طراحی و توسعه یک سیستم هوشمند مکانی-زمانی جهت بهینه‌سازی اشتراک‌گذاری سفر با استفاده از الگوریتم ژنتیک

در دهه های اخیر با افزایش جمعیت شهرها و رشد اقتصادی، حمل و نقل و ترافیک شهری افزایش چشمگیری یافته است. امروزه، به منظور کاهش ترافیک، راهکار نوینی با نام اشتراک گذاری سفر رایج شده است، که در آن افراد در مسیر سفر خود، با افراد دیگر همسفر شده و با خودداری از تک سرنشینی از حجم ترافیک شهر می کاهند. در مقاله حاضر پس از مطالعه ی تحقیقات پیشین در این موضوع، تصمیم به بکارگیری روشی جدید جهت چینش بهینه ترکیب مسافران و کاهش تاکسیهای تک سرنشین گرفته شد. نوآوری بکار رفته در این تحقیق در استفاده از الگوریتم ژنتیک جهت بهینه سازی و در نظر گرفتن یک زمان معطلی تعیین شده توسط هر مسافر می باشد. الگوریتم ژنتیک با کنار هم قراردادن تصادفی مبدا و مقصد مسافران در تاکسی ها و اندازه گیری هزینه سفر بین این مبداها و مقصدها، هزینه کل سفر هر تاکسی را محاسبه کرده و در نهایت جواب بهینه که بهترین چینش مبداها و مقصدها در همه تاکسی ها است را پیدا می کند. البته در این بین بعضی از تاکسی های تک سرنشین خاموش شده و مسافران آنها بین بقیه تاکسی ها پخش می شوند. در این راستا از مفاهیم «آنالیز شبکه» برای محاسبه هزینه ی سفر بین مبداها و مقصدهای مسافران استفاده شد. در نهایت نتایج بدست آمده از اعمال مدل توسعه داده شده بر روی منطقه 6، 7، 11 و 12 شهر تهران و 500 مسافر و 500 تاکسی نشان داد که 258 تاکسی (51.6 درصد) از تاکسیها خاموش شدند که نشان از کارایی مناسب الگوریتم مورد نظر برای کاهش خودروهای تک سرنشین دارد. همچنین 98 تاکسی (19.6 درصد) تاکسی ها به صورت 3 مسافره و 62 تاکسی (12.4 درصد) به صورت 2 مسافره تعیین شدند و تنها 82 تاکسی (16.4 درصد) اقدام به جابجایی 1مسافر کردند. به بیان دیگر، 16.4 درصد مسافران به صورت تکی سفر کرده و 83.6 درصد مسافران به صورت اشتراکی سفر کرده اند که نشان از موفقیت آمیز بودن روش توسعه داده می باشد.

Developing a Smart Spatio-Temporal System for Car Sharing Optimization Using Genetic Algorithm

Today, travel sharing is a new approach to reduce traffic congestion and its problems, in which people travel with others on their journey, reducing traffic congestion by avoiding singleoccupancy. Sharing either cars or taxies is one of the most interesting ways that it has been used in some countries recently. In this phenomenon, 2 or 3 people use other’s car or taxi. In this article, after studying previous researches on this topic and examining the theoretical foundations that include artificial intelligence algorithms, it was decided to apply Genetic Algorithm to align and arrange passengers to find a way for passengers to optimally fit together. The concept of network analysis has been used to calculate the cost of travel between origins and destinations for passengers. It is a novel method to share taxies that uses a delay time for each passenger at computations. Therefore, some taxis will be turned off and this helps to decrease urban traffic jam in cities. The results show that the proposed model turn off 69.8 % of taxies and also 27.8 % of them carry more than one passenger, so this proves the performance of the proposed model.