پیشنهادات آتی58
منابع59
منابع فارسی59
منابع لاتین59

فهرست جداول
عنوان صفحه
فصل چهارم
جدول (4-1) کمان های بهینه مثال عددی شبکه حمل و نقل53
جدول(4-2) مؤلفه های ماتریس تقاضای سفر اولیه54
جدول (4-3) مؤلفههای ماتریس تقاضای سفر تخمینی54
فهرست شکل ها
عنوان صفحه
فصل اول
شکل(1-1)شبکه کوچک برای اثبات وجود ماتریس تقاضای سفر چندگانه17
فصل دوم
شکل(2-1)اهمیت جریان خالص و ناخالص با توجه به قانون 3 یانگ38
شکل(2-2)نمودار میانگین اطلاعات زوج مبدا-مقصد w با توجه به احتمال سفر آن41
فصل سوم
شکل(3-1)مثال شبکه ساده برای بررسی مساله تکرار لینک 50
فصل چهارم
شکل(4-1)شبکه حمل و نقل مورد بررسی53
فصل اول
کلیات تحقیق
1-1- ضرورت و اهداف برنامهریزی حملونقل شهری
رشد و توسعهی جوامع شهری، سبب افزایش نیاز این جوامع به خدمات همگانی و اجتماعی شدهاست. انجام بسیاری از فعالیتهای اجتماعی و اقتصادی نیازمند تسهیلات حملونقلی است. شهرها برای خدمات حملونقل تا حدود زیادی به سیستم خیابانهای خود متکی هستند. این سیستمها برای جوابگویی به تقاضای فزایندهی ترافیک اتومبیلها، ترافیک تجاری، حملونقل عمومی، دسترسی به زمینهای اطراف و همچنین پارکینگها، همیشه در حال تحمل بار اضافی هستند.
تسهیلات حملونقل نیاز اساسی یک جامعه برای رشد و توسعه است. با توجه به سرمایهی عظیم لازم برای انواع پروژههای شهری، نتایج عدم برنامهریزی مناسب از همیشه حادتر شده است. این موضوع، لزوم توجه به برنامهریزی صحیح در حیطه حملونقل را مورد تأکید قرار میدهد. عدم برنامهریزی صحیح بخش حملونقل میتواند خسارتهای زیادی را بر روی توسعهی شهر، منطقه و حتی یک کشور داشتهباشد. بهعنوان مثال در ترافیک شهری مشکلات عدیده و محسوسی وجود دارد که لزوم توجه به برنامهریزی حملونقل را نمایان میسازد؛ خیابانهای شلوغ، آلودگی هوای شهرها، تصادفهای ترافیکی و خسارتهای مالی و جانی حاصل از تصادفها، راهبندانها، بهم خوردن نظم و آرامش مراکز مسکونی و درمانی، ایجاد استرس و فشار روحی، اشکال در دسترسی مناطق مختلف و . . .. همهی این موارد لزوم برنامهریزی حملونقل را در سطح شهری و برونشهری روشن میسازد.
در مباحث مربوط به حملونقل، منظور از برنامهریزی فرآیند یا فعالیتی است که طی آن اقدامات لازم احتمالی برای آینده جهت سوق دادن یک مجموعه یا سیستم حملونقلی به سوی یک وضعیت دلخواه مورد بررسی قرار میگیرد. وضعیت دلخواه یادشده میتواند به یکسری اهداف مثبت در آینده و یا پیشگیری از ایجاد مسائل و مشکلات در آینده را شامل گردد. این فرآیند در نهایت منجر به اتخاذ تصمیم و سپس انجام اقدامات مؤثر در راستای تحقق و حصول اهداف و وضعیت دلخواه میگردد.
هدف از برنامهریزی سیستمهای حملونقل، طراحی نزدیک به بهینهی مجموعه تسهیلات حملونقل موجود و روشهای بهکارگیری آنهاست. همچنین هدف دیگر برنامهریزی سیستمهای حملونقل، بهکارگیری تسهیلات حملونقل جدید در آینده است، بهگونهای که با توجه به تسهیلات حملونقل موجود، اهداف مورد نظر به بهترین وجه ممکن ارضا گردند.
مهمترین موضوعی که در برنامهریزی حملونقل وجود دارد، ارتباط آن با آینده و به عبارت دیگر آیندهنگری در آن است، زیرا یک فعالیت برنامهریزی مربوط به اقداماتی است که در زمانهای مختلف در آینده انجام خواهدگرفت و بین زمان انجام اقدام و زمانی که نتایج و تأثیرات آن احساس میشود، ممکن است یک فاصلهی زمانی نسبتاً طولانی وجود داشته باشد. این فاصله به عوامل زیادی از قبیل موضوع و مقادیر کمی و کیفی اقدام مورد نظر بستگی دارد.
فرآیند پیشبینی سفر یکی از پرکاربردترین قسمتهای برنامهریزی حملونقل است. این فرآیند مختص برنامهریزی حملونقل شهری و برونشهری بوده و بهکارگیری آن در برنامهریزی حملونقل با توجه به اطلاعات مؤثر و آنالیز دقیق میتواند به عنوان یک شاخص پیشبینی برای توسعهی آینده بهکار گرفتهشود. فرآیند پیشبینی سفر دارای یک ساختار عمومی است که بر اساس تجربه و آزمایش بهدست آمدهاست، و درواقع ساختار کلی این مدل نتیجهی جربیات و مطالعات دههی 60 میلادی بوده که در دهههای بعد هم تغییر چندانی نکردهاست.
