مدل دو هدفه مکان‌یابی مراکز آژانس زمان‏بندی و مسیریابی با امکان برش در برداشت و تحویل هم‏زمان با هدف افزایش رضایت مسافران در صنعت تاکسی‌رانی

هدف: استفاده از یک سیستم حمل‌ونقل مطمئن و امن برای بسیاری از اقشار جامعه اهمیت ویژه‌ای دارد. از این رو بسیاری از مشتریان ترجیح می‌دهند که از سیستم حمل‌ونقل مربوط به شرکت خود استفاده کنند. استفاده از یک مدل مسیریابی وسایل نقلیه با برداشت و تحویل هم‌زمان، در کاهش هزینه‌های حمل‌ونقل و ترافیک شهری تاثیر بسزایی دارد. در دنیای پُرشتاب امروزی، در صنعت تاکسی‌رانی، هرچه سرعت پاسخ‌گویی به مسافران بیشتر باشد، رضایت افزایش می‌یابد. تابع رضایت مسافر، بحث زمان‌بندی ماشین‌ها را نیز به مسئله اضافه می‌کند. در این پژوهش، یک مدل ریاضی دوهدفه برای مسئلۀ مکان‌یابی مراکز آژانس زمان‌بندی و مسیریابی با برداشت و تحویل هم‌زمان و توام با امکان برش در تقاضا ارائه شده است. هدف اول مدل، کاهش هزینه‌های عملیاتی حمل‌ونقل و هزینۀ تاسیس مراکز آژانس و هدف دوم نیز، افزایش سطح پاسخ‌گویی به مسافران است. یکی از نوآوری‌های مطالعه حاضر این است که در هدف دوم، تابع احتمال خرید را به‌منظور اندازه‌گیری رضایت مسافران، به مسائل مکان‌یابی مسیریابی با برش و برداشت و تحویل هم‌زمان اضافه کرده است.  روش: مطالعۀ حاضر از نظر هدف، در زمرۀ پژوهش‌های توسعه‌ای و از نظر نحوۀ گردآوری داده‌ها در زمرۀ پژوهش‌های توصیفی و از نظر پیاده‌سازی روش بهینه‌سازی، در زمرۀ روش‌های سخت پژوهش عملیاتی قرار می‌گیرد. مدل ریاضی پیشنهاد شده در این پژوهش، به‌کمک یک مثال موردی برای آژانس تاکسی تلفنی بانوان، در یکی از دانشگاه‌های رفسنجان، در ابعاد کوچک با استفاده از روش اپسیلون محدودیت توسعه‌یافته، در نرم‌افزار سیپلکس نسخه 12.1 حل شد. همچنین، در این پژوهش به‌منظور مطالعۀ عملکرد رویکرد حل مسئله، مثال‌هایی در ابعاد متوسط و بزرگ با استفاده از الگوریتم ابتکاری افق غلطان حل شد.یافته‌ها: مدل برای یک مسئله در ابعاد کوچک با 6 گرۀ مقصد و 2 گره به‌عنوان هاب حل و نتایج به‌دست‌آمده از حل مدل گزارش داده شد. در مدل پیشنهادی سه پارامتر مهم برای تحلیل حساسیت وجود دارد. این پارامترها عبارت‌اند از: نقطۀ کاهش رضایت (srp)، مدت زمان انتظار مسافر برای دریافت خدمت (wt) و حداکثر زمان در دسترس برای هر تاکسی (t). تغییرات مرز پارتو برای سه مقدار مختلف پارامتر wt، به‌طور واضح بیانگر این نکته است که هرچه مسافر برای دریافت خدمت تحمل انتظار بیشتری داشته باشد، به‌طبع آژانس هم قدرت پاسخ‌گویی بیشتری دارد. تحلیل حساسیت پارامتر نقطۀ کاهش رضایت (srp) نشان می‌دهد که هر چه نقطۀ کاهش رضایت مسافر بیشتر باشد، نارضایتی وی کمتر است. طبق تحلیل حساسیت پارامتر کل زمان در دسترس، با افزایش مقدار پارامتر t، میزان پاسخ‌گویی شبکه نیز افزایش و هزینه‌های حمل‌ونقل کاهش می‌یابد. در این پژوهش برای مطالعۀ عمکرد مدل ریاضی برنامه‌ریزی عدد صحیح مختلط در ابعاد بزرگ، از الگوریتم ابتکاری افق غلطان استفاده شد. به‌منظور اجرای آزمایش‌های عددی، سه گروه مسائل نمونه در ابعاد مختلف به‌صورت تصادفی تولید شد. الگوریتم افق غلطان روی مسائل نمونه اجرا شد. نتایج نشان داد که الگوریتم افق غلطان قادر است که مسائل با 12 گره را با خطای 001/0 درصد از جواب حل دقیق در زمان 3 دقیقه به‌دست آورد؛ درحالی که زمان حل مدل ریاضی عدد صحیح مختلط در این بُعد 15 دقیقه است. الگوریتم افق غلطان برای مسائل با 20 گره و 30 گره نیز حل شد. متوسط زمان حل این مسائل با استفاده از الگوریتم افق غلطان در مقایسه با مدل ریاضی که زمان زیادی را به خود اختصاص می‌داد، 5 دقیقه و 19 دقیقه گزارش شد.نتیجه‌گیری: در فضای رقابتی امروز و با وجود انواع سرویس‌های تاکسی‌رانی مانند اسنپ و تپسی و…، استفاده از مدل پیشنهادی برداشت و تحویل هم‌زمان، به همراه امکان برش در تقاضا و ترکیب آن با تابع رضایت مسافر، این امکان را فراهم می‌آورد تا ضمن اینکه رضایت مسافر حاصل شود، هزینه‌ها به حداقل برسد. استفاده از جدول پارتو به‌دست‌آمده از روش اپسیلون محدودیت توسعه‌یافته، گزینه‌های زیادی را در اختیار تصمیم‌گیرندگان امر قرار می‌دهد. استفاده از الگوریتم افق غلطان، امکان حل مسئله را در ابعاد بزرگ فراهم می‌کند. مهم‌ترین مزیت مدل این است که می‌توان از این مدل برای محصولات فاسد شدنی و سایر شرکت‌های خدماتی نیز استفاده کرد. بنابراین ضمن اینکه انواع شرکت‌های تاکسی‌رانی می‌توانند از نتایج این مدل بهره ببرند، به پژوهشگران آتی پیشنهاد می‌شود که از مدل حاضر برای آن دسته از اقلام فاسد شدنی که برداشت و تحویل آن‌ها به‌طور هم‌زمان انجام می‌شود و فساد محصول در نقطه صفر زمانی (برای همه گره‌ها) آغاز می‌شود، استفاده کنند.

