مدل سازی هدایت بهینه و تخلیه ی شبکه ی حمل ونقل شهری در شرایط اضطراری
Publish place: New Approaches in Civil Engineering، Vol: 7، Issue: 3
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 73
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JNACE-7-3_003
تاریخ نمایه سازی: 15 بهمن 1402
Abstract:
حوادث و پدیده های طبیعی، معمولا خسارت های وسیع و فاجعه آمیز به بار می آورند. ارزیابی مناطق مختلف پس از بحران، معمولا نشان می دهد که عملکرد نامناسب حین برنامه ریزی و مسیریابی در فرآیند مدیریت بحران و تخلیه اضطراری، منجر به بروز ناهماهنگی و اتلاف زمان و ظرفیت شبکه می گردد. بر این اساس، هدف این پژوهش ارائه ی روشی برای شناسایی مسیرهای تخلیه ی شبکه در زمان کوتاه و به صورت یکپارچه می باشد؛ که منجر به پیشنهاد یک الگوریتم بر مبنای تحلیل شبکه و تعریف کمان ها و گره های امن و متاثر از بحران می گردد. مدل پیشنهادی بهینه سازی جریان در این پژوهش، با استفاده از روش MCNFP، در پی یافتن کوتاه ترین مسیر تخلیه از هر گره به منطقه امن و ارسال بیشینه ی جریان ممکن از طریق این مسیر است. برای کنترل کارایی مدل، ۱۲ شبکه ی کوچک با ترکیب مختلفی از تعداد گره ها و وسایل نقلیه و ۱۰ شبکه ی متوسط با تعداد گره های مختلف و تقاضای مشابه مورد بررسی قرار گرفته و زمان اجرای هر یک از الگوریتم های MCNFP و مدل پیشنهادی مقایسه شده است. نتایج اجرای هر یک از روش ها نشان داد که زمان تخلیه با افزایش تعداد گره ها و گستردگی و پیچیدگی مسیریابی افزایش می یابد. همچنین در شبکه های محلی و محدود، افزایش تعداد وسایل نقلیه منجر به افزایش زمان تخلیه می شود که حائز اهمیت است. در حالت کلی، نتایج تمام تحلیل ها حاکی از سرعت مطلوب و بالای الگوریتم پیشنهادی در تخلیه ی شبکه می باشد.
Keywords:
Authors
علیرضا ناصری
استادیار، گروه مهندسی عمران، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
علیرضا احمدی مهمانی
دانشجوی کارشناسی ارشد مهندسی عمران- مهندسی و مدیریت ساخت، گروه مهندسی عمران، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :