حل مسئله به اشتراک‌گذاری تاکسی‌های باظرفیت مختلف با استفاده از الگوریتم ژنتیک ارتقاء‌یافته و اولویت‌های اجتماعی کاربران

اکثر سیستم‌های اشتراک سواری موجود، برنامه‌ریزی سفر را تنها بر اساس دو معیار شباهت مکانی و زمانی سفر مسافران انجام می‌دهند. بی‌توجهی به اولویت‌های اجتماعی منجر به کاهش تمایل کاربران در استفاده از سرویس‌های اشتراک سواری می‌شود. باید سامانه‌ای ایجاد گردد که هر 3 معیار گفته شده را در برنامه‌ریزی سفر در نظر بگیرد تا بتوان کاربران را به استفاده هر چه بیشتر از این سامانه‌ها ترغیب نمود. هدف از این پژوهش طراحی و پیاده‌سازی مدلی مناسب، برای اشتراک سواری با به‌کارگیری تاکسی‌های با ظرفیت مختلف و در نظر گرفتن اولویت‌های اجتماعی کاربران با استفاده از الگوریتم ژنتیک ارتقا یافته است. در این پژوهش از دو عملگر جهش ابتکاری و دو الگوریتم جست‌وجوی محلی ابتکاری به‌منظور ارتقا الگوریتم ژنتیک برای این حالت خاص استفاده‌شده است. در مدل استفاده شده در این پژوهش، مکانیسمی طراحی‌شده تا کاربران بتوانند بازخوردی از سفر اشتراکی خود را در یک شبکه اجتماعی فرضی با سایر کاربران به اشتراک بگذارند. سپس تاثیر نظر کاربران بر یکدیگر در جهت استفاده و یا عدم استفاده از این سامانه و علت آن تحلیل و بررسی شد. نتایج به‌دست‌آمده حاکی از کارایی روش پیشنهادی دارد؛ زیرا در پایان اجرای الگوریتم میزان علاقه کاربران به استفاده از این سیستم افزایش یافت که دلیلی بر تامین اولویت‌های اجتماعی کاربران است. به طور مثال هر یک از مسافران با شرکت در اشتراک سواری به طور میانگین 26 درصد در هزینه سفر خود صرفه جویی کرده‌اند. همچنین درآمد هر یک از رانندگان نیز با شرکت در اشتراک سواری به طور میانگین 48 درصد افزایش یافته است. از طرفی مسافت کل سفرها به میزان 40 درصد نسبت به حالت سفر تکی کاهش یافت و نیز تعداد خودروهای استفاده‌شده در حالت سفر اشتراکی کمتر از حالت سفر تکی بود که این امر در کاهش ترافیک و آلودگی هوای ناشی از مصرف سوخت خودروها موثر خواهد بود.

Solving the ridesharing problem with Non-homogeneous vehicles by using an improved genetic algorithm and the social preferences of the users

Most existing ridesharing systems perform travel planning based only on two criteria of spatial and temporal similarity of travelers. In general, neglecting the social preferences caused to reduce users #39; willingness to use ridesharing services. To achieve this purpose a system should be designed and implemented not just based on two necessary conditions of spatial and temporal similarities, but also based on the similarities between users in terms of their social and personal preferences to plan a travel. This study aims to create and implement a suitable model for ridesharing systems by using vehicles with different capacities, using an advanced genetic algorithm, and considering users #39; social preferences to determine similar passengers. In this study, two innovative mutation operators and two local search algorithms have been applied to improve the genetic algorithm in this particular case. In this model, a mechanism has been designed to help users to share feedbacks based on their travel experience on a hypothetical social network with other users. In this way, users #39; opinions on each other to use or not to use this system and why it can be analyzed and examined. The results obtained from the analysis and evaluations of the implemented model indicate efficiency and success.