a bi-objective model for agency centers location, scheduling, and routing in the taxi industry: incorporating split simultaneous pickup and delivery to maximize passenger satisfaction

objectivethis paper aims to enhance the efficiency and quality of service in the taxi industry by proposing a bi-objective mixed-integer programming (mip) model. the model focuses on minimizing total costs while maximizing passenger satisfaction, incorporating agency centers’ location, scheduling, and routing with split simultaneous pickup and delivery. methodsthis study is developmental-survey in nature and employs a descriptive-survey approach for data collection. methodologically, it falls under the hard operations research classification. an exploratory descriptive approach has been applied, using a ladies’ taxi agency affiliated with a university in rafsanjan city as a case study. the proposed model was solved for a small-scale case study using the augmented ɛ-constraint method in cplex software, version 12.1. additionally, medium- and large-scale instances were provided to evaluate the performance of the solution approach through the rolling horizon algorithm. resultsthe proposed model was first tested on a small instance with 6 destination nodes and 2 hubs, and detailed solution results were presented. three key factors were analyzed to evaluate their impact on real-world scenarios: satisfaction reduction point (srp), waiting time to receive services (wt), and total time for each taxi (t). the pareto frontier analysis for the bi-objective model across different wt values demonstrated that increasing wt improves responsiveness. sensitivity analysis of the srp parameter revealed that passengers with higher srp experience lower dissatisfaction levels. similarly, sensitivity analysis of the total time parameter (t) indicated that increasing t enhances network responsiveness while reducing transportation costs. to address larger instances, a mixed-integer programming (mip) model and a rolling horizon heuristic were developed and tested on three groups of test problems. results showed that the rolling horizon algorithm efficiently solved instances with 12 nodes to an optimality gap of less than 0.001% in about 3 minutes, compared to 15 minutes required by the mip model. for larger instances with 20 and 30 nodes, the rolling horizon algorithm completed in 5 and 19 minutes, respectively, whereas the mip model required significantly more time. conclusionin today’s rapidly evolving world of internet-based taxi services such as snap and tapsi, applying a bi-objective location, scheduling, and routing model with split simultaneous pickup and delivery can optimize both total transportation costs and passenger satisfaction. this paper employs an augmented -constraint method to solve the problem for small instances and conducts sensitivity analysis on key problem features. the resulting pareto points provide decision-makers with a wider range of options. for large-scale instances, the rolling horizon algorithm is used to efficiently solve the problem. the main advantage of the proposed model lies in its applicability not only to taxi agencies but also to supply chains for perishable products and other service industries. while taxi agencies can directly benefit from the model’s results, future research could extend the approach to perishable products where spoilage begins simultaneously at time zero across all nodes.