27436

مدل مسيريابي خدمات تغذيه‌كننده‌هاي شبه همگاني با استفاده از خودروهاي خودران در معابر شهري

كارشناسي ارشد

مهندسي عمران - حمل و نقل

1398

1401/07/30

دكتر شهريار افندي‌زاده

مهندسي عمران

توسعه شهرها منجر به رشد استفاده از خودروهاي شخصي شده است، اين مسئله باعث افزايش تراكم ترافيك در معابر شهري و افزايش آلودگي هوا گرديده است. با وجود آنكه سيستم حمل‌ونقل همگاني مي‌تواند تعداد مسافران قابل توجهي را در يك مدت زمان مشخص جا‌به‌جا كند اما تنها از مسيرهاي معيني استفاده مي‌كند و در مقايسه با خودرو شخصي كيفيت سفر ضعيف‌تري ارائه مي‌دهد. خدمات حمل‌ونقل شبه‌همگاني، مانند سيستم تماس -سفر ، كه در سال‌هاي اخير توجه بسياري را در ميان افراد جامعه به خود جلب كرده است، داراي تركيبي از مزاياي دو سيستم خودرو شخصي و حمل‌ونقل همگاني هستند و جايگاه مكمل اين دو سيستم را در اختيار دارد. اگر از خودروهاي خودران در طرح خدمات تماس - سفر استفاده شود، محدوديت‌هاي مربوط به وجود راننده، مانند محدوديت زماني رانندگي، از بين مي‌روند. مديريت و برنامه‌ريزي مسيريابي سيستم‌ تماس – سفر به منظور عملكرد بهينه سيستم‌ و دستيابي به خدمات كارآمد بسيار حائز اهميت است. مسئله مسيريابي تماس – سفر مطالعه حاضر به دنبال ارائه برنامه‌ريزي مسيريابي ناوگاني از وسايل نقليه خودران الكتريكي است، كه به گروهي از درخواست‌هاي سفر خدمت‌رساني مي‌كنند. هدف از مسئله تعريف شده، بهينه‌سازي تعداد ناوگان براي خدمت‌رساني، كمينه كردن هزينه‌هاي مسيرهاي خودروها و ناراحتي مسافران است. مسئله حاضر علاوه بر محدوديت‌هاي راحتي سفر كاربران، با چالش‌هايي از جمله مديريت باتري و انحراف مسير خودرو‌ها به ايستگاه‌هاي شارژ نيز مواجه است. در پژوهش حاضر ابتدا يك مدل رياضي چند هدفه مقيد متناسب با مسئله مسيريابي مورد نظر بررسي مي‌گردد، سپس يك روش حل دو مرحله‌اي مبتني بر الگوريتم فرا ابتكاري ژنتيك ارائه مي‌گردد. ساختار الگوريتم ژنتيك به گونه‌اي معرفي مي‌گردد كه تعيين تعداد ناوگان و تخصيص مسافران به خودروها را شامل شود. براي تعيين مسيرهاي خودروها از الگوريتم جستجوي نزديكترين همسايگي استفاده مي‌شود، سپس با استفاده از الگوريتم گام‌به‌گامي، درج ايستگاه‌هاي شارژ در موقعيت‌هاي مناسب صورت مي‌گيرد. براي حل مسئله و تحليل نتايج بدست آمده با روش حل پيشنهادي، نمونه داده‌هاي جديدي، از طريق پردازش داده‌هاي خام شركت اوبر در شهر سانفرانسيسكو آمريكا، ايجاد گرديد. به علاوه به منظور در نظر گرفتن خدمات شبه‌همگاني به عنوان تغذيه‌كننده نوع خانه - مقصد نمونه داده‌هاي ديگري نيز با تغيير داده‌هاي اوبر ايجاد شد. روش حل پيشنهادي با استفاده از نمونه داده مطالعه پيشينِ مربوط به سال‌هاي اخير اعتبارسنجي گرديد. نتايج نشان مي‌دهند كه روش حل پيشنهادي قادر به بدست آوردن جواب‌هاي با كيفيت در زماني قابل مقايسه با روش حل دقيق شاخه و برشِ مطالعه پيشين مي‌باشد. همچنين نتايج حل مسئله براي نمونه داده‌هاي جديد نشان مي‌دهد كه همواره استفاده از حداقل تعداد ناوگان منجر به جواب‌هاي برتر و بهينه نمي‌شود. به علاوه نتايج حاكي از آن است كه مقصد يكسانِ برخي مسافران در هنگام فعاليت خدمات تغذيه‌كننده، باعث افزايش ميزان همسواري مي‌گردد.

1401/08/25

Optimal routing for shared autonomous vehicles feeder services in urban networks

10/22/2023 12:00:00 AM

The popularity of private vehicles has increased due to the urban developments over the years. The over-reliance on private cars has led to traffic congestion and air pollution. Although public transit system can transport a significant number of passengers in a period of time, it only utilizes fixed routes and therefore can be more inconvenient than private transport. Much attention has been given to developing paratransit services that can combine the advantages of both groups. Dial-A-Ride (DAR) provides door-to-door paratransit services in cities. Electric autonomous vehicles (EAV) are a rapidly advancing technology and the integration of EAVs into DAR services leads to non-stop services schedule and so the services are not limited by the drivers' shifts. The complexities of operating DAR services mean that computerized planning and scheduling is necessary for systems of realistic size. This research studies an electric autonomous fleet size with mix dial-a-ride problem. The goal of the problem is to minimize a weighted objective function consisting of the total travelling costs of all vehicles, users' excess ride time costs and vehicles' acquisition costs while satisfying customer service level constraints along with battery level management and recharge times management constraints. In this variant of the dial-a-ride problem, recharging at any of the available charging stations is allowed. A cluster-first, route-second genetic algorithm is proposed to solve the problem, where the clustering is performed by choosing the fleet size and assigning the customers to the fleet using a genetic algorithm (GA), then the primary routes are developed by a routing heuristic, finally the charging stations will be inserted to the algorithm using an insertion technique. The performance of the proposed method is tested by using benchmark instances of a related problem from the recent literature. The proposed method has achieved solutions comparable with the current state-of-art methods. The computational results show that the proposed method is effective in finding comparable solutions with the current state-of-art method. New instances, some of which include first-mile feeder services, are generated based on the data from Uber Technologies Inc. Tests performed on new instances demonstrate that the minimum possible fleet size does not always result in minimum costs. Moreover the tests show that integration of the feeder services into dial-a-ride services increases ride-sharing ridership.

مسئله مسيريابي خدمات شبه همگاني , خودروهاي خودران الكتريكي , بهينه‌سازي تعداد ناوگان , خدمات تغذيه‌كننده , الگوريتم ژنتيك

Dial-a-ride problem , electric autonomous vehicles , optimal fleet size , feeder services , genetic algorithm

Dorsa AzizJalali

Shahriar Afandizadeh