIS

برخی از مزایای برنامه ریزی تور بهینه مبتنی بر GIS عبارتند از: تصمیم گیری سریعتر و بهینه که منجر به افزایش کارایی و بهره وری افراد و سازمان ها می شود. صرفه جویی در ساعت کاری (زمان) که در طی مسیرهای وقت گیر بیشتر از بین می رفت. حفاظت از منابعی مانند نفت که در طی مسیرهای طولانی تر سوزانده می شد، علاوه بر دی اکسید کربن اضافی که در جو منتشر می شد، در نتیجه بار جزیره گرمایی شهری (اگر در یک منطقه شهری) افزایش می یافت، گرم شدن کره زمین و موارد دیگر. اثرات نامطلوب زیست محیطی کاهش اجناس و پارگی در وسایل نقلیه و جاده ها که در نتیجه چنین سفرهای طولانی (یعنی کاهش استفاده از وسیله نقلیه) ایجاد می شود، و همچنین صرفه جویی در هزینه تعمیر و نگهداری آن. صرفه جویی در پولی که برای پرداخت هزینه حمل و نقل عمومی صرف می شود، مستقیماً ناشی از انتخاب یک مسیر بهینه و به طور غیر مستقیم از بسیاری از مزایای ذکر شده است. همچنین صرفه جویی در انرژی انسان (کالری) وجود دارد که در تصمیم گیری یا انتخاب مسیری کمتر بهینه هدر می رفت. کاهش فرسودگی و فرسودگی مسیرهای حمل و نقل نیز طول عمر جاده ها را افزایش می دهد و به صرفه جویی در بودجه عمومی که برای تعمیر و نگهداری جاده ها استفاده می شد کمک می کند.

11. سایر کاربردهای بالقوه برنامه ریزی تورهای بهینه مبتنی بر GIS

تجزیه و تحلیل شبکه مبتنی بر GIS می تواند برای همه اشکال برنامه ریزی سفر چند سایت توسط افراد خصوصی و موسسات دولتی اعمال شود. به عنوان مثال، سرپرستان آموزش و پرورش علاقه مند به بازدید از مدارس (راهنمای یا ابتدایی)، پزشکان به صورت تلفنی از چندین بیمارستان در طول فعالیت های معمول خود بازدید می کنند. دانشگاهیان دوره گردی که از چندین دانشگاه، روسای امنیتی/نظارتان بازدید می کنند (مانند ارتش، پلیس، زندان ها و غیره) که از ایستگاه های پستی متعدد در بازرسی های معمول، صنایع تولیدی و انبارهای آنها، مواد خام و زنجیره های توزیع و غیره بازدید می کنند. در طول برگزاری انتخابات، ناظران ممکن است علاقه مند به بازدید از چندین مرکز رای گیری باشند. کارگران ترویج کشاورزی ممکن است مجبور شوند در مدت زمان کوتاهی از چندین مکان کشاورزی بازدید کنند. برنامه ریزی تخلیه در طول عملیات واکنش پس از فاجعه؛ مجموعه‌ای از پیام‌ها از صندوق‌های پستی توسط جمع‌آوران پست اداره پست. مسیریابی بهینه بین یک محل کنفرانس و همه هتل ها (همراه با تمام نقاط بالقوه مورد علاقه شرکت کنندگان در کنفرانس) قابل تجزیه و تحلیل است.

12. نتیجه گیری

از آنجایی که منطقه مورد مطالعه از انواع جاده‌های مختلف با سرعت‌های حمل و نقل متفاوت تشکیل شده است، هنگام بهینه‌سازی زمان و مسافت، نتایج متفاوتی به دست آمد. ازدحام جاده ها و برخی دیگر از متغیرهای هزینه ذکر شده در بخش های قبلی این کار می تواند به عنوان پایه های دیگری برای بهینه سازی باشد. نسخه‌های بهینه‌سازی شده زمان سناریوهای مختلف در شرایط اضطراری مانند حمل و نقل اضطراری مرتبط با سلامت با آمبولانس‌ها و همچنین تخلیه و مأموریت‌های نجات در هنگام بلایا مفید خواهند بود.

اگرچه در کشورهای توسعه یافته محبوبیت دارد (اغلب به عنوان خدمات در اینترنت میزبانی می شود)، برنامه های وب سایت های برنامه ریزی مسیر موجود به اندازه کافی پویا نیستند تا سناریوهای مختلفی را که ممکن است گردشگران (یا مسافران) به آنها علاقه مند باشند، ثبت کنند. علاوه بر این، آن پیاده‌سازی‌های موجود در پرتو برخی از پیشنهادات پیشنهادی در این کار، فضاهایی را برای بهبود باقی می‌گذارند.

