مدل‌سازی چندعاملی برای ارزیابی سیستم‌های مسیریابی و زمان‌بندی پویای وسایل نقلیه

این مقاله مدل‌های چندعاملی را برای ارزیابی رفتار و تعامل بین ذینفعانی که در سیستم‌های حمل و نقل بار شهری دخیل هستند و همچنین اثرات اقدامات لجستیک شهری ارائه می‌دهد. شبیه‌سازی چندعاملی در یک شبکه جاده‌ای آزمایشی کوچک نشان داد که مدل VRPTW-D که برنامه‌ریزی مسیریابی وسیله نقلیه را به صورت پویا با زمان‌های سفر فعلی تنظیم می‌کند، عملکرد خوبی را از نظر افزایش سود برای شرکت‌های حمل بار و کاهش هزینه‌ها برای شرکت‌های حمل و نقل ایجاد کرده است. پس از اعمال مدل‌های چندعاملی در یک شبکه جاده‌ای آزمایشی بزرگ، مشاهده شد که معرفی مدل VRPTW-D با افزایش سود برای شرکت‌های حمل بار و کاهش هزینه‌ها برای شرکت‌های حمل و نقل، یک موقعیت برد-برد ایجاد کرده است. نتایج همچنین نشان می‌دهد که اجرای قیمت‌گذاری جاده‌ای می‌تواند انتشار NOx را کاهش دهد، اما ممکن است هزینه‌های شرکت‌های حمل و نقل را افزایش دهد. برای جلوگیری از چنین اثراتی، معرفی سیستم‌های حمل و نقل بار مشارکتی به شرکت‌های حمل و نقل کمک می‌کند تا هزینه‌های خود را کاهش دهند.

مقدمه

اخیراً حمل و نقل بار شهری به دلیل افزایش سطح تراکم ترافیک، تأثیرات منفی بر محیط زیست، ایمنی ترافیک و همچنین مصرف انرژی به یک مسئله اجتماعی مهم تبدیل شده است. از سوی دیگر، از شرکت‌های خصوصی که در حمل و نقل بار شهری فعالیت دارند، درخواست می‌شود که برای بقا در بازار رقابتی جهانی، هزینه‌های موجودی و حمل و نقل خود را کاهش دهند. برای مقابله با این مشکلات پیچیده، مفاهیم و اقداماتی برای لجستیک شهری از جمله سیستم‌های تحویل مشارکتی، پایانه‌های لجستیک عمومی، کنترل ضریب بار و استفاده از فناوری اطلاعات و ارتباطات (ICT) برای سیستم‌های حمل و نقل بار شهری پایدار پیشنهاد و اجرا شده است (به عنوان مثال، تانیگوچی و همکاران (2001)، کرینیک و همکاران (2004). اندرسون و همکاران (2005)).

چهار ذینفع اصلی در رابطه با لجستیک شهری وجود دارد؛ (الف) شرکت‌های حمل و نقل، (ب) شرکت‌های حمل و نقل بار، (ج) ساکنان و (د) مدیران. این ذینفعان اهداف و رفتارهای متفاوتی دارند. شرکت‌های حمل و نقل سعی می‌کنند هزینه‌های خود را در زنجیره‌های تأمین به حداقل برسانند. شرکت‌های حمل و نقل بار سعی می‌کنند درخواست‌های شرکت‌های حمل و نقل را برای جمع‌آوری و تحویل کالا در بازه‌های زمانی مشخص برآورده کنند. ساکنان خواهان فضایی آرام، بدون سر و صدا و هوای پاک در جامعه خود هستند. در نهایت، مدیران امیدوارند که با سیستم‌های حمل و نقل پایدار، سرزندگی شهر را فعال کنند. درک رفتار ذینفعان و تعامل بین آنها برای ارزیابی اقدامات لجستیک شهری قبل از اجرای آنها ضروری است.

تکنیک‌های مدل‌سازی چندعاملی امکان بررسی سیستم‌های پیچیده حمل و نقل بار شهری با چندین بازیگر را فراهم می‌کنند (به عنوان مثال، وایس، ۱۹۹۹؛ فربر، ۱۹۹۹؛ وولدریج، ۲۰۰۲). مدل‌های چندعاملی عموماً با رفتار و تعامل بین چندین عامل سروکار دارند که برای درک و مطالعه رفتار ذینفعان در سیستم‌های حمل و نقل بار شهری و پاسخ آنها به اقدامات سیاستی مناسب‌ترین هستند. دیویدسون و همکاران (۲۰۰۵) بررسی تحقیقات موجود در مورد رویکردهای مبتنی بر عامل در حمل و نقل بار را ارائه دادند و خاطرنشان کردند که رویکردهای مبتنی بر عامل برای این حوزه بسیار مناسب به نظر می‌رسند. دوین و همکاران (۱۹۹۸) تجزیه و تحلیل شبکه پویای بازیگر را برای مسائل لجستیک پیچیده نشان دادند. اوسوسکی و همکاران (۲۰۰۵) رویکردهای چندعاملی را برای سیستم‌های پشتیبانی تصمیم‌گیری در مدیریت ترافیک ارائه کردند. جیائو و همکاران (۲۰۰۶) یک چارچوب مبتنی بر عامل در شبکه زنجیره تأمین تولید جهانی ارائه کردند. این مقالات نمونه‌های جالبی از رویکردهای چندعاملی به مسائل لجستیک حمل‌ونقل را نشان می‌دهند، اما مستقیماً بر سیستم‌های حمل‌ونقل بار شهری تمرکز ندارند.

این مقاله سعی دارد با استفاده از یادگیری تقویتی در سیستم‌های حمل و نقل بار شهری، با در نظر گرفتن رفتار ذینفعان متعدد، یک رویکرد چندعاملی ارائه دهد. به طور خاص، بر اثرات استفاده از مدل VRPTW-D (مسئله مسیریابی و زمان‌بندی خودرو با پنجره زمانی-پویا) با اطلاعات زمان سفر در شبکه جاده‌ای در زمان واقعی تمرکز دارد. علاوه بر این، ارزیابی معیارهای لجستیک شهری مانند قیمت‌گذاری جاده‌ای و سیستم‌های حمل و نقل بار مشارکتی در شبیه‌سازی چندعاملی مورد بحث قرار خواهد گرفت.(منبع).