1-2- ضرورت آگاهی از تقاضای سفر برای برنامهریزی شهری
تحلیل و طراحی سیستمهای حملونقل نیازمند تخمین تقاضای فعلی و پیشبینی تقاضای آینده میباشد. این تخمینها و پیشبینیها میتواند با استفاده از منابع اطلاعاتی و روندهای آماری بهدستآیند. شرط برنامهریزی درست در حیطهی حملونقل شهری چه در سطح استراتژیک و چه در سطح کارکردی آگاهی از تقاضای حملونقل را میطلبد. بهعبارت دیگر، برنامهریزی حملونقل شهری بدون آگاهی از تقاضای سفر اگر ناممکن نباشد بسیار دور از ذهن است. اطلاعات مربوط به تقاضای سفر منطقهی مورد مطالعه، در ماتریسی تحت عنوان ماتریس تقاضای سفر مبدأ-مقصد ذخیره میشود.
Tij = j به مقصد i میزان تقاضای سفر از مبدأ
برای داشتن تعریفی از این ماتریس میتوان گفت: ماتریسی که هریک از مؤلفههای آن تعداد سفر از یک ناحیهی ترافیکی به ناحیهی دیگر برای هدف سفر خاص در یک دورهی زمانی مرجع (برای مثال ساعت پیک، متوسط روز و …) را نشان دهد، ماتریس تقاضای سفر و یا اصطلاحاً ماتریس تقاضای مبدأ-مقصد نامیده میشود. این ماتریس را میتوان مهمترین ورودی برای مسائل برنامهریزی و طراحی سیستمهای حملونقل دانست. اطلاعات تقاضای سفر مبدأ-مقصد، مهندسین ترافیک را در شناسایی تقاضای سفر روی تسهیلات موجود و یا آتی حملونقل، کافی بودن پارکینگها و ترمینالها، کافی بودن تسهیلات حملونقل عمومی موجود، بهترین محل برای پلها و ترمینالهای جدید، اطلاعات مورد نیاز برای برنامهریزی، تعیین محل و طراحی سیستم خیابانهای جدید، سیستم بزرگراهها و آزادراهها، راههای جدید و توسعهی آنها، اطلاعات لازم برای برنامهریزی، مکانیابی و طراحی یا توسعهی سیستمهای حملونقل عمومی، اولویتهای اجرائی و راه حلهای اقتصادی برای برنامههای توسعه و . . . کمک مینماید.
قبل از فرآیند پیشبینی سفر ابتدا باید به منطقهبندی و ناحیهبندی محدودهی مورد مطالعه پرداخت:
منطقهبندی: از اولین گامهایی که در انجام مطالعات سیستمهای حملونقل و سرمایهگذاریهایی که اثرات اقتصادی، اجتماعی و زیستمحیطی عمدهای را بر محیط اطراف خود میگذارد، تعیین محدودهی جغرافیایی است که حوزهی نفوذ سیستمها و سرمایهگذاریهای مالی را در بر میگیرد. از نظر تئوری وسعت این منطقه نامحدود است، ولی در عمل میتوان محدودهای را برای اثرات مورد مطالعه شناسایی کرد که اثرات سرمایهگذاری مورد نظر در خارج از آن قابل چشمپوشی باشد. بزرگی این محدوده چنان است که عمده اثرات مورد بررسی را در بر داشتهباشد، و همچنین انجام مطالعه را از نظر صرف وقت و هزینه ممکن سازد.
ناحیهبندی: برای برنامهریزی حملونقل باید اطلاعات اقتصادی، اجتماعی و حملونقلی مربوط به نقاط مختلف تولید و جذب سفر در منطقهی مورد مطالعه تعیین گردد. ولی در عمل تعداد این نقاط تولید و جذب سفر در منطقه بسیار زیاد است، بنابراین با مشکلاتی در گردآوری و تحلیل اطلاعات مواجه خواهیم بود. برای رفع این مشکلات باید منطقهی مورد مطالعه را به تعدادی نواحی ترافیکی تقسیمبندی نمود. سپس برای هر ناحیه میبایست جمعیت، وضعیت اجتماعی، اقتصادی، تجهیزات وکاربریها و . . . بهدست آیند. برای مرزبندی ناحیهها رعایت ضوابطی ضروری است، که مهمترین آنها ذیلاً آوردهشدهاست:
– همگونی: از آنجایی که ناحیهبندی نوعی گروهبندی از واحدهای آماری است، از اینرو ناحیهها باید از نظر داخلی (درونگروهی) همگون و از نظر خارجی (برونگروهی) ناهمگون باشند.
– هموزنی در تولید و جذب سفر که باعث افزایش دقت در مدلسازی میشود.
– دسترسی آماری: ناحیهها باید چنان اختیار شوند که آمار و اطلاعات مستمر مانند جمعیت، اشتغال و دیگر اطلاعات مربوطه به سادگی قابل دسترس باشند.
– حجم محاسبات: تعداد ناحیهها باید چنان باشد که حجم محاسبات آنها امکانپذیر و معقول باشد.
بعد از انجام گامهای منطقهبندی و ناحیهبندی میتوان به فرآیند پیشبینی سفر پرداخت. بهطور کلی این فرآیند به صورت دنبالهای از چهار مدل زیر مورد استفاده قرار میگیرد [1] :
1- مدل تولید سفر (تصمیم برای انجام سفر بهمنظور رسیدن به یک هدف مورد نظر)
2- مدل توزیع سفر (انتخاب مقاصد سفرهای تولید شده از هر ناحیه)
3- مدل انتخاب گونهی سفر (انتخاب وسیلهی نقلیه برای انجام سفر)
4- مدل تخصیص سفر (انتخاب مسیر سفر)
در اولین مرحله، به برآورد تعداد سفرهای تولید شده در این نواحی پرداخته میشود. در مرحلهی بعد با استفاده از مدلهای توزیع سفر، سفرهای تولید شده در هر ناحیه به سایر نواحی توزیع میشوند. اطلاعات این دو مرحله باعث ایجاد ماتریس تقاضای سفر مبدأ-مقصد میگردد. در مرحلهی سوم به کمک مدلهای انتخاب گونهی سفر، تقاضای سفر بین هر زوج مبدأ-مقصد به گونههای مختلف سفر اختصاص مییابند، و در نهایت در مرحلهی آخر به کمک مدلهای تخصیص ترافیک، ماتریس تقاضای سفر به شبکهی حملونقل اختصاص مییابد و به تبع آن حجم جریان کمانهای شبکهی حملونقل بدست میآید.
در تحلیل مسائل حملونقل شهری، مدلهای یاد شده در بالا نقش اساسی بازی میکنند. اطلاعات مربوط به مدلهای تولید و توزیع سفر در ماتریس تقاضای مبدأ-مقصد نشان داده میشود، که این اطلاعات به دو طریق مستقیم و غیرمستقیم قابل بهدستآوردن میباشند.
روشهای مستقیم گردآوری اطلاعات خود به سه گروه دستهبندی میگردند.
روشهای مشاهدهای: این گروه از روشها با مشاهدهی وضع ترافیک و برداشت اطلاعات لازم از این مشاهدات به برآورد حجم سفرهای مبدأ-مقصد میپردازند. نمونهای از این روشها ثبت شمارهی وسایل نقلیه است.
روشهای پرسشنامهای: این گروه از روشها اطلاعات مورد نیاز را از طریق توزیع پرسشنامه گردآوری میکنند و میتوان آنها را به سه دستهی توزیع پرسشنامه در مبدأ سفر (ارسال کارت پستی به آدرس صاحب وسیلهی نقلیه)، توزیع پرسشنامه در مقصد سفر و توزیع پرسشنامه در حین انجام سفر دستهبندی کرد.
روش مصاحبهی حضوری: اطلاعات مورد نیاز در این روش از طریق مصاحبه از افراد جامعه آماری بهدست میآید. همچون روش پرسشنامهای، این روش نیز به سه دستهی مصاحبه در مبدأ سفر (مصاحبه با ساکنین مکانهای مسکونی)، مصاحبه در زمان سفر (مصاحبه با رانندگان وسائل نقلیه در کنار جادهها) و مصاحبه در مقصد سفر (شامل مصاحبه با خریداران در مراکز خرید، دانشآموزان در مدارس و کارکنان در محل کار) دستهبندی میگردد.
اگرچه این روش دارای معایب زیادی از جمله صرف وقت و هزینه بسیار زیاد میباشد، ولی با این وجود به علت اینکه ساختار سفرها، بین مبادی و مقاصد شکل میگیرد، ناگزیر انجام مطالعات جامع برای منطقهی مورد مطالعه ضروری میباشد. از طرفی با توجه به هزینهی بالای جمعآوری اطلاعات مربوط به تقاضای سفر از طریق روش مستقیم، جمعآوری اینگونه اطلاعات در فواصل زمانی کوتاه میسر نیست. لذا برای اصلاح و بهروزرسانی ماتریس تقاضای سفر روشهای غیر مستقیم مورد توجه پژوهشگران قرارگرفتهاست، که این روشها خود بر دو نوعاند:
بهدست آوردن ماتریس تقاضای سفر به کمک مدلهای ساختهشده برای شهرهای مشابه
استفاده از مدلهای برنامهریزی ریاضی برای تخمین ماتریسهای تقاضای مبدأ-مقصد از مشاهدات حجم جریان ترافیک بر روی خیابانها
چون اطلاعات ماتریس تقاضای مبدأ-مقصدی که از طریق مستقیم بهدست آمده، دارای خطاهای ناشی از آمارگیری و یا خطاهای ایجاد شده از مدلهای حملونقلی میباشد، ممکن است اطلاعات این ماتریس دقیق نباشد. یکی از کارهایی که در جهت افزایش دقت اطلاعات این ماتریسها میتوان انجام داد، اصلاح این ماتریس با استفاده از اطلاعات واقعی حجم جریان ترافیک تعدادی از کمانهای شبکهی حملونقل (یعنی نوع دوم روشهای غیر مستقیم) میباشد. در این روش حجم ترافیک در بعضی از خیابانهای شبکه در ساعتهایی خاص شمارش شده، و با استفاده از این اطلاعات و بهکارگیری روشهای برنامهریزی ریاضی، ماتریس تقاضای مبدأ-مقصد تخمین، تصحیح و یا همچنین برای بهروزرسانی ماتریسهای تقاضای سفر قدیمی، استفاده کرد که این عمل هزینهی جمعآوری اطلاعات برای تخمین ماتریس تقاضا را به شدت کاهش میدهد. از آنجا که کیفیت ماتریس تخمینزده شده به دقت دادههای ورودی نظیر ماتریس تقاضای مبدأ-مقصد اولیه و همچنین، محل استقرار نقاط شمارش ترافیک وابسته میباشد، و از طرفی منابع تخصیص دادهشده (تجهیزات، بودجه و …) برای شمارش حجم خیابانها محدود است، بنابراین انتخاب مجموعهای از کمانهای مناسب (کمانهایی که شمارش حجم آنها بیشترین اطلاعات را برای تصحیح ماتریس تقاضای مبدأ-مقصد به ما میدهند) بسیار مهم میباشد.
