امروز : یکشنبه, ۲۷ خرداد , ۱۴۰۳
پایداری | متن کامل رایگان | حمل و نقل پاسخگو به تقاضا برای تحرک شهری: ادغام تجزیه و تحلیل داده های تلفن همراه برای تقویت سیستم های حمل و نقل عمومی
۱٫ معرفی مناطق شهری رشد قابل توجهی از جمعیت را تجربه میکنند و چالشی حیاتی را برای شهرها در رابطه با نحوه جابهجایی کارآمد مردم با حفظ کیفیت زندگی ساکنان و سایر کاربران افزایش میدهند. با الگوهای مسافرتی پویا و در حال تحول کاربران شهری، همگام شدن با تنوع نیازهای تقاضا برای سیستمهای حملونقل عمومی […]
۱٫ معرفی
علاوه بر این، DRT با ارائه راهحلهای تحرک متناسب با نیازهای مختلف جمعیت شهری، از جمله کسانی که در مناطق محروم یا دور افتاده زندگی میکنند، شمول اجتماعی را افزایش میدهد. انعطاف پذیری خدمات DRT دسترسی عادلانه به حمل و نقل، ارتقاء انسجام اجتماعی و افزایش کیفیت زندگی را برای همه ساکنان تضمین می کند. علاوه بر این، دسترسی و راحتی ارائه شده توسط DRT می تواند با تسهیل دسترسی به اشتغال، آموزش و خدمات ضروری، به توانمندسازی اقتصادی جوامع حاشیه نشین کمک کند. از دیدگاه زیست محیطی، با بهینه سازی کارایی مسیر و به حداقل رساندن مایل های خالی خودرو، DRT به کاهش تراکم و آلودگی هوا در مناطق شهری کمک می کند. بعلاوه، اتخاذ DRT تغییر حالتها را به سمت گزینههای حملونقل پایدارتر، مانند تحرک مشترک و حالتهای حملونقل فعال تشویق میکند و در نتیجه محیطهای شهری پاکتر و سبزتر را ترویج میکند. به طور کلی، اتخاذ حمل و نقل پاسخگو به تقاضا با افزایش کارایی اقتصادی، تقویت مشارکت اجتماعی و ترویج نظارت بر محیط زیست در سیستم های حمل و نقل شهری، با ستون های پایداری همسو می شود.
با برنامهریزی مسیرها کمی قبل از ارائه خدمات و بهینهسازی ویژگیهای خودرو برای نیازهای کاربر، DRT کل مسافت طی شده در محیطهای شهری را به حداقل میرساند و در عین حال پوشش رفت و آمد را حفظ میکند. با این حال، پرداختن به این اهداف از نظر محاسباتی به دلیل اهداف و محدودیتهای متعدد چالش برانگیز است. DRT ارتباط نزدیکی با مشکل مسیریابی خودروی دینامیکی (DVRP) دارد، یک مسئله ترکیبی معروف NP-hard، که هدف آن ارائه کارآمد تقاضا در حین برآورده کردن اهداف و محدودیتهای مختلف، مانند به حداقل رساندن تاخیرها، هزینهها و مسافت سفر است. راه حل های بهینه برای DVRP برای سیستم های DRT برای پاسخگویی به درخواست ها در زمان واقعی بسیار مهم است.
استفاده از تکنیکهای مبتنی بر داده برای ارزیابی کارایی سیستمهای حملونقل، ارتقای بهبود خدمات، و ایجاد زمینهای واقعی برای فرآیندهای نظارتی و تصمیمگیری آگاهانه ضروری است. ترکیب خدمات حمل و نقل بر اساس تقاضا، تجزیه و تحلیل داده های تلفن همراه مشتق شده از تلفن های همراه شخصی، و به کارگیری تجزیه و تحلیل داده ها، رویکردی مناسب برای درک پیچیدگی های پویایی حمل و نقل است.
