بررسی وضعیت تخصیص چندهدفه ایستگاه های آتش نشانی با مدل میانه تخصیص برداری ترتیبی در محیط gis

آنالیز مکان یابی و تخصیص یکی از مهمترین آنالیزهای شبکه و در زمره آنالیزهای بسیار کاربردی در gis می‌باشد. این آنالیز مدل های مختلفی را شامل می‌شود که هر یک برای حل مسائل مختلفی کاربرد دارند. اخیرا یک مدل جدید به نام vaomp (مدل میانه تخصیص برداری ترتیبی) توسعه داده شده است که می‌تواند بسیاری از مسائل مختلف را حل کند. با توجه به اینکه مسائل مکان یابی و تخصیص در زمره مسائل بسیار سخت هستند حل آنها به روش های دقیق تقریبا ناممکن است. بنابراین تحقیق حاضر جهت حل مسئله تخصیص مناسب جمعیت به ایستگاه های آتش‌نشانی موجود که از جمله تسهیلات اضطراری هستند و بررسی تخصیص بهینه آنها از اهمیت زیادی برخوردار است، از مدل vaomp و الگوریتم ژنتیک و تبرید با سه هدف کمینه کردن زمان رسیدن خودروهای آتشنشانی به محل تقاضاها، کمینه کردن فاصله و بیشینه کردن پوشش هر ایستگاه در شعاع 5 دقیقه، در منطقه 21 و 22 شهر تهران استفاده می‌کند. نتایج تحقیق نشان می‌دهد که الگوریتم ژنتیک در زمان کوتاه تر، جواب های با کیفیت‌تری را تولید می‌کند ضمن اینکه تعداد 10 ایستگاه موجود در منطقه 21 و 22 تهران جهت سرویس دهی به کل تقاضاهای موجود در منطقه کافی نیست و تعداد 55240 نفر بدون خدمات خواهند ماند و حداقل باید 13 ایستگاه در منطقه ایجاد کرد.

Investigation of multiobjective allocation status of fire stations with Vector Assignment Ordered Median Problem model in GIS environment

Location and allocation analysis is one of the most important network and useful analyzes in GIS. This analysis involves various models that, each model is used to solve various problems. Recently, a new model called VAOMP (Vector Assignment Ordered Median Problem) has been developed that, it can solve many different problems. Given that, the location and allocation problems are very difficult, it is almost impossible to solve them in exact methods. Therefore, the present research intends to solve the proper allocation problem of the population to existing fire stations, which are the emergency facilities, and their optimal allocation have a great importance. The VAOMP model and the Genetic and Simulated Annealing algorithms with three goals such as minimizing the arrival time of the fire trucks to the location of demands, minimizing distance and maximizing the coverage of each station in a radius of 5 minutes, solved the problem. The results of this research showed that the Genetic algorithm produces more qualitative solutions in shorter time, while 10 stations in the 21st and 22nd districts of Tehran are not sufficient to serve the total demands in the study area and 55240 people without services will remain and at least, 13 stations in the region should be created.