1-3- تعریف مسأله
با فرض اینکه اطلاعات حجم جریان تعدادی از کمانها در دورهی زمانی خاصی (مانند ساعت اوج یا میانگین روزانه) موجود باشد، مسئلهی تخمین ماتریس تقاضای مبدأ-مقصد در پی ماتریسی است که در صورت تخصیص آن به شبکه، حجم جریان کمانهایی را که حجم وسائل نقلیه در آنها موجود است را بازتولید کند.
اگر تنها از اطلاعات تعدادی از کمانها جهت تخمین ماتریس تقاضای سفر استفاده شود، این امکان وجود دارد که بیش از یک ماتریس قادر به بازتولید حجم جریان کمانهای مورد نظر وجود داشتهباشد، و درنتیجه ماتریس منحصر به فردی حاصل نگردد. این مطلب را میتوان با استفاده از یک مثال ساده نشان داد. شبکه نشان داده شده در شکل 1-1 را در نظر بگیرید. این شبکه دارای دو زوج مبدأ-مقصد (3 ، 1) و (3 ، 2) میباشد. در صورتی که حجم جریان شمارش شده برای کمان b برابر با 10 باشد، آنگاه تعداد زیادی از ماتریسهای تقاضا هستند که میتوانند این حجم را بازتولید کنند. به عنوان مثال (T_13=5 , T_12=5)، (T_13=4 , T_12=6)، (T_13=6 , T_12=4) و غیره. همهی این ترکیبات برای زوج مبدأ-مقصدها، قادر به تولید مقدار جریان 10 برای کمان b میباشند.

شکل 1-1- شبکه کوچک برای اثبات وجود ماتریس تقاضای سفر چندگانه
به عبارت دیگر به دلیل اینکه در اغلب اوقات تعداد زوج مبدأ-مقصدها (مجهولات) بیشتر از تعداد کمانهای شمارششده (معلومات) میباشد، بنابراین مسئله تخمین ماتریس مبدأ-مقصد با استفاده از اطلاعات حجم جریان کمانهای شبکه، دارای جواب چندگانه است.
برای رفع این مشکل و برای دستیابی به ماتریس تقاضای سفر مطمئن، از منبع اطلاعات دیگری به نام ماتریس تقاضای مبدأ-مقصد اولیه (ماتریس پیشین) که از روشهای مستقیم بدستآمده، استفاده میشود. ماتریس تقاضای مبدأ-مقصدی که از روش مستقیم بدستآمده حاوی اطلاعات مهمی از تقاضای سفر بین ناحیهای مربوط به آن منطقه در سالهای گذشته میباشد و نیاز به تصحیح دارد. در حقیقت در الگوریتم حل مسأله تخمین ماتریس تقاضای مبدأ-مقصد، ماتریس اولیه به عنوان نقطه شروع الگوریتم استفاده میشود و رویه حل آنقدر تکرار میشود تا الگوریتم به همگرایی برسد. ماتریس نهایی بدستآمده به عنوان ماتریس تقاضای مبدأ-مقصد تخمینی شناخته میشود. طبیعی است که مؤلفههای ماتریس تخمینی نزدیک به مؤلفههای ماتریس پیشین میباشند.
تمایلات اخیر محققان بیشتر به سمت مسألهی تخمین ماتریس تقاضای مبدأ-مقصد برای استفاده در شبکههای حملونقل بزرگ بودهاست. به همین منظور از ساختار دوسطحی جهت تخمین این ماتریس استفاده شدهاست که در مسألهی سطح بالایی ماتریس تقاضای سفر تخمین زده میشود و در مسألهی سطح پائینی ماتریس تقاضای سفر به شبکه حملونقل تخصیص داده میشود.
شکل کلی مسأله تخمین ماتریس تقاضای مبدأ-مقصد به صورت زیر بیان میشود [2].
min⁡F(T,v)=γ_1 F_1 (T,T^b )+γ_2 F_2 (v,v ̂ )1-1
s.t. v=assign (T)

در این سایت فقط تکه هایی از این مطلب با شماره بندی انتهای صفحه درج می شود که ممکن است هنگام انتقال از فایل ورد به داخل سایت کلمات به هم بریزد یا شکل ها درج نشود

شما می توانید تکه های دیگری از این مطلب را با جستجو در همین سایت بخوانید

ولی برای دانلود فایل اصلی با فرمت ورد حاوی تمامی قسمت ها با منابع کامل

اینجا کلیک کنید

T∈S
v,T≥0
T وT^b به ترتیب ماتریس تقاضای سفر تخمینی و ماتریس تقاضای سفر اولیه میباشند. v بردار حجم جریانهای برآوردشده حاصل از تخصیص تقاضای سفر T به شبکه حملونقل میباشد و v ̂ بردار حجم جریانهای مشاهدهشده در کمانهای شبکه است. F_1 اختلاف بین ماتریس تقاضای مبدأ-مقصد اولیه و ماتریس تخمینزده شده، میباشد، و F_2 اختلاف بین حجم وسائل نقلیه شمارش شده و برآوردشده است. γ_1 و γ_2 به ترتیب ضرایب تأثیر برای F_1 و F_2 هستند. S مجموعهی ماتریسهای تقاضای مبدأ-مقصد میباشد.
در مسألهی سطح بالایی، با استفاده از استنباط بیزین یا روشهای دیگری که در فصل بعدی ذکر خواهدشد، ماتریس تقاضای سفر تخمین زده میشود. اخیراً شبکههای بیزین برای مسائل تخمین ماتریس تقاضای مبدأ-مقصد مورد توجه پژوهشگران قرار گرفتهاست. یکی از افرادی که در جهت توسعه روش بیز فعالیتهای زیادی انجام داده انریکو کستیلو1 میباشد.کستیلو و همکارانش [3] در سال 2008 با استفاده از شبکههای بیزین و با کمک شمارش حجم ترافیک تعدادی از کمانهای شبکه، ماتریس تقاضای سفر منطقهی مورد مطالعه خود را تخمین زدند. با تمرکز بر روی روش کستیلو دیده میشود، که روش آنها برای تخمین ماتریس تقاضای مبدأ-مقصد از اطلاعات جریانهای مبدأ-مقصد استفاده میکند و روش بسیار رضایتبخشی برای تخمین این ماتریس میباشد.
در مسألهی سطح پائین، ماتریس تقاضای سفر به شبکه حملونقل تخصیص داده میشود. یک نکته مهم در تخمین ماتریس تقاضای مبدأ-مقصد با استفاده از شمارش ترافیک، روش تخصیص ترافیک مورد استفاده در روند تخمین میباشد: یعنی برای سفرهای انجام پذیرفته از ناحیه k به ناحیه s چه مسیر یا مسیرهایی در شبکه حملونقل در نظر گرفته میشوند، بطوری که کستا2 و نگوین3 [4] ، پیچیدگی محاسباتی یک مدل تخمین ماتریس تقاضای مبدأ-مقصد را به روش تخصیص ترافیک مورد استفاده وابسته میدانند. ماتریس β با مؤلفههای β_ks^a، درصدی از سفرهای بین ناحیه k وs که از کمان a استفاده میکند را نمایش میدهد. به این ماتریس، ماتریس تخصیص نیز گفته میشود.
0≤β_ks^a≤1 ks∈I1-2
که در این رابطه Iمجموعه زوج مبدأ-مقصدهای شبکه حملونقل میباشد. برای یک کمان مفروض a، مجموع تمام جریانهای مبدأ-مقصد گذرنده از آن، حجم کمان a (v_a) را نشان میدهد.
v_a=∑_ks▒〖β_ks^a T_ks,〗 a∈A 1-3
که در آن T_ks حجم جریان ترافیک از مبدأ k به مقصد s، و v_a حجم جریان کمان a میباشد. A مجموعه کمانهای شبکه حملونقل میباشد.
همانطور که گفتهشد کیفیت ماتریس تخمینزده شده به دقت دادههای ورودی نظیر ماتریس تقاضای مبدأ-مقصد اولیه و همچنین، محل استقرار نقاط شمارش ترافیک وابسته میباشد، و از طرفی منابع تخصیص دادهشده (تجهیزات، بودجه و …) برای شمارش حجم خیابانها محدود است، بنابراین انتخاب مجموعهای از کمانهای مناسب (کمانهایی که شمارش حجم آنها بیشترین اطلاعات را برای تصحیح ماتریس تقاضای مبدأ-مقصد به ما میدهند) بسیار مهم میباشد. در چند سال اخیر روشهایی برای تعیین کمانهایی که شمارش حجم ترافیک در آنها بیشترین اطلاعات را برای تخمین ماتریس تقاضای سفر مبدأ-مقصد بدست میدهند، ارائه شدهاست، ولی نتایج این روشها یا غیردقیق است، و یا استفاده از آنها برای حل شبکههای بزرگ بسیار زمانبر میباشد.
محتویات تحقیق
به منظور تحقق اهداف تحقیق، این پایاننامه در 5 فصل تدوین شدهاست. این 5 فصل عبارتند از:
فصل اول: کلیات تحقیق
شرح مختصری از روند مطالعات در مورد برنامه ریزی حمل و نقل برای شبکه حمل و نقل شهری در این فصل در دستور کار قرار گرفت.