منابع

 

[ 1 ]	کلیایی، س.، دلاور، ام آر و ملک، ام آر (2008) چارچوبی از سیستم پشتیبانی تصمیم گیری فضایی برای برنامه ریزی سفر با استفاده از مدل سازی مبتنی بر فعالیت. مجموعه مقالات کنفرانس آسیایی سنجش از دور، کلمبو، 10-14 نوامبر 2008، 6.
[ 2 ]	کولیایی، س.، دلاور، ام آر و ملک، ام آر (2009) برنامه ریزی سفر در شبکه حمل و نقل عمومی با استفاده از مدل سازی مبتنی بر فعالیت. مجله علمی کاربردی، 9، 2532-2543. https://doi.org/10.3923/jas.2009.2532.2543
[ 3 ]	Vaughna, KM, Abdel-Aty, MA and Kitamura, R. (1999) چارچوبی برای توسعه فعالیت روزانه و برنامه ریز سفر چند مدلی. معاملات بین المللی در تحقیقات عملیاتی، 6، 107-121. https://doi.org/10.1111/j.1475-3995.1999.tb00146.x
[ 4 ]	Bonsall, PP, Firmin, M., Anderson, I., Paliner, P. and Balinforth, P. (1997) اعتبار سنجی نتایج شبیه ساز انتخاب مسیر. تحقیق حمل و نقل قسمت ج: فناوری های نوظهور، 5، 371-387. https://doi.org/10.1016/S0968-090X(98)00003-5
[ 5 ]	Tan, MC, Tong, CO and Xu, JM (2004) مطالعه و اجرای یک سیستم پشتیبانی تصمیم برای برنامه ریزی خدمات حمل و نقل انبوه شهری. فناوری اطلاعات و مدیریت، 15، 14-32.
[ 6 ]	Casas، I. (2003) ارزیابی اهمیت دسترسی به پاسخ ازدحام با استفاده از یک شبیه ساز سفر مبتنی بر GIS. مجله نظام های جغرافیایی، 5، 109-127. https://doi.org/10.1007/s101090300106
[ 7 ]	Wijesinghe, K., Delpachithra, CN, Perera, L., Wijetilake, SH, Rajapaksha, S. and Fernando, N. (2013) سیستم برنامه ریز سفر با قابلیت GIS با پیاده سازی TSP. PNCTM, 2, 49-55. https://dspace.sliit.lk/bitstream/123456789/184/1/49%20-%2055%20GIS%20ENABLED%20TRAVEL%
[ 8 ]	Jovanovic, V. (2008) کاربرد GIS و اجزای آن در گردشگری. مجله تحقیقات عملیات یوگسلاوی، 18، 261-272. https://doi.org/10.2298/YJOR0802261J
[ 9 ]	چن، RJC (2007) کاربردهای سیستم های اطلاعات جغرافیایی (GIS) در گردشگری خرده فروشی و برنامه درسی تدریس. مجله خرده فروشی و خدمات مصرف کننده، 14، 292. https://doi.org/10.1016/j.jretconser.2006.07.004
[ 10 ]	تیل، JC (2000) سیستم های اطلاعات جغرافیایی برای حمل و نقل از دیدگاه. تحقیقات حمل و نقل، 8C، 3-12. https://doi.org/10.1016/S0968-090X(00)00029-2
[ 11 ]	Duker, K. and Ton, T. (2001) GIS برای حمل و نقل. در: هنشر. DA and Button, KJ, Eds., Handbook of Transport Modeling, Elsevier, Oxford.
[ 12 ]	Devarasetty، PC (2010) یافتن یک مسیر قابل اعتماد بین دو نقطه در یک شبکه حمل و نقل با استفاده از GIS. گزارش پروژه، CVEN 658.
[ 13 ]	Fan, W. and Machemehl, RB (2004) مسئله طراحی شبکه مسیر ترانزیت بهینه-الگوریتم ها، پیاده سازی ها و نتایج عددی. مرکز تحقیقات حمل و نقل.
[ 14 ]	Bielli، M.، Boulmakoul، A.، و همکاران. (2006) مدل سازی شی و محاسبه مسیر برای سیستم های سفر چندوجهی. مجله اروپایی تحقیقات عملیاتی، 175، 1705-1730. https://doi.org/10.1016/j.ejor.2005.02.036
[ 15 ]	Huang, B. and Pan, X. (2006) GIS همراه با شبیه سازی ترافیک و بهینه سازی برای واکنش به حادثه. کامپیوتر، محیط زیست و سیستم های شهری، 31، 116-132. https://doi.org/10.1016/j.compenvurbsys.2006.06.001
[ 16 ]	Huang, B., Yao, L. and Raguraman, K. (2006) GA و GIS دو سطحی برای برنامه ریزی مسیر TSP چند هدفه. برنامه ریزی و فناوری حمل و نقل، 29، 105-124. https://doi.org/10.1080/03081060600753404
[ 17 ]	Jakimavicius، M. و Burinskiene، M. (2010) روش برنامه ریزی مسیر یک سیستم اطلاعات پیشرفته مسافران در شهر ویلنیوس. حمل و نقل، 25، 171-177. https://doi.org/10.3846/transport.2010.21
