مکان یابی ایستگاه های ریلی با درنظر گرفتن عدم قطعیت با استفاده از رویکرد مبتنی بر بهینه سازی استوار

با توجه به وجود مزیت رقابتی بین سیستم های حمل‌و‌نقل، افزایش رضایت مشتریان عامل مهمی در جذب آن‌ها به این سیستم‌هاست. از سویی یک روش مفید جهت افزایش جذابیت سفرهای ریلی، احداث ایستگاه‌های جدید است. مکان­یابی ایستگاه ها در شبکه های ریلی یک مساله پیچیده و زمانبر است. لذا استفاده از مدل ریاضی به منظور انتخاب مکان مناسب جهت احداث ایستگاه ها بسیار کارآمد خواهد بود، از سوی دیگر، داده ها در دنیای واقعی دارای عدم قطعیت می باشد و مکان یابی ایستگاه ها در محیط فازی با در نظر گرفتن عدم قطعیت باعث افزایش قابلیت اطمینان در ارائه ی نتایج خواهد بود. مدل های بهینه سازی استوار با درنظر گرفتن پارامترهای غیرقطعی جواب های موجه و بهینه تولید می کند لذا در این پژوهش به مدلسازی مکان یابی ایستگاه ها در محیط فازی با وارد نمودن عدم قطعیت در داده های مساله پرداخته ایم و با استفاده از مدل بهینه سازی استوار با رویکردی واقع گرایانه مدل را حل کردیم. در ادامه یک مطالعه ی موردی برروی داده های واقعی قطار شهری مشهد اجرا و نتایج حاصل از حل مدل در فضای فازی با جواب ها در فضای قطعی مقایسه شده که بیانگر بهبود قابل توجهی در جواب ها می باشد.

Location of railway stations by considering the uncertainty based on robust optimization approach

Given the competitive advantage of transportation systems، increasing customer satisfaction is an important factor to attract them to use these systems.  On the other hand، a useful way to increase the attractiveness of rail travel is to build new stations، although locating stations on rail networks is a complex and timeconsuming task. Therefore، a mathematical model can be a very useful way to find the best location of constructing the stations. On the other hand، our realworld has uncertainty and locating stations in fuzzy environments by considering the uncertainty will increase the reliability of the results. In this study، we modeled the location of stations in fuzzy environment by considering the uncertainty of data by using the optimization robust model with a realistic approach. A case study has been applied on the real data of Mashhad city and the results of solving the model in fuzzy environment were compared with those in crisp situations، which indicates a significant improvement.