نقش پردازش موازی در تخصیص پویای حمل‌ونقل همگانی شهری با محدودیت ظرفیت

یکی از مسائل اصلی در تخصیص ، ترافیک، عدم وجود راندمان محاسباتی در مدلهای تخصیص موجود است. این موضوع موجب کاهش کارایی مدلهای پیشنهادی در مطالعات پیشین شده است. هدف از این مقاله بررسی و بهبود مدل ریاضی انتخاب مسیر مسافران در مطالعات پیشین افزایش راندمان محاسباتی و کاهش زمان پردازش داده ها است. این کار از طریق چند هسته ای نمودن مراحل پردازش داده ها با استفاده از روش های برنامه نویسی و همچنین اصلاح مدلهای ریاضی ارائه شده در مطالعات پیشین، از طریق بررسی یک مدل تخصیص پویای حمل و نقل همگانی با الگوریتم کوتاه ترین مسیر مبتنی بر برنامه زمانی و زیر الگوریتم حذف سفر، انجام شد؛ تا نمایش دقیق تری از نحوه انتخاب کاربران حمل و نقل همگانی و پارامترهای تاثیر گذار در انتخاب آنها به دست آید. در نهایت نتایج حاصل از مدل معرفی شده با نتایج حاصل از یک مدل غیر پویا با الگوریتم کوتاه ترین مسیر مبتنی بر کمان مقایسه گردید، تا تاثیر در نظر گرفتن محدودیت ظرفیت و پویایی الگوریتم در زمان محاسبات و دقت داده های خروجی و همچنین تاثیر فرآیند چند هسته ای کردن در زمان محاسبات مورد سنجش قرار گیرد. با بررسی داده های خروجی مشخص شد که با افزودن فرآیند چند هسته ای کردن به فرآیند پردازش دادهها در ساختار پردازش موازی دیده شده در این مقاله، زمان کل محاسبات الگوریتم کوتاه ترین مسیر مبتنی بر برنامه زمانی در حدود %20% نسبت به حالت تک هسته ای بهبود یافته است.

the role of parallel processing in dynamic assignment of urban public transport considering capacity constraint

considering that the issue of choosing the passenger’s route and the parameters involved in it has been the focus and study of transportation planners and policymakers for decades, in this article it has been tried to increase the computational efficiency and reduce the data processing time by examining and improving the mathematical model of passenger route selection in previous studies. this issue has been addressed through multi core data processing (parallel processing) based on the modification of mathematical models presented in previous studies in the form of a public transport dynamic assignment model with the shortest path algorithm based on the schedule and the travel elimination sub algorithm. the results were compared with the outputs of a non dynamic model based on the shortest link based algorithm to measure the effect of considering the capacity constraint and dynamics of the algorithm on the calculation time and the accuracy of the output. even though the number of calculations went up by 13.7% compared to the basic model, the time it took to solve the problem went down by 20% because of parallel processing.