مساله‌ي مكان‌يابي كاربري‌هاي زمين، بدون توجه به حمل و نقل، مشكلاتي را براي سيستم حمل و نقل به عنوان يكي از سيستم‌هاي اصلي هر شهري ايجاد مي‌كند. ازجمله اين مشكلات افزايش تراكم ترافيكي در برخي معابراست. همچنين امكان دارد مكان‎يابي به نحوي صورت گيرد كه هزينه‌ي حمل و نقل كمينه شود، اما توزيع كاربري‌ها منصفانه نباشد و با آرمان عدالت اجتماعي در تضاد باشد. در اين مطالعه، براي كمينه شدن هزينه‌ي حمل و نقل (زمان سفر كل سيستم حمل و نقل) و بيشينه بودن ميزان پوشش كاربري‌ها (به عنوان شاخصي كه نشان‌دهنده‌ي توزيع عادلانه و منصفانه‌ي عدالت) و يا تحقق تركيب‌هايي بهينه‌ي اين دو تابع، مدلي رياضي ارائه مي‌شود. سپس اين مدل رياضي كه حل دقيق آن براي يك شبكه‌ي ساده، نيازمند زماني بسيار طولاني است، به وسيله‌ي الگوريتم ژنتيك بر شبكه‌ي سايوكس فاكس اعمال، و مجموعه جواب‌هايي كه با دو هدف كمينه شدن هزينه‌ي حمل و نقل و پوشش حداكثر نواحي، بهينه مي‌باشند ارائه مي‌شود. نتايج نشان مي‌دهند كه مدل ارائه شده به خوبي مي‌تواند نقاط بهينه‌ي شبكه براي ايجاد كاربري جديد را شناسايي كند زيرا جواب ها در مقايسه با زماني كه توابع هدف اين مطالعه در نظر گرفته نشوند زمان سفر كل كمتر و پوشش نواحي بيشتري دارند. واژه‌هاي كليدي: مكان‌يابي، كاربري زمين، حمل و نقل، عدالت، الگوريتم ژنتيك

1397/10/03

Optimized land use allocation according to transportation cost and social equity

5/12/2018 12:00:00 AM

Abstract: the issue of locating land use without considering the transportation system, could be problematic to that system which is one of the fundamental systems in every city. One example would be increase in traffic conjestion in some areas. Also locating land use might achieve the goal of minimizing the costs, but the distribution of lands used might not be fair and thus in contradiction with the "Society Justice". In this study we propose a mathematical model in order to minimize the transportation costs (travel time of the whole system) and maximize the land-use coverage (as an indicator of justice) or try to achieve the most efficient combinations of the two. Then this model - the resolution of which would be too time consuming for a simple network - will be applied to the Sioux Falls network by genetic algorithm and the solutions which are now compatible with the two aforementioned goals, will be presented. Since the answers (as compared to those not considering the goal functions of this project) offer shorter traveling time and more land coverage, it's safe to say that the model is well able to spot the efficient locations on the network. Keywords: Locating , Land Use , Transportation , Social Justice , Genetic algorithm