این مطالعه یک چارچوب حمل و نقل بر اساس تقاضا را ارائه میکند که از راهحل بهینهسازی DRT استفاده میکند. این مولفههای اصلی چارچوب را تشریح میکند و بر نقش تجزیه و تحلیل دادههای چند منبعی و تلفن همراه در شناسایی و پاسخ به الگوهای سفر تأکید میکند. راه حل بهینه سازی DRT که زیربنای چارچوب است دارای دو جزء اصلی است: یک ماژول شبیه سازی و یک ماژول بهینه سازی مسیریابی که مسئول تنظیم پویا مسیرهای حمل و نقل بر اساس درخواست ها است. نتایج این مطالعه به بحثهای نظری و عملی در مورد تحرک شهری کمک میکند، شهرها را به سمت آینده هدایت میکند که در آن حملونقل عمومی برای نیازهای فردی سفارشیسازی میشود، به طور فزایندهای از نظر زیستمحیطی آگاهانه و ذاتاً کارآمد است.
۲٫ بررسی ادبیات
بر اساس بررسی، قابلتوجه است که بهینهسازی کارایی راهحلهای حملونقل انعطافپذیر، مانند DRT، که میتواند با نوسانات تقاضای پویا سازگار شود، با یکپارچهسازی دادههای چند منبعی، از جمله مجموعه دادههای تلفن همراه قابل دستیابی است. با بهترین دانش نویسندگان، این ادغام هرگز به روشی که در چارچوب پیشنهادی در این مطالعه انجام شده است، انجام نشده است. این یک چارچوب مبتنی بر داده را معرفی میکند که برای استفاده از ورودیهای داده چند منبعی -شامل دادههای واقعی تلفن همراه، اطلاعات تقاضا از اپراتورهای حملونقل و مجموعه دادههای حملونقل عمومی- برای اطلاعرسانی و بهبود راهحل بهینهسازی DRT طراحی شده است. متعاقباً، اثربخشی این چارچوب بهطور تجربی از طریق یک تحلیل مقایسهای با یک سرویس اتوبوس با برنامه ثابت معمولی در پورتو، پرتغال ارزیابی شده است. این مقایسه پتانسیل بهینه سازی مبتنی بر داده را در بهبود پاسخگویی و کارایی سیستم های DRT برجسته می کند و بر اهمیت راه حل های حمل و نقل سازگار در محیط های شهری تأکید می کند.
۳٫ مواد و روشها
این مطالعه بررسی میکند که آیا سرویس DRT شامل تقاضای انعطافپذیر ساخته شده بر روی دادههای تلفن همراه میتواند به کارایی عملیاتی بهتر و اثرات زیستمحیطی مربوطه منجر شود و سطح یکسانی از پوشش عرضه حملونقل را حفظ کند. برای این منظور، یک چارچوب تحرک تحلیلی در شهر پورتو، پرتغال پیشنهاد و اعمال شده است. ابزارهای مختلفی از جمله زبان برنامه نویسی پایتون، پانداها و QGIS برای پیاده سازی چارچوب و انجام پردازش و تحلیل داده ها استفاده شد. بخشهای فرعی زیر مجموعه دادههای مورد استفاده، چارچوب پیشنهادی و مروری بر منطقه مورد مطالعه را شرح میدهند.
۳٫۱٫ شرح مطالعه موردی
به دنبال توصیههای اپراتور در مورد مسیرهای ممکن برای ارزیابی اثربخشی چارچوب، مدل توسعهیافته در یک منطقه خاص در پورتو اعمال شد. هدف شناسایی یک منطقه با تقاضای بالا در شهر و ارزیابی این بود که آیا چارچوب و راه حل DRT نتایجی را ایجاد می کند که می تواند به تخصیص کارآمدتر منابع نسبت به سرویس اتوبوس خط ثابت موجود در شهر، که توسط مدیریت می شود، تبدیل شود. اپراتور STCP، Sociedade de Transportes Colectivos do Porto (اپراتور حمل و نقل عمومی پورتو).
۳٫۲٫ مجموعه داده ها
مجموعه داده هایی که بینش هایی را در مورد منطقه مورد مطالعه ارائه می دهند برای هر چارچوب داده محور ضروری هستند. نمونههایی از مجموعه دادههای ارزشمند شامل سوابق جزئیات تماس تلفن همراه (CDR)، ماتریسهای مبدا-مقصد، دادههای حرکت اتوبوس/تاکسی موجود، و ردیابی GPS است. چنین داده هایی می تواند به شناسایی نقاط مورد علاقه، محاسبه حرکت افراد در بین مناطق و تخمین احتمال توزیع تقاضا کمک کند. در این کار از دو نوع داده استفاده شده است:
-
اولین مجموعه داده شامل داده های تلفن همراه ناشناس در قالب ماتریس های مبدا-مقصد (O-D) است. این شامل یک رکورد سه هفته ای داده از اپراتور تلفن همراه است که برای شهرداری های منطقه شهری پورتو جمع آوری شده است. این شامل اطلاعاتی مانند زمان، شهرداری، مبدا، مقصد، تعداد ورودی و خروجی بود.