1-4-2 فصل دوم: ادبیات موضوعی و پیشینهی تحقیق
در این فصل به بیان اصطلاحات و واژگان مورد استفاده در ادبیات برنامه ریزی حمل و نقل ، ماتریس تقاضای سفر و مکان یابی شمارنده های ترافیکی پرداخته شدهاست. در مسیر این مطالعات روش ها که تاکنون در ادبیات بهینه سازی مکان شمارنده های ترافیکی مورد بررسی قرار گرفته اند، تشریح میشود.
فصل سوم: روش تحقیق
این فصل مدل پیشنهادی راشرح میدهد.بر اساس دو مدل ارایه شده در مقاله هو و لیو[42] مدل یکپارچه ای بدست آمده که همزمان مکان های بهینه برای نصب شمارنده های ترافیکی و درایه های تخمینی ماتریس تقاضای سفر را بدست می دهد.
فصل چهارم: نتایج تحقیق
این فصل به ارایهی نتایج حاصل از حل مدل در نرم افزار لینگو، خروجی های حاصل از آن و تعیین اعتبار مدل میپردازد.
فصل پنجم: نتیجهگیری و پیشنهادات
در این فصل نتایج بهکارگیری شمارنده های ترافیکی در قالب مثالی در یک شبکه ی حمل و نقل مورد بررسی قرار گرفته و پیشنهاداتی برای پژوهشهای آینده ارایه خواهدشد.
فصل دوم
ادبیات موضوعی و پیشینه تحقیق
2-1- مقدمه
با توجه به اهمیت ماتریس تقاضای مبدأ-مقصد در مدیریت حملونقل شهری و برونشهری، در دهههای اخیر تلاشهای زیادی در جهت برآورد این ماتریس صورت گرفتهاست. همانگونه که در فصل قبل گفتهشد، دو روش مستقیم و غیرمستقیم جهت تعیین ماتریس تقاضای مبدأ-مقصد وجود دارد که به دلیل هزینهبر بودن روشهای مستقیم و با توجه به محدودیت بودجهی مدیریت حملونقل، روشهای غیرمستقیم و به ویژه روش تخمین این ماتریس با استفاده از شمارش حجم جریان برخی کمانها، مورد توجه پژوهشگران قرار گرفتهاست.
به طور کلی روشهای تخمین ماتریس تقاضای مبدأ-مقصد با استفاده از شمارش حجم جریان برخی کمانها را میتوان به سه دسته تقسیم کرد. دستهی اول، روشهای مبتنی بر مفاهیم مدل کردن ترافیک1 است، که این روشها خود شامل مدلهای حداکثر آنتروپی2 (حداقل اطلاعات) و مدلهای ترکیبی تخصیص-توزیع3 میباشند. تخمین ماتریس تقاضای مبدأ-مقصد با حل مستقیم (F1، مقدار آنتروپی) و یا با تخمین پارامترهای مدل ترکیبی انجام میگیرد. دستهی دوم، روشهای مبتنی بر مفاهیم استنتاج آماری4 است که این روشها خود شامل مدل حداکثر درستنمایی5، روش عمومی حداقل مربعات6 و روشهای استنتاج بیزین7 میباشد. در این روشها فرض بر این است که مقادیر حجم جریان کمانهای شمارش شده و همچنین ماتریس تقاضای سفر هدف توسط توزیع احتمالی، تولید میشوند و در نتیجه ماتریس تقاضای سفر با تخمین پارامترهای توزیع احتمالی تعیین میگردد [2]. در اکثر روشهای مدل کردن ترافیک، یک ماتریس تقاضای سفر قدیمی را به عنوان یک ماتریس اولیه در نظر گرفته و به کمک آن ماتریس تقاضای سفر را برای زمان حال تخمین میزنند. در روشهای مبتنی بر توزیع احتمالی، غالباً ماتریسهای تقاضای سفری را که با استفاده از جمعآوری اطلاعات سفرهای مبدأ-مقصد بهدست آمده و نیازمند اصلاح است، تصحیح میکنند. دستهی سوم، روشهای مبتنی بر گرادیان8 است که در این روشها ماتریس تقاضای مبدأ-مقصد اولیه به صورت یک جواب اولیه برای مسألهی برآورد ماتریس تقاضای مبدأ-مقصد در نظر گرفته میشود، و بر اساس گرادیان تابع هدف و محاسبات تکرار شونده، ماتریس تقاضای سفر اولیه با بازتولید حجم ترافیک کمانهای شمارش شده، اصلاح میگردد.

در ادامهی این فصل در بخش 2-2 مروری بر فعالیتهای صورت گرفته در زمینهی تخمین ماتریس تقاضای سفر با استفاده از روش شمارش حجم جریان برخی کمانها خواهدشد. در بخش 2-3 روشهای تخمین ماتریس تقاضای سفر به کمک استنتاجهای بیزین و با استفاده از اطلاعات حجم جریان تعدادی از کمانهای شبکهی حملونقل ارائه میشود، و در بخش 2-4 روشهای تعیین تعداد و محل شمارشگرهای جریان ترافیکی تشریح میگردد.
2-2- روشهای مدلکردن ترافیک
با توجه به اینکه اطلاعات بهدست آمده از شمارش حجم جریان تعدادی از کمانهای شبکهی حملونقل برای تعیین یک ماتریس تقاضای سفر منحصربهفرد کافی نیست، بنابراین استفاده از یک ماتریس تقاضای مبدأ-مقصد اولیه Tij که در گذشته با استفاده از روشهای مستقیم بهدست آمدهاست و میتواند اطلاعات مفیدی راجعبه میزان حجم سفرهای بین ناحیهای در اختیار قرار دهد، بسیار حائز اهمیت میباشد.