[ 18 ]	Xia, X. (2009) بهینه سازی سفر با اتوبوس در سطح جهت در GIS. پروژه کارشناسی ارشد، موسسه بین المللی علوم اطلاعات جغرافیایی و رصد زمین، Enschede.
[ 19 ]	Dijkstra, EW (1959) یادداشتی در مورد دو مسئله در ارتباط با نمودارها. Numerische Mathematik, 1, 269-271. https://doi.org/10.1007/BF01386390
[ 20 ]	Dantzlg، GB (1960) در کوتاهترین مسیر از طریق یک شبکه. علم مدیریت، 6، 187-190. https://doi.org/10.1287/mnsc.6.2.187
[ 21 ]	بلک، PE (2012) الگوریتم بلمن-فورد. فرهنگ لغت الگوریتم ها و ساختارهای داده، موسسه ملی استانداردها و فناوری ایالات متحده. https://www.nist.gov/dads/HTML/bellmanford.html
[ 22 ]	Gohari, A., Ahmad, HA, Hashim, MG, Kheinmdiah, S. and Kumar, L. (2012) Towards the Design of GIS-based Routing System. مجله بین المللی ژئوانفورماتیک، 8، 63-69.
[ 23 ]	Dial, RB, Glover, F., Karney D. and Klingman, D. (1979) A Computational Analysis of Alternative Algorithms and Labeling Techniques for Finding Shortest Path Trees. شبکه ها، 9، 215-248. https://doi.org/10.1002/net.3230090304
[ 24 ]	Glover, F., Klingman, D. and Philips, N. (1985) الگوریتم جدید کوتاهترین مسیرهای چند جمله ای محدود. تحقیق در عملیات، 33، 65-73. https://doi.org/10.1287/opre.33.1.65
[ 25 ]	Ahuja, RK, Mehlhorn, K., Orlin, JB and Tarjan, RE (1990) الگوریتمهای سریعتر برای مسئله کوتاهترین مسیر. مجله ACM, 37, 213-223. https://doi.org/10.1145/77600.77615
[ 26 ]	گلدبرگ، AV and Radzik، T. (1993) بهبود ابتکاری الگوریتم بلمن-فورد. حروف ریاضی کاربردی، 6، 3-6. https://doi.org/10.1016/0893-9659(93)90022-F
[ 27 ]	Gallo, G. and Pallottino, S. (1988) الگوریتم های کوتاه ترین مسیرها. سالنامه تحقیق در عملیات، 13، 3-79. https://doi.org/10.1007/BF02288320
[ 28 ]	Mondou, JF, Crainic, TG and Nguyen, S. (1991) الگوریتم های کوتاه ترین مسیر: یک مطالعه محاسباتی با زبان برنامه نویسی C. تحقیقات کامپیوتر و عملیات، 18، 767-786. https://doi.org/10.1016/0305-0548(91)90014-I
[ 29 ]	Cherkassky, BV, Goldberg, AV and Radzik, T. (1993) الگوریتم های کوتاه ترین مسیرها: نظریه و ارزیابی تجربی. گزارش فنی 93-1480، گروه علوم کامپیوتر، دانشگاه استنفورد، استنفورد.
[ 30 ]	De Smith، MJ، Goodchild، MF و Longley، PA (2009) تجزیه و تحلیل جغرافیایی: راهنمای جامع برای تجزیه و تحلیل فضایی. تیلور، لندن
[ 31 ]	Ojaswa, S., Darka, M., Francois, A. and Girija, D. (2005) الگوریتم تقریب فروشنده دوره گرد برای شبکه های جاده واقعی. گزارش فنی 388، گروه مهندسی ژئوماتیک، دانشگاه کلگری، کلگری.
[ 32 ]	Bielli، M.، Caramia، M.، و همکاران. (2002) الگوریتم های ژنتیک در بهینه سازی شبکه اتوبوسرانی. تحقیق حمل و نقل قسمت ج: فناوری های نوظهور، 10، 19-34. https://doi.org/10.1016/S0968-090X(00)00048-6
[ 33 ]	بارا، ا.، کاروالهو، ال.، و همکاران. (2007) حل مسئله طراحی شبکه ترانزیت با برنامه نویسی محدودیت.
[ 34 ]	Horn، MET (2002) سیستم های حمل و نقل مسافر چندوجهی و پاسخگو به تقاضا: چارچوب مدل سازی با سیستم های کنترل جاسازی شده. تحقیق حمل و نقل قسمت الف: سیاست و عمل، 36، 167-188. https://doi.org/10.1016/s0965-8564(00)00043-4
[ 35 ]	Lee, YJ and Vuchic, VR (2005) طراحی شبکه حمل و نقل با تقاضای متغیر. مجله مهندسی حمل و نقل، 131، 1-10. https://doi.org/10.1061/(ASCE)0733-947X(2005)131:1(1)
[ 36 ]	Teodorovi, C. and Lucic, P. (2005) همگام سازی زمانبندی در حمل و نقل عمومی با استفاده از سیستم مورچه فازی. برنامه ریزی و فناوری حمل و نقل، 28، 47-76. https://doi.org/10.1080/0308106052000340387