26364

مدل بهينه سازي پوياي قيمت گذاري عوارض براي آزادراه‌هاي شهري

كارشناسي ارشد

مهندسي حمل و نقل

1397

1400/8/30

شهريار افندي زاده زرگري

مهندسي عمران

امروزه مسئله تراكم ترافيك يكي از مسائل مهم در مهندسي حمل ونقل و ترافيك است. تراكم ترافيك عامل از دست رفتن زمان مفيد افراد، افزايش آلايندگي‌هاي هوا، افزايش مصرف سوخت، افزايش ميزان نگراني و اضطراب و بسياري مشكلات ديگر براي ساكنين شهر‌ها محسوب مي‌شود. دريافت عوارض يكي از راه‌كار‌هاي موثر براي قيمت‌گذاري تراكم ترافيك و در نتيجه كنترل اين پديده است. در اين مطالعه تعيين عوارض براي آزادراه‌هاي درون شهري به شكل يك مسئله بهينه سازي دوسطحي ارائه شده است. در سطح بالاي اين مسئله بهينه سازي عوارض با متغيرهاي تصميم ارقام عوارض آزادراه‌ها قرار دارد و در سطح پايين آن مسئله تخصيص سفر در شبكه راه‌هاي شهري حل مي‌شود. تخصيص سفر براي افزايش دقت مدل و همچنين افزايش كارايي از دو جنبه‌ي معيار‌هاي عملكرد شبكه و عدالت اجتماعي به صورت پويا و با در نظر گرفتن گروه‌هاي مختلف جمعيت از لحاظ ارزش زماني انجام شده است. همچنين در اين پژوهش از يك مدل تخصيص پوياي ميان‌نگر كه از طرفي دقت مدل‌هاي خردنگر و سرعت مدل‌هاي كلان‌نگر را دارد استفاده شده است. مسئله بهينه‌سازي عوارض آزادراه‌هاي درون شهري يك مسئله دوسطحي, عدد صحيح و غير محدب است. براي حل اين مسئله در اين پژوهش الگوريتم فراكاوشي چند جمعيتي توسعه داده شده است. براي تقسيم‌بندي جمعيت به زير-جمعيت‌هاي مختلف از روش چند-جمعيتي تركيبي براي تقويت دو عملگر جستجوي محلي و جستجوي جهاني استفاده شده است. در هسته‌ي اين روش الگوريتم بهينه سازي آموزش-يادگيري مبنا قرار دارد. همچنين پاسخ‌هاي اين الگوريتم با سه الگوريتم رقيب ديگر مقايسه شده است. سرعت و دقت همگرايي الگوريتم توسعه داده شده نسبت به ساير الگوريتم‌ها برتري كامل و قابل توجهي داشته است. اين الگوريتم زمان سفر كل شبكه را از 8205 ساعت به 6683 ساعت، معادل 18% كل زمان سفر، كاهش داده است. همچنين سرعت اين الگوريتم براي رسيدن به مقادير تابع هدف مشخص شده نسبت به الگوريتم ژنتيك، 6 برابر است.

1401/01/27

A Dynamic Optimal Toll Pricing Model for Urban Freeways

11/21/2022 12:00:00 AM

Traffic congestion has become one of the most critical issues in transportation engineering and traffic engineering. Traffic congestion causes people to lose their valued time, contributes to the augmentation of emissions, increases fuel consumption, raises stress in drivers, and many other problems for city residents. Tolling is one of the effective ways for pricing Traffic congestion and controlling this phenomenon. In this study determination of toll for urban freeways is assumed as a bi-level optimization problem. The upper level consists of the toll optimization problem with decision variables for freeway tolls. In the lower level, the trip assignment problem for the urban road network is solved. In order to increase model accuracy and improve efficiency in network measure of performance and social justice, trip assignment is evaluated dynamically, and population groups with different values of time are considered. Furthermore, a mesoscopic dynamic assignment model is considered, which can provide the accuracy of microscopic models with the performance speed of macroscopic models. Urban freeways tolling optimization problem is a bi-level, integer, and nonconvex problem. For solving this problem, a multi-population metaheuristic algorithm is developed. A hybrid multi-population scheme is used to enhance local and global search performances. The proposed algorithm is based on teaching learning-based optimization. The obtained results are then compared with three other competing algorithms. The convergence speed and accuracy of the proposed algorithm surpass other compared algorithms. The suggested method decreased the whole network's travel time from 8205 hours to 6683 hours which accumulates to a %18 decrease in overall travel time. It is worth mentioning that the convergence speed of this algorithm to a specified objective function value is six times quicker than the genetic algorithm.

عوارض آزادراه , بهينه سازي , الگوريتم فراكاوشي , تخصيص ديناميكي سفر

Freeway toll , Optimization , Meta-Heuristic algorithms , Dynamic trip assignment

Mahdi Ganjkhanlou

Shahriar Afandizadeh Zargari