اسپایس9 در سال 1987 ماتریس تقاضای مبدأ-مقصد را از کمینه کردن تابع Y بهدست آورد [5] :
Y=∑_ij▒〖T_ij ln⁡(T_ij/T ̂_ij )〗 2-1
عبارت 2-1 تابع حداکثر آنتروپی است و به عبارت دیگر ماتریس تقاضای سفری که مقدار تابع Y را کمینه میکند، حجم جریان ترافیک کمانهای مشاهده شده را بازتولید مینماید. با کمینه کردن عبارت 2-1 رابطهی 2-2 حاصل میگردد [6].
T_ij=T ̂_ij e^(λ_1 β_ks^1+λ_2 β_ks^2+…+λ_A ̂ β_ks^A ̂ )2-2
در این رابطه دa ضرایب لاگرانژ مربوط به محدودیتهایی میباشد که حجم جریان کمان a از مجموعه کمانهای شمارش شده A ̂ را به ماتریس تقاضای مبدأ-مقصد مرتبط میکند. β_ks^a ، نسبت حجم جریان بین زوج مبدأ-مقصد(i,j) است که از کمان a عبور میکند. عبارت 2-2 با فرض تخصیص نسبی یعنی β_ks^aهای ثابت برقرار است. حجم جریان ترافیکی کمان a نیز از رابطهی زیر بهدست میآید.
v_a=∑_ij▒〖β_ks^a T_ij,〗 a∈A 2-3
در روشهای مدلکردن ترافیک، به طور مستقیم یا غیرمستقیم فرض میشود که رفتار مسافرین از نوعی مدل توزیع سفر تبعیت میکند. ون زویلن10 و ویلیامسن11 در سال 1980 دو مدل مهم از این نوع را ارائه کردند [7]. مدلهای ون زویلن و ویلیامسن بر اساس اصول حداکثر آنتروپی، که از مدلهای توزیع سفر نوع جاذبه منجر میشوند، بهدست میآیند.
فیسک12 [8] مدل حداکثر آنتروپی ون زویلن و ویلیامسن را با در نظر گرفتن شرایط تعادل استفاده کننده به عنوان محدودیت برای شبکههای شلوغ توسعه داد. مدل پیشنهادی وی یک ساختار دو سطحی13 دارد که آنتروپی را روی سطح بالایی بیشینه میکند و مسئلهی تعادل استفاده کننده را روی سطح پایینی حل میکند.
فیسک در مقالهی دیگری در سال 1989 ثابت میکند که اگر الگوی حجم جریان ترافیک مشاهده شده یک الگوی جریان تعادلی استفاده کننده باشد، مدل آنتروپی توسعهیافتهی وی راه حلی همانند مدل ترکیبی توزیع-تخصیص سفر خواهد داشت [9]. همچنین الگوریتمهای حل کارایی برای حل روشهای ترکیبی در مقالهی فیسک و بویس14 ارائه گردیدهاست [10].
کاواکامی15 و همکارانش [11] در سال 1992 مدل ترکیبی فیسک و بویس را برای دو گونه سفر وسیله نقلیه شخصی و کامیون توسعه دادند. آنها مدل خود را برای یک شبکهی حملونقل با مقیاس متوسط (شهر ناگویای16 ژاپن) اجرا کردند. اگرچه برای این شبکهی حملونقل یک ماتریس تقاضای سفر اولیه وجود داشت، اما به دلیل اینکه مدل آنها تأثیر این ماتریس را لحاظ نمیکند، از آن استفاده نگردید.
نگوین در سال 1997 [12] برای اولین بار دو روش بر مبنای تعادل استفاده کننده ارائه کرد. مدل اول برای مواقعی است که حجم جریان در همهی کمانها موجود باشد، و مدل دوم برای مواقعی است که تنها اطلاعات کوتاهترین زمان سفر بین تمام زوج مبدأ-مقصدها در دسترس باشد.
روشهایی که توانایی تخمین ماتریس تقاضای سفر برای شبکههای بزرگ را دارند، دارای یک وجه مشترک میباشند، و آن ساختار دو سطحی مسائل تعریف شده در هریک از این روشها است. در مسائل دو سطحی، مسئلهی تخمین ماتریس تقاضای سفر در سطح بالایی و مسئلهی تخصیص ترافیک تعادلی در سطح پایینی حل میشود. این دو مسئله به یکدیگر وابسته هستند، به طوری که مسئلهی تخصیص ترافیک تعادلی بعد از تخمین ماتریس تقاضای سفر در سطح بالایی حل میشود و مسئلهی سطح بالایی با توجه به مقادیر ترافیک کمانها که از حل مسئلهی تخصیص در سطح پایینی بهدست آمدهاست، حل میگردد. در مسائل دو سطحی ارزیابی سطح بالا نیازمند حل مسئلهی سطح پایین است. شکل کلی این مسائل به صورت زیر است:
■(〖min 〗⁡〖F(T)=γ_1 F_1 (T,T ̂ )+γ_2 F_2 (v(T),v ̂ ) 〗@ )2-4
s.t. v(T)=assign(T)
Tij ≥0 ∀ij
در این رابطه Fi عبارت اندازهگیری فاصلهی بین متغیرها میباشد، به عبارت دیگر F1 فاصلهی بین ماتریس تخصیص داده شده و ماتریس اولیه است، و F2 فاصلهی بین حجم جریان کمانهای شمارش شده و حجم جریان کمانهای واقعی است. این مسئله کمینهسازی به جز محدودیتهای غیرمنفی برای Tij و تخصیص ترافیک میتواند محدودیتهای دیگری هم داشتهباشد. روشهای حلی که برای این دسته از مسائل مورد استفاده قرار میگیرند و در موفقیت این روشها برای تخمین ماتریس تقاضای سفر شبکههای حملونقلی بزرگ و واقعی مؤثر هستند، روشهای حل نوع گرادیان میباشند. در این روشها ماتریس تقاضای مبدأ-مقصد قدیمی به عنوان جواب اولیه الگوریتمی لحاظ میشود. این ماتریس اولیه با استفاده از محاسبات تکرارشونده گرادیان تابع هدف، به ماتریسی که مقادیر حجم جریانهای کمانهای مشاهده شده را بازتولید میکند، نزدیک میگردد. حجم جریان کمانهای شمارش شده تابع ضمنی از مقادیر تقاضای سفر بین هر زوج مبدأ-مقصد میباشد که با استفاده از تخصیص تعادلی ماتریس تقاضای سفر به شبکه بهدست میآیند.
چن17 در سال 1994 [13] به مطالعهی مسئلهی برنامهریزی دوسطحی پرداخت. تحقیقات وی شامل بررسی وجود حل و پیچیدگیهای الگوریتم حل مسئله و همچنین، تمرکز بر روی کاربرد مسئلهی تخمین ماتریس تقاضای سفر دوسطحی برای شبکههای حملونقلی بزرگ میباشد. چن دو روش برای حل مسئلهی دوسطحی ارائه کرد . یکی از آنها، روش لاگرانژین مضاعف و روش دیگر روش گاوس-سیدل است. این روشها به وسیلهی ماکروهای نرمافزار EMME/2 نوشته شد.
دنالت18 [14] دو روش تخمین ماتریس تقاضای سفر برای شبکههای شلوغ به کار گرفت و نتایج بهدستآمده را با هم مقایسه کرد. روش اول دنالت، یک روش لاگرانژین مضاعف میباشدکه توسط چن [13] پیشنهاد شد، و روش دوم یک روش گرادیان میباشدکه توسط وی ارائه شدهاست. روش دوم با روش گرادیان ارائهشده توسط دریسی19 و لاندگرن20 [15] مقایسه شدهاست. کارایی این روش بر روی یک شبکهی کوچک و متوسط بررسی شد. نتایج بهدست آمده حاکی از عملکرد خوب این روش برای مسائل کوچک و متوسط میباشد.
دریسی و لاندگرن در ادامه فرمولبندی معادلهی 2-4، یک الگوریتم نزولی با تخصیص تعادلی پیشنهاد کردند. گرادیان تابع هدف F به صورت زیر میباشد:
∇F(T)=γ_1 F_1 (T)+γ_2 ∇F_2 (v(T)) 2-5
پیچیدگیهای محاسباتی این گرادیان مربوط به محاسبهی ژاکوبینJ=∇F_2 (v(T)) میباشد، به طوری که v(T) حجم جریان کمانهای بهدستآمده از تخصیص میباشد. توبین21 و فریتز22 [16] منحصربهفرد بودن ژاکوبین را در مقالهی خود اثبات کردند. محاسبات مشتقات در تئوری نیاز به دو مرتبه معکوسگیری دارد. با حل یک مجموعه مسائل درجه دو، مقدار ∇F(T) بهدست میآید.
فلورین23 و چن [17] مسئلهی تخمین ماتریس تقاضای سفر را به صورت یک مسئلهی دوسطحی به همراه تخصیص تعادلی در سطح پایین فرمولبندی کردند. آنها یک الگوریتم برای حل مسئلهی تخمین ماتریس تقاضای سفر وقتی که جریان ترافیک در شبکهی حملونقل بر طبق اصل بهینگی استفادهکننده توزیع میشود، طراحی کردند.
مسئلهی ارائه شده توسط اسپایس [18] یکی از پرکاربردترین روشها با ساختار دوسطحی میباشد. اسپایس با تأکید بر اینکه روشهای ارائه شده تا به آن روز به دلیل برخورداری از درجه محاسباتی بسیار پیچیده و نیاز به نرمافزارهای ویژه به سادگی قادر به تخمین ماتریس تقاضای سفر شبکههای حملونقلی شلوغ نمیباشد، مدل جدیدی برای تخمین این ماتریس بر اساس روش گرادیان ارائه کرد. وی مسئلهی بهینهسازی مورد نظر را به صورت یک برنامهی کمینهسازی که تابع هدف آن کمینه کردن اختلاف بین حجم جریان مشاهده شده و حجم جریان حاصل از تخصیص میباشد، تعریف و مدل زیر را پیشنهاد کرد:

دسته بندی : پایان نامه ارشد

دیدگاهتان را بنویسید