ارائه مدل یکپارچه مساله مکان‌‏یابی هاب با رویکرد زمان‌‏بندی انعطاف‏‌پذیر در حمل‏‌و‏نقل هوایی

درحال حاضر باتوجه به شرایط تحریمی‌کشور، خطوط هوایی با محدودیت دسترسی به هواپیما مواجه هستند که این امر بر کارایی شبکه حمل‌ونقل هوایی کشور تاثیر گذاشته‏ است. با این‌حال با برنامه‌‏ریزی و استفاده صحیح از هواپیماهای موجود و بهینه‌‏سازی مسیرها ازطریق مساله مکان‌یابی هاب می‌توان به بهره‌وری بهتری در این‌خصوص دست پیدا کرد و خسارات و هزینه‌های وارد شده ناشی از تحریم‌‏ها را کاهش داد. در این پژوهش، یک مدل یکپارچه برای مکان‌یابی هاب با رویکرد زمان‌بندی انعطاف‌پذیر در حمل‌‏ونقل هوایی ارائه شده است. این مدل علاوه‌بر تعیین مکان هاب‌ها، مسیر و زمان‌بندی حرکت هر هواپیما را نیز متناسب با مکان اولیه هریک از آن‏‌ها به‌‌صورت هم‌زمان و در شرایط محدودیت تعداد هواپیما، بهینه می‌کند. در این پژوهش برخلاف دیگر پژوهش‌‏های موجود در ادبیات موضوع، وجود وسیله نقلیه در گره‏‌ها و رسیدن مسافران هر وسیله نقلیه به‌عنوان پیش‌‏نیاز قطعی در زمان جابه‌جایی مسافران درنظر گرفته شده ‏است که شرایط مساله را به دنیای واقعی نزدیک‌‏تر کرده ‏است. این مدل با استفاده از نرم‌افزار گمز حل شده و نتایج آن بر روی دو مجموعه داده‌ی cab و مسافران هوایی ایران در سال 1401 اعتبارسنجی شده ‏است. نتایج نشان می‌دهند که باتوجه به فرضیات مدل، افزایش تعداد هاب‌ها، افزایش ظرفیت هواپیماها و توزیع هواپیماها در گره‌‏ها به‌جای متمرکز شدن آ‌ن‌ها در نقاط خاص می‌تواند به کاهش هزینه‌ها منجر شود، اما پیچیدگی مدل را نیز افزایش می‌دهد. درنهایت، پیشنهادهایی برای بهبود مدل در مطالعات آتی پیشنهاد شده ‏است.

presenting an integrated hub location model with a flexible scheduling approach in air transportation

currently, due to the country’s sanctions, airlines face restrictions on access to aircraft, which has affected the efficiency of the national air transportation network. however, with proper planning, optimal utilization of available aircraft, and route optimization through the hub location problem, it is possible to achieve better efficiency and mitigate the losses and costs caused by sanctions. in this paper, an integrated model for hub location with a flexible scheduling approach in air transportation is presented. this model not only determines the locations of hubs but also optimizes the routing and scheduling of each aircraft simultaneously, considering their initial locations and the constraint of a limited number of available aircraft. unlike other studies in the literature, this research considers the presence of vehicles at nodes and the necessity of passenger arrival at each vehicle as a prerequisite for passenger transfers, making the problem more aligned with real-world conditions. the proposed model is solved using gams software, and its results are validated using two datasets: cab and iranian air passenger data for the year 2022. the findings indicate that, given the model’s assumptions, increasing the number of hubs, expanding aircraft capacity, and distributing aircraft across nodes instead of concentrating them in specific locations can lead to cost reductions, although it also increases the model’s complexity. finally, recommendations for future research to improve the model are provided.