![[09127409082]](https://barast.com/wp-content/uploads/2021/01/newlogo.png){kind=small}
مدیریت حمل و نقل شهری با زمانهای سفر تصادفی وابسته به زمان و کاربرد آن در شبکههای حمل و نقل در مقیاس بزرگ
این مقاله به مسئله مسیریابی وسایل نقلیه (VRP) در شبکههای حمل و نقل شهری در مقیاس بزرگ با زمانهای سفر تصادفی وابسته به زمان (STD) میپردازد. زیرمسئله که چگونگی یافتن مسیر بهینه برای اتصال هر جفت گره مشتری در یک شبکه STD است، از طریق یک رویکرد قوی و بدون نیاز به توزیع احتمال زمانهای سفر لینک حل شد. بر این اساس، مدل STD-VRP پیشنهادی را میتوان به حل یک VRP وابسته به زمان عادی (TD-VRP) تبدیل کرد و الگوریتمهایی برای چنین TD-VRPهایی نیز میتوانند برای به دست آوردن راهحل معرفی شوند. آزمایشهای عددی برای پرداختن به STD-VRPTW با اندازههای عملی در یک شبکه شهری دنیای واقعی انجام شد که در اینجا در شبکه جادهای شنژن، چین نشان داده شده است. زمانهای سفر تصادفی وابسته به زمان لینک شبکه با دادههای تاریخی خودروهای شناور کالیبره شدند. یک الگوریتم ساخت مسیر برای حل مؤثر مسئله STD در 4 سناریوی تحویل اعمال شد. نتایج محاسباتی نشان داد که مدل STD-VRPTW پیشنهادی میتواند سطح خدمات مشتری را با برآورده کردن محدودیت پنجره زمانی تحت هر شرایطی بهبود بخشد. این بهبود میتواند به ویژه برای وظایف تحویل شبکه در مقیاس بزرگ بدون افزایش بیشتر در هزینه و اثرات زیستمحیطی بسیار قابل توجه باشد.
مقدمه
توزیع/تحویل بار شهری معمولاً منجر به ازدحام ترافیک، نگرانیهای ایمنی، آلودگی هوا و هزینههای لجستیکی بالا میشود [1]. در سالهای اخیر، شرکتهای حمل و نقل و ارسالکنندگان بار بیشتری به اهمیت طراحی استراتژیهای توزیع کارآمد برای بهبود سطح خدمات به مشتریان و کاهش هزینههای مالی و زیستمحیطی حمل و نقل بار پی بردهاند [2]. با این حال، ادبیات گسترده در مورد مسئله مسیریابی کلاسیک وسیله نقلیه (VRP) و انواع آن، در درجه اول مسئله را با استفاده از اطلاعات ترافیکی ایستا با زمانهای سفر ثابت مربوطه در نظر گرفتهاند. در سالهای اخیر، تعدادی از مطالعات، تغییرات قابل توجه در سرعتها را در نظر گرفتهاند و با در نظر گرفتن وابستگی زمانی زمانهای سفر، مدل را بهبود بخشیدهاند (جزئیات را در بخش 2 ببینید). با این حال، در سیستم حمل و نقل شهری، عوامل تصادفی زیادی، مانند حجم ترافیک نامشخص، شرایط آب و هوایی شدید و تصادفات، میتوانند منجر به عدم قطعیت زمان سفر در بیشتر ساعات روز، به ویژه در دورههای اوج صبح و عصر شوند. این رویدادهای غیر مکرر میتوانند به طور قابل توجهی بر قابلیت اطمینان سیستم حمل و نقل تأثیر بگذارند و به یک شبکه حمل و نقل متراکم وابسته به زمان تصادفی (STD) کمک کنند. طرحهای مسیرهای شهری که این تغییرات قابل توجه و عدم قطعیتهای زمان سفر را نادیده میگیرند، اغلب در شرایط ترافیکی شلوغ ناکارآمد شناخته میشوند و ممکن است به هزینههای عملیاتی بالاتر یا خدمات مشتری پایینتر منجر شوند [1].
بنابراین، برای بهینهسازی عملکرد توزیع بار در محیطهای شهری، باید هم ویژگیهای تصادفی و هم ویژگیهای متغیر با زمان زمانهای سفر لینک در نظر گرفته شود. در این مقاله، ما به VRP وابسته به زمان تصادفی با پنجره زمانی سخت (STDVRPTW) اشاره میکنیم. هدف از این مطالعه، ابداع رویکردهای خوب و از نظر محاسباتی کارآمد برای کمک به توزیعکنندگان ناوگان فعال در یک محیط متراکم شهری است. برای استفاده از منابع موجود برای خدمترسانی به مشتریان حساس به زمان، این مقاله ویژگیهای زمان سفر زیر را در نظر میگیرد: (1) برای مسیرهای خاص، زمان سفر با توجه به زمان روز متفاوت است؛ (2) زمان سفر تصادفی است.
دستاوردهای این مقاله به شرح زیر است.
(1) با در نظر گرفتن ویژگیهای تصادفی و متغیر با زمان شرایط ترافیک، یک روش مبتنی بر بهینهسازی مقاوم در مدل پیشنهادی اعمال میشود که قادر به محاسبه مسیرهای بهینه وابسته به زمان تصادفی (STDOP) است که هر جفت از گرههای مشتری را به طور موثر به هم متصل میکند. رویکرد استوار، که با بسیاری از رویکردهای موجود متفاوت است، نیازی به توزیع احتمال زمانهای سفر لینک ندارد و تنها محدوده عدم قطعیتی را در نظر میگیرد که میتواند از دادههای تاریخی و تجربه تصمیمگیرندگان استخراج شود.
(2) مدل STDVRP که ما در اینجا پیشنهاد دادیم، میتواند به یک VRP وابسته به زمان (TDVRP) تبدیل شود. مسئله سادهشده منجر به افزایش زمان محاسبات نمیشود و میتواند به طور موثر توسط الگوریتمهای مرسوم حل شود. مدل پیشنهادی قادر به پرداختن به STDVRPTW با اندازههای عملی در یک شبکه شهری دنیای واقعی است که در اینجا در شبکه جادهای شنژن، چین، با نمونههای محاسباتی تا 150 مشتری نشان داده شده است.
(3) مدلی که ما پیشنهاد کردیم میتواند سطح خدمات مشتری را با تضمین برآورده شدن محدودیت پنجره زمانی بدون افزایش هزینه یا اثرات زیستمحیطی بهبود بخشد. این بهبود میتواند به ویژه برای وظایف تحویل شبکه در مقیاس بزرگ قابل توجه باشد.
ادامه مقاله به شرح زیر سازماندهی شده است. در بخش 2، مروری بر ادبیات موضوع در مورد VRP و مسئله مسیر بهینه در شبکههای STD ارائه شده است. در بخش 3، شبکه STD تعریف شده و مدل STDVRPTW فرموله شده است. در بخش 4، یک الگوریتم ساخت مسیریابی ارائه شده است. نمونه محاسباتی و تحلیل در بخش 5 نشان داده شده است. در بخش 6، نتیجهگیری و مسیرهای آینده ارائه شده است.(منبع).