مقاله برنامه‌ریزی پویا برای زمان‌بندی سیستم اتوبوس‌رانی در 14 صفحه ورد قابل ویرایش

چکیده:

در این مقاله سعی شده جدیدترین کاربرد سیستم های حمل و نقل عمومی پیشرفته برای برنامه ریزی پویا سیستم اتوبوسرانی به منظور زمانبندی حرکت اتوبوسها، تشریح گردد. مبنای محاسباتی این روش بر اساس الگوریتم کالمن استوار است واز داده های سیستم مکانیابی خودکار وسیله نقلیه و شمارش خودکار مسافر در محاسبات خود استفاده می نمایند. وجه تمایز این روش با روشهای مشابه قبلی در این است که زمان ماندن اتوبوس در ایستگاه و زمان حرکت آن در خطوط را بطور جداگانه محاسبه می نماید لذا می تواند اثر زود و یا دیر رسیدن اتوبوس، بر زمان ماندن آن در ایستگاه و یا برعکس را مشخص نمایند. در خاتمه روش مورد نظر با روشهای شبکه عصبی، رگرسیون خطی و روش تاریخچه داده های قبلی مقایسه شده است.

کلید واژه: برنامه ریزی و زمانبندی اتوبوسرانی، برنامه پویا، حمل و نقل عمومی پیشرفته شمارش خودکار وسلیه نقلیه، مکانیابی خودکار وسیله نقلیه.


1- مقدمه

در شهرهائی که از سیتم های حمل و نقل عمومی پیشرفته بهره نمی برند، برنامه ریزی و زمانبندی سیستم اتوبوسرانی، از پیش تعیین شده و به صورت ثابت اعمال می گردد. مبنای محاسباتی روشهای زمانبندی مذکور اغلب مبتنی بر استراتژی بهینه می باشد که بر اساس ویژگی های خاص و عوامل موثر پروژه مورد نظر نظیر: سرعت جریان ترافیک، طول چرخه سرویس اتوبوسرانی، زمان انتظار، زمان سفر با وسیله نقلیه، تراکم ترافیک و ... استوار است.

در اینگونه روشهای زمانبندی؛ که در این مقاله به عنوان روشهای قدیمی معرفی می‌شوند؛ چنانچه بواسطه برخی از حوادث پیش بینی نشده نظیر: تصادفات، خرابی وسایل نقلیه در مسیر و غیره تغییری در سرعت جریان ترافیک، چگالی آن و... رخ دهد، رفتار سیستم قابل پیش بینی نبوده و منجر به بروز تأخیر می گردد. ولیکن در روشهای جدید ویا همان روشهای پویای زمانبندی حرکت اتوبوسها، تغییرات ایجاد شده در جریان ترافیک در برنامه ریزی بهنگام می گردد.

برای نشان دادن اهمیت مطالعه برنامه ریزی و زمانبندی حرکت اتوبوسها، از آمار و ارقام سال 1383 در شهر تهران استفاده می گردد. به طور موتوسط در هر روز هفته 2477270 مسافر توسط سیستم حمل و نقل اتوبوسرانی در شهر تهران جابجا می‌شود. حال چنانچه با زمانبندی و مدیریت صحیح حرکت اتوبوسها، تأخیر هر مسافر را فقط به میزان 2 دقیقه بتوان کاهش داد. در یک روز به طور متوسط از 82575 ساعت، اتلاف وقت مسافران جلوگیری می شود و با فرض هر روز کاری 8 ساعت می توان روزانه 3/28 نفر – سال در وقت شهروندان تهرانی صرفه جویی کرد.

تاکنون روشهای مختلفی برای پیش بینی زمانبندی سیستم اتوبوسرانی توسعه یافته است. که در این مقاله جدید ترین مدل پیش بینی زمان اعزام و رسیدن اتوبوسها در سیستم حمل و نقل عمومی اتوبوسرانی؛ با استفاده از اطلاعات سیستم های حمل و نقل عمومی پیشرفته؛ بیان می شود.

