چكيده سيستم‌هاي حمل‌ونقل شبه‌همگاني، نقش بسزايي را در جابجايي مسافر و كالا ايفا مي‌نمايند. تعيين مسيرهاي كارا براي وسايل‌نقليه شبه‌همگاني مي‌تواند در كاهش هزينه‌هاي عملكردي يك سيستم شبه‌همگاني و افزايش مطلوبيت آن سيستم براي مشتريان مؤثر باشد. زمان‌سفر يكي از مهم‌ترين پارامترهاي دخيل در فرآيند مسيريابي وسايل‌نقليه شبه‌همگاني است. در پژوهش‌هاي پيشين در زمينه مسيريابي وسايل‌نقليه شبه‌همگاني، زمان‌سفرها به‌صورت متغيرهاي قطعي يا احتمالي مستقل درنظر گرفته شده‌اند. امّا، براساس پژوهش‌هاي انجام‌شده، زمان‌سفر ماهيت غيرقطعي دارد. علاوه‌بر‌اين، وجود همبستگي معنادار بين متغيرهاي زمان‌سفر در پژوهش‌هاي پيشين تائيد شده است. ناديده‌گرفتن ماهيت غيرقطعي و همبسته متغيرهاي زمان‌سفر ممكن است موجب خطا در برآورد دقيق هزينه‌هاي عملكردي يك سيستم شبه‌همگاني و به‌تبع‌ آن انتخاب مسيرهاي غيركارا شود. با توجه به ناديده‌گرفته شدن ماهيت همبسته متغيرهاي زمان‌سفر در پژوهش‌هاي پيشين، هدف از پژوهش حاضر دخيل كردن ماهيت غيرقطعي و همبسته متغيرهاي زمان‌سفر در فرآيند مسيريابي وسايل‌نقليه شبه‌همگاني است. در اين مطالعه، براي نيل به هدف فوق، چارچوبي براي درنظرگرفتن ماهيت غيرقطعي و همبسته متغيرهاي زمان‌سفر در فرآيند مسيريابي وسايل‌نقليه شبه‌همگاني پيشنهاد مي‌شود. به‌طور‌خلاصه، براساس چارچوب پيشنهادي، روش‌هايي براي مدل‌سازي ماهيت غيرقطعي و همبسته متغيرهاي زمان‌سفر ارائه مي‌شود. همچنين، رويكردهايي براي برآورد پارامترهاي عملكردي يك سيستم شبه‌همگاني در حالتي كه زمان‌سفرها غيرقطعي و همبسته هستند، پيشنهاد مي‌شود. علاوه‌براين، به چگونگي مدل‌سازي رياضي مسيريابي وسايل‌نقليه شبه‌همگاني و حل مدل رياضي نيز پرداخته مي‌شود. براساس نتايج اين مطالعه، زمان سفر ماهيت غيرقطعي دارد كه مي‌توان آن را با دقت مناسب با توابع توزيع احتمال تركيبي مدل‎‌سازي كرد. همچنين، از ميان توابع توزيع‌ احتمال تك‌مؤلفه‌اي، توابع توزيع احتمال لُگ-نرمال و بور بهترين برازش را بر داده‌هاي زمان‌سفر دارند. علاوه‌براين، طبق نتايج اين پژوهش، همبستگي معناداري بين متغيرهاي زمان‌سفر وجود دارد. نتايج پژوهش حاضر نشان مي‌دهد كه همبستگي بين متغيرهاي زمان‌سفر را مي‌توان با دقت مناسبي با روش‌هايي مانند توابع چندمتغيره تركيبي، توابع كاپيولا، كاپيولاي درختي و شبكه‌هاي بيزين مدل‌سازي كرد. لازم به ذكر است كه طبق نتايج اين مطالعه، ناديده‌گرفتن همبستگي بين متغيرهاي زمان‌سفر مي‌تواند منجر به خطاي قابل‌توجه در برآورد قابليت اطمينان زمان‌سفر و پارامترهاي عملكردي يك سيستم شبه‌همگاني شود. برآورد نادرست پارامترهاي عملكردي يك سيستم شبه‌همگاني نيز در نهايت مي‌تواند منتج به انتخاب مسيرهاي غيركارا براي وسايل‌نقليه شبه‌همگاني شود. واژه‌هاي كليدي: حمل‌ونقل شبه‌همگاني، مسيريابي، قابليت اطمينان زمان‌سفر، زمان‌سفرهاي همبسته

1398/04/11

Paratransit vehicle routing in uncertain networks

7/2/2019 12:00:00 AM

Abstract: Paratransit systems play a remarkable role in passenger and freight movements. The determination of efficient routes for paratransit vehicles can decrease their operational costs and increase the utility of these systems. Travel time is one of the most important factors affecting paratransit vehicle routing. In previous studies in the field of paratransit vehicle routing, travel times were treated as deterministic variables or independent random variables. However, as evidenced by empirical studies, there exists significant correlation between travel time variables. Ignoring correlations among travel times may lead to the inaccurate estimation of operational costs of a paratransit system. This, in turn, can result in inefficient routes for paratransit vehicles. Accordingly, this study aims to address the paratransit vehicle routing when travel times are correlated random variables. To this end, a framework is proposed. The framework comprises six elements including 1) mathematical modeling of the routing problem, 2) modeling travel time variability, 3) modeling the dependency structure between random travel times, 4) estimating the path travel time distribution, 5) estimating on-time performance and 6) solving the mathematical model. The results of this study show that travel time variability can be best described by mixture probability distributions. Furthermore, among single-component distributions, the burr distribution and the lognormal distribution provide the best fit to travel time data. According to the results of this study, there exists a significant correlation between travel times. In addition, the results of the present study reveal that the dependency structure between random travel times can be modeled accurately by multivariate mixture distributions, copula functions, vine copulas and non-parametric Bayesian networks. To examine the effect of ignoring correlations between travel times, the vehicle routing problem with time windows is considered. The problem is solved under two cases: a) considering the correlation between travel times and b) ignoring correlation. The results show that ignoring correlation can lead to considerable error in estimating the on-time performance of a paratransit system. This, in turn, results in inefficient routes for paratransit vehicles when the correlation between travel times is ignored. Keywords: Paratransit systems, Routing, Travel time reliability, correlated travel times.