ارائه مدل مکانی هوشمند به‌منظور یافتن مسیرهای بهینه در شبکه حمل‌ونقل شهری

یکی از تحلیل‌های پرکاربرد سیستم‌های اطلاعات جغرافیایی (gis) یافتن مسیرهای بهینه بین دو نقطه در شبکه حمل‌ونقل شهری است. به‌دلیل تنوع بالای مسیرهای ممکن بین دو نقطه در شبکه حمل‌ونقل شهری، یافتن مسیرهای بهینه کار پیچیده‌ای است. از سویی، درنظرگرفتن هم‌زمان تمامی پارامترهای موثر در انتخاب مسیر از جمله طول مسیر، ترافیک، سختی عبور از تقاطع‌ها، کیفیت معابر و ...، پیچیدگی فرایند کشف مسیر بهینه را دوچندان می‌کند. همچنین در پاره‌ای از موارد، وجود دو یا چند پارامتر موثر ناسازگار، مانند طول مسیر و ترافیک، بر پیچیدگی مسئله می‌افزاید. الگوریتم‌های بهینه‌سازی، به‌ویژه الگوریتم‌هایی مانند الگوریتم ژنتیک چندهدفه nsga-ii، که توانایی درنظرگرفتن هم‌زمان چندین پارامتر ناسازگار در یک مسئله را دارند، می‌توانند gis را در حل این‌گونه مسائل یاری کنند. هدف از این پژوهش عرضه مدلی برمبنای الگوریتم nsga-ii در بستر gis، به‌منظور کشف مسیرهای بهینه در شبکه حمل‌ونقل شهری است. بدین‌منظور، الگوریتم nsga-ii به‌گونه‌ای مدل شد تا ساختار توپولوژیک مسیرهای بهینه (پیوستگی و نبودِ حلقه در مسیر) حفظ شود؛ بنابراین، هم در تولید مسیرهای اولیه و هم در عملگرهای ژنتیکی مورد استفاده، حفظ ساختار توپولوژیک مسیرهای خروجی مدنظر قرار گرفت. در این راستا به‌منظور رسیدن به اهداف یادشده، دو عملگر ژنتیکی ابتکاری، متناسب با مسئله بهینه‌سازی مسیر در شبکه حمل‌ونقل شهری، توسعه داده شد. همچنین با هدف بالابردن کارآیی مدل در ارائه مسیرهای بهینه، افزون‌بر درنظرگرفتن طول مسیر، ترافیک و کیفیت مسیر به‌منزله توابع هدف، دشواری عبور از تقاطع‌ها نیز به‌مثابه یکی دیگر از توابع هدف مدل شد. به‌منظور آزمودن قابلیت‌های مدل، یک شبکه حمل‌ونقل شهری فرضی با محدودیت‌های لازم طراحی شد و مدل، با بهره‌گیری از آن، مورد ارزیابی قرار گرفت. نتایج به‌دست‌آمده نشان‌دهنده صحت کارکرد مدل و توانایی بالای آن در یافتن مسیرهای بهینه با چندین هدف متضاد است.