2- مروری بر سیستم های پیشرفته حمل ونقل عمومی

سیستم های پیشرفتة حمل و نقل عمومی جزئی از سیستم های هوشمند حمل و نقل می باشند که در حمل و نقل عمومی و به منظور بهبود عملکردها شامل: افزایش ایمنی، افزایش صرفه اقتصادی، بهبود کیفیت خدمات و ... ، استفاده شوند. از کاربرد های سیستم های پیشرفتة حمل و نقل عمومی؛ ایجاد پتانسیل خدمات بیشتر برای کاربران در کنترل فعالیت های ناوگان اتوبوس و بهبود سرعت، ایمنی و راحتی سفر می باشد. ارتقاء تکنولوژی حمل و نقل عمومی نظیر سیستم های خودکار مکانیابی وسیله نقلیه (AVL) ، سیستم های خودکار شمارنده مسافرین (APC) اثرات زیادی بر عملکرد سیستم اتوبوسرانی دارد. سیستم های پیشرفته حمل و نقل عمومی دارای قدمت کمی می باشند. نمونه های اولیه این سیستم در عمل به دهه 60 اوایل دهه 70 بر می گردد. اغلب این تکنولوژی ها بر اساس نشانگرهای ثابتی بودند، که می بایست در مسیر اتوبوس نصب می شدند. این نشانگرها مجهز به مبدل الترونیکی هستند و زمانی که اتوبوس ها از کنار آنها عبور می‌کنند، سیستم گیرنده تعیین وقت داخل وسیله، کد شناسائی را دریافت کرده، زمان و تاریخ عبور اتوبوس از کنار نشانگر مورد نظر را ثبت می نمایند. اجرا و نگهداری سیستم های پیشرفتة حمل و نقل عمومی اولیه نظیر نشانگر های ثابت، دارای هزینه های زیادی بودند. که از آن به بعد، تکنولوژی های جدیدی مثل سیستم موقعیت یابی جهانی (GPS) ارائه گردید که باعث کاهش هزینه ها شد. اداره حمل و نقل فدرال سیستم های پیشرفته حمل و نقل عمومی را به صورت زیر تقسیم بندی کرده است.



Shalaby & Farhabn . A از دانشگاه تورنتو در سال 2004 روشی را ابداء کردند که چنین پیامدهائی را پاسخگو باشد. دراین روش زمان حرکت اتوبوس در طول خط و زمان توقف در ایستگاه بطور جداگانه در یک چارچوب مدلسازی سازگار، مدل شده اند. در اینجا فرض شده است اطلاعات زمانهای حقیقی برای موقعیت اتوبوس در هر مکان و لحظه، تعداد مسافران که سوار و پیاده می شوند و زمانهای حقیقی اعزام و رسیدن اتوبوس از سیستم APC , AVL قابل دریافت باشند. سیستم مدلسازی فوق شامل دو الگوریتم جداگانه برای پیش بینی زمان حرکت در خطوط و زمان توقف در ایستگاه می باشد که هر دو از الگوریتم کالمن استفاده کرده اند. برای پیش بینی زمان حرکت اتوبوس در طول یک خط مشخص در لحظه k+1 الگوریتم اول؛ یا همان از اطلاعات سه روز گذشته زمان حرکت در خط مورد نظر استفاده شده است. به همین ترتیب زمان حرکت اتوبوس در خطوط برای اتوبوس قبلی در روز جاری در لحظه k محاسبه می شود. در این مطالعه از اطلاعات سه روز گذشته؛ بعلت محدودیت در آمار؛ استفاده شده است، بدیهی است که در کاربردهای عملی این الگوریتم می توان از اطلاعات روزهای بیشتری استفاده کرد.

الگوریتم دوم؛ یا همان مدل پیش بینی نرخ ورود مسافران؛ بطور مشابه از اطلاعات روزهای قبل استفاده می نماید. برای پیش بینی زمان توقف در یک ایستگاه بخصوص، نرخ ورود پیش بینی شده در فاصله عبور زمان پیش بینی شده ضرب می شود. در واقع با تفاضل زمان رسیدن اتوبوس قبلی به ایستگاه از زمان پیش بینی رسیدن اتوبوس بعدی به همان ایستگاه، این فاصله عبور زمانی محاسبه می شود. در ضمن در این مطالعه فرض شده که زمان صرف شده برای سوار شدن هر مسافر به اتوبوس 5/2 ثانیه می باشد.

در نظر گیری الگوریتم جداگانه برای پیش بینی زمان حرکت در خطوط اتوبوسرانی و زمان ماندن (توقف) در ایستگاه توانائی مدل را در تعیین اثر زود و یا دیر رسیدن اتوبوس به ایستگاه، بر پیش بینی زمان توقف در ایستگاه و اعزام از ایستگاه را افزایش می‌دهد و این بدیهی است، چون پیش بینی زمان ماندن اتوبوس در ایستگاه، تحت تأثیر زمان عملی رسیدن اتوبوس به ایستگاه، تحت تأثیر زمان عملی رسیدن اتوبوس به ایستگاه، می باشد. شکل 2 یک مسیر اتوبوس با چند ایستگاه را نمایش میدهد.