-
مجموعه دوم داده های تحرک بود که شامل داده های شبکه STCP (شرکت حمل و نقل عمومی که اتوبوس ها و ترامواها را در منطقه شهری پورتو، پرتغال اداره می کند.) داده های تحرک شامل مسیرهای اتوبوس، ایستگاه های اتوبوس، زمان توقف، فرکانس بود. ، سفرها و غیره. اپراتور همچنین جریان های تقاضای واقعی را ارائه می کند.
این مجموعه داده ها در مراحل مختلف چارچوب برای تجزیه و تحلیل الگوی تحرک منطقه و استخراج اطلاعات مورد نیاز برای اجرای شبیه سازی DRT مورد استفاده قرار گرفته اند، همانطور که در بخش های بعدی توضیح داده شده است.
۳٫۳٫ چارچوب تحرک تحلیلی
این بخش مراحل چارچوب پیشنهادی را تشریح و تشریح می کند و نشان می دهد که چگونه مراحل در مجموعه داده ها و مطالعه موردی اعمال شده است. این چارچوب شامل چهار مرحله برای پردازش داده های چند منبعی است و از یک راه حل بهینه سازی DRT استفاده می کند. این شامل تجزیه و تحلیل و تخمین الگوهای تحرک با استفاده از مجموعه داده های واقعی برای تغذیه ورودی های مورد نیاز به راه حل بهینه سازی DRT است.
-
مرحله پردازش داده شامل تمیز کردن، تجسم، تجزیه و تحلیل و پردازش مجموعه داده ها برای به دست آوردن اطلاعات لازم است. هدف این مرحله این است که اپراتورها و طرفهای ذینفع بتوانند با تجزیه و تحلیل مناطق کانونی، بررسی در دسترس بودن دادههای تحرک برای مناطق انتخابشده، و شناسایی اتوبوسهای ترانزیت ثابت موجود، منطقه (منطقههایی) را که در آن راهحل DRT را اعمال میکنند، شناسایی و تعریف کنند. خطوط؛
-
مرحله آماده سازی ورودی ورودی های مورد نیاز برای راه حل های بهینه سازی DRT (مرحله ۳) را از داده های پردازش شده محاسبه می کند. این اطلاعات ممکن است شامل اطلاعات سفر و شبکه حمل و نقل، توزیع احتمال تقاضای مکانی، مکانهای حمل و نقل، زمان سفر و غیره باشد.
-
بهینه سازی تحرک شامل اجرای بهینه ساز DRT است. از ورودی های آماده شده در مرحله قبل استفاده می کند و راه حل شبیه سازی/بهینه سازی DRT را اجرا می کند.
-
در نهایت، در مرحله ۴، نتایج بهینهسازی پردازش و ذخیره میشوند و میتوانند از طریق پایگاه داده یا داشبورد قابل دسترسی باشند.
۳٫۳٫۱٫ مرحله پردازش داده ها
در طول این مرحله، مجموعه داده ها باید تحت یک فرآیند پاکسازی داده ها قرار گیرند تا خطاها و نقاط داده تکراری حذف شوند. پس از آن، تکنیک های تجسم برای کمک به تجزیه و تحلیل و استخراج اطلاعات ضروری استفاده می شود. علاوه بر این، هر گونه ناهنجاری در مجموعه داده ها شناسایی و حذف می شود. در نهایت، داده های پردازش شده برای شناسایی مناطق هات اسپات و ارزیابی در دسترس بودن داده های تلفن همراه و تحرک در مناطق انتخاب شده، که برای بررسی خطوط اتوبوس حمل و نقل ثابت موجود برای انتخاب نقاط سوار شدن و رها کردن استفاده می شود، استفاده می شود.
اسکریپت های پایتون برای انجام این مرحله توسعه یافتند که از کتابخانه های مختلفی از جمله پانداها برای تجزیه و تحلیل داده ها استفاده می کردند. O-D برای مناطق بخش آماری شهر پورتو از مجموعه داده ها استخراج شد. اسکریپت ها به تجزیه و تحلیل داده ها بر اساس حجم حرکات رخ داده بین مناطق مختلف شهر کمک می کنند. این محاسبات به صورت ساعتی و روزانه با هدف تعیین میانگین و مجموع این حرکات انجام شد. تجزیه و تحلیل داده ها همچنین درک ساعات اوج مصرف روزانه، الگوهای تحرک، و ناهنجاری های بالقوه در الگوهای تحرک (مانند موارد ناشی از رویدادها) را امکان پذیر کرد. در نتیجه تجزیه و تحلیل، قبل از استفاده از دادهها در راهحل بهینهسازی تحرک، این ناهنجاریها را از مجموعه دادهها شناسایی و حذف کردیم.
سپس، دادهها با دادههای تحرک همپوشانی شدند، که به شناسایی خدمات اتوبوس، مسیرها، ایستگاههای اتوبوس، و برنامههای تحت پوشش دادههای تلفن همراه کمک کرد. این امر درک حرکات و الگوهای تحرک را در رابطه با داده های تحرک تسهیل می کند و امکان شناسایی خطوط اتوبوس حمل و نقل ثابت در مناطق با درخواست های بالا را فراهم می کند. در بخش تنظیمات آزمایشی، تجزیه و تحلیل بیشتری از این یافته ها ارائه شده است.
۳٫۳٫۲٫ مرحله آماده سازی ورودی
در این مرحله، داده های استخراج شده از مرحله ۱ را می توان برای استنتاج ورودی های مورد نیاز برای راه حل های DRT/Mobility در مرحله ۳ استفاده کرد. بسته به راه حل تحرک انتخابی، ورودی های مختلفی ممکن است لازم باشد. این مطالعه اطلاعات ورودی را برای بهینه ساز DRT با ادغام داده های موبایل و تحرک تولید کرد. این شامل اطلاعات سفر و شبکه مانند مسیرها، توزیع احتمال تقاضای مکانی برای هر منطقه، مکانهای حمل و نقل و زمان سفر بود.
در طول این مرحله، پتانسیل گروهبندی مناطق به شبکهها برای کاهش تعداد مناطق، با هدف به حداقل رساندن پیچیدگیهای محاسباتی و هزینه وجود دارد.
۳٫۳٫۳٫ مرحله بهینه سازی تحرک
در این مرحله، اطلاعات سفر و شبکه (از مرحله قبل) به راه حل بهینه سازی DRT وارد شد که پارامترهای مختلفی مانند مسیرها، تعداد اتوبوس ها، زمان تحویل و خروج و غیره را بهینه می کند. اهداف. این شامل تعیین ایستگاهها و تعداد اتوبوسهای مورد نیاز و ارزیابی معیارهای ضروری مانند ردپای کربن، کل مسافت طی شده و تعداد درخواستهای برآورده شده است.
شبیهساز درخواستهای سفر با ترتیب زمانی را بر اساس الگوی درخواست سفر تولید میکند. این درخواستها ورودیهایی به ماژول بهینهسازی مسیر هستند که با در نظر گرفتن ناوگان وسایل نقلیه (با مکانهای مربوطه و سایر ویژگیهای مدل وسیله نقلیه) و زمانهای سفر مورد انتظار، تلاش میکنند تا هر درخواست را برآورده کنند.
مجموعه پارامترهای پشتیبانی شده توسط پلت فرم، شبیه سازی طیف گسترده ای از سیستم های حمل و نقل بر اساس تقاضا، یعنی مدل سازی ناوگان های مختلف خودرو (تعداد وسایل نقلیه، ظرفیت، ساختار هزینه و غیره)، مناطق خدماتی مختلف (تعداد توقف ها، فواصل، سرعت های متوسط و غیره)، درجات مختلف پویایی (درخواست های بلادرنگ)، و ساختارهای مختلف تقاضا (تعداد درخواست ها، توزیع مکانی و زمانی درخواست ها و غیره).
در این راه حل، فرض بر این است که مسافران نقاط شروع و پایان را از مکان های از پیش تعریف شده انتخاب می کنند. آنها توسط ناوگان وسایل نقلیه ای که تعداد صندلی های مساوی دارند، خدمات رسانی خواهند کرد. چند مسافر می توانند یک وسیله نقلیه مشترک داشته باشند، به عنوان مثال، یک مینی بوس. هر مکان، به جز انبار، می تواند برای بارگیری، تحویل یا هر دو مورد استفاده قرار گیرد. در یک نقطه وانت، مسافران مختلف می توانند مقاصد مختلفی داشته باشند.
ماژول شبیه سازی ارائه شده در این کار شامل ۴ جزء است: مدل منطقه خدمات، مدل درخواست سفر، مدل وسیله نقلیه، و یک مولد رویدادهای زمان واقعی. مروری کوتاه بر اجزای سازنده در زیر آورده شده است:
-
مدل منطقه خدمات: برای شبیهسازی واقعی حرکت خودرو، شبیهسازی شبکه فیزیکی جاده و تغییرات تصادفی زمان سفر در بخشهای شبکه را مدلسازی میکند. شبکه با مجموعه ای از ایستگاه ها و خطوطی که ایستگاه ها را به هم متصل می کنند، مدل سازی می شود. هر مسیر با میانگین زمان سفر و انحراف استاندارد به عنوان تابعی از زمان روز بر اساس داده های تاریخی مرتبط است.
-
مدل درخواست سفر: هدف از مدل درخواست سفر، ایجاد درخواستهای سفر با ساختاری منطبق با منطقه مورد مطالعه و شبکه جادهای است که سرویس در آن فعالیت میکند. سیستم شبیه سازی تعریف شده دو نوع درخواست حمل و نقل ایجاد می کند: درخواست های حمل و نقل “پیشینی” (قبل از شروع سرویس) و درخواست های حمل و نقل بلادرنگ (سفارش هایی که در طول زمان سرویس می رسند).
-
نوع وسایل نقلیه: وسایل نقلیه را با ویژگی هایی مانند ظرفیت، هزینه های عملیاتی، دوره در دسترس بودن و محل دپو متمایز می کند. به طور مداوم وضعیت وسایل نقلیه را که میتواند در انبار، ایستگاههای تحویل، تحویل یا در مسیر باشد، ردیابی و بهروزرسانی میکند، در حالی که دادههایی مانند مسیرها، توقفها، سرعتها، موقعیتها و تأخیرها را حفظ میکند. سیستم مبتنی بر صف برای درخواست های اختصاص داده شده در یک شبیه سازی رویداد گسسته.
-
مدل رویداد بلادرنگ: این رویدادها در سیستم را می توان به طور کلی به رویدادهای مربوط به کاربر و خودرو دسته بندی کرد. رویدادهای مرتبط با کاربر شامل درخواستهای بلادرنگ جدید، لغو و عدم نمایش است. رویدادهای مربوط به وسیله نقلیه ورود در توقف، خرابی در حین سرویس و تأخیر است. هر بار که کاربر سرویسی را درخواست می کند، الگوریتم باید با تغییر شرایط سیستم، تصمیمی برای مسیریابی و زمان بندی بگیرد. این سیستم تصمیم می گیرد که کدام وسیله نقلیه باید به مشتری جدید و در چه موقعیتی در مسیر وسیله نقلیه فعلی خاص خدمت کند.
NRFمن = بج سیمن + NPمن +بپ PTمن + بد DTمن∀من ∈ NS،
جایی که NS لیست گره هایی است که هنوز در راه حل نیستند. سیمن هزینه رفتن از گره به گره فعلی است من. NPمن لیستی از تعداد مسافران در هر گره است من. PTمن لیستی از محدودیت های زمانی پایین تر برداشتن گره است من. DTمن محدودیت زمانی کمتر تحویل در هر گره است من. بج، بپ، و بد به ترتیب وزن هزینه، تحویل و زمان تحویل است.
۳٫۳٫۴٫ مرحله خروجی
در مرحله آخر، نتیجه بهینه ساز DRT در یک پایگاه داده ذخیره می شود و به عنوان داشبورد ارائه می شود تا نتایج را به صورت کاربر پسند نمایش دهد. این به افراد علاقه مند اجازه می دهد تا از نتیجه برای تصمیم گیری یا توسعه برنامه های کاربردی برای دسترسی به داده ها در پایگاه داده استفاده کنند. نتیجه بهینه ساز اطلاعات مورد نیاز برای تصمیم گیری موثر مرتبط با DRT را فراهم می کند.
۴٫ راه اندازی آزمایشی
این بخش فرآیند انتخاب بستر آزمایشی را از طریق تجزیه و تحلیل داده ها تشریح می کند. سپس تنظیمات شبیه سازی و پارامترهای به کار گرفته شده در آزمایش را شرح می دهد.
۴٫۱٫ نتایج تجزیه و تحلیل داده ها
در این مجموعه داده ها، اشاره شد که می بیشترین حرکت تقاضای کلی را در مجموعه داده ها به نمایش گذاشت. از طریق تجزیه و تحلیل، ما مشخص کردیم که این افزایش تقاضا مستقیماً تحت تأثیر رویدادهای قابل توجهی است که در آن ماه در شهر رخ می دهد، مانند جشن Queima das Fitas (هفته مهمانی دانشجویان دانشگاه). همچنین داده های ارائه شده برخی از مناطق بخش آماری را پوشش نمی دهد. بنابراین، داده ها از ناهنجاری ها پاک شدند. پس از این فرآیند، مشخص شد که ۱ ژوئن بین ساعت ۱۲ ظهر تا ۱۴ ساعت ۳۰ دقیقه بیشترین حجم حرکات را داشته است. این اطلاعات در طول شبیه سازی استفاده می شود.
۴٫۲٫ انتخاب بستر آزمایشی
مسیر Asprela به مرکز شهر به عنوان جفت محوری مطالعه موردی برای تعیین مناسب ترین منطقه برای ارزیابی چارچوب و راه حل DRT بر اساس توصیه اپراتور و داده های تجزیه و تحلیل شده انتخاب شد. دلایل انتخاب این مسیر عبارت بودند از:
-
همانطور که در بخش نتیجه نشان داده شده است، داده های تلفن همراه حرکت بالایی را در این مناطق نشان می دهد.
-
آسپرلا منطقهای است که چندین دانشکده از دانشگاه پورتو و بیمارستان اصلی شمال پرتغال در آن واقع شدهاند، در حالی که مرکز شهر میزبان مرکز تاریخی پورتو و مکانهای محبوب غذاخوری و سرگرمی است.
۴٫۳٫ راه اندازی شبیه سازی
تعداد وسایل نقلیه حداکثر تعداد مینی بوس هایی است که در شبیه سازی استفاده می شود. ظرفیت وسیله نقلیه حداکثر تعداد مسافرانی است که می توانند سوار یک وسیله نقلیه شوند. نرخ رسیدن درخواست بلادرنگ، به عنوان مثال، شدت درخواستهای جدید ایجاد شده، به عنوان یک فرآیند پواسون مدلسازی میشود و با درخواست Lambda نشان داده میشود. میانگین زمان سفر میانگین زمان سفر در منطقه خدماتی است. زمان سفر انحراف استاندارد نشان دهنده انحراف استاندارد زمان سفر در منطقه خدماتی است. پارامترهای میانگین و انحراف استاندارد زمان سفر در شبیهسازی برای تولید زمانهای تحویل “مطلوب” برای خدمات حملونقل استفاده میشوند که در آن کاربران زمان تحویل و تحویل را مشخص میکنند. تعداد درخواست ها حداکثر تعداد درخواست های ایجاد شده در طول دوره خدمات است. پنجره زمان حداکثر زمانی است که کاربران می توانند در هر توقفی که اپراتور تعیین می کند بپذیرند. تنظیم اندازه پنجره زمانی باید خدمات مشتری را با تأثیر بر بهره وری و هزینه متعادل کند. “مدت سرویس” مدت زمان سرویس DRT است.
۵٫ نتایج تجربی
بهینه ساز DRT استفاده از چهار مینی بوس را برای منطقه مورد مطالعه توصیه می کند تا تقاضا را برآورده کند. این راه حل با توجه به تعداد مسافران سرویس دهی شده، مسافت طی شده، هزینه و مصرف سوخت بهینه شده است. می توان نتیجه گرفت که برآوردن ۵۰ درخواست حمل و نقل با استفاده از چهