ارائه مدل چندهدفه مسیریابی در شبکه سیستم‌های حمل و نقل عمومی چندوجهی درون‌شهری

توسعه انواع سیستم‌های حمل‌ونقل عمومی شهری که هر کدام مناطق مختلفی را پوشش می‌دهند، مسئله انتخاب نوع سیستم حمل‌ونقل و تعیین مسیر مناسب سفر بین دو ایستگاه مبداء و مقصد مشخص را برای مسافران و استفاده کنندگان سیستم های حمل‌ونقل عمومی دشوار کرده است. در شهرهای بزرگ مانند تهران شبکه‌ای از سیستم‌های حمل‌ونقل عمومی موسوم به سیستم‌های چندوجهی شامل ایستگاه‌ها به عنوان گره‌ها و وسایل حمل‌ونقل عمومی واسط بین دو ایستگاه متوالی به عنوان کمان‌های آن تشکیل می‌شود. مسافران پیوسته به دنبال روشی برای یافتن مسیر بهینه در شبکه‌های حمل‌ونقل چندوجهی پیچیده می‌باشند تا با کمترین هزینه و سردرگمی از مبدا مشخص به مقصد مورد نظر خود برسند. در این مقاله، جهت مسیریابی در شبکه‌های سیستم‌های حمل‌ونقل چندوجهی مدلی برنامه‌ریزی ریاضی چندهدفه با سه تابع هدف توسعه داده شده‌است. اهداف مدل ارائه ‌شده، حداقل‌کردن هزینه، زمان سفر و تعداد تغییر نوع وسایل نقلیه می‌باشد. ضمن بررسی اعتبارسنجی مدل‌ها با مسائل آزمون، دو الگوریتم دقیق و فراابتکاری (الگوریتم مورچگان) برای حل مدل پیشنهادی توسعه داده شده است. نتایج ارزیابی عملکرد روش‌های حل نشان می‌دهد زمان حل مسائل با روش دقیق برای مسائل با بیش از 15 گره غیرکارا است. در حالی که الگوریتم فراابتکاری، مسائل نمونه را با کیفیتی مشابه روش دقیق اما با زمان منطقی ارائه می‌کند.

A mathematical multiobjective model for routing in the multimodal public transportation network

The development of a variety of public transportation systems that cover different areas, has made it difficult for passengers and users to choose the type of transportation system and appropriate route between two specified departures. In large cities such as Tehran, a network of public transportation systems, called multimodal systems, consist of stations as nodes and public transport vehicles intermediate between the two consecutive stations as arcs, is formed. Travelers are looking continuously for a way to find the optimal route in complex multimodal transportation networks to reach their desired destination with minimal cost and confusion. In this paper, two linear and nonlinear multiobjective programming models with three objective functions have been developed for routing in multimodal transport systems. The objectives of the proposed model are to minimize the cost, travel time and the number of vehicle types. By examining the validation of models by test issues, two exact and metaheuristic algorithms (ant colony algorithm) have been developed to solve the proposed model. The results of the evaluation of the performance of the solving methods indicate that problem solving by exact method for networks with more than 15 nodes are nonoperating, while the metaheuristic algorithm provides the same problems with same precision in the exact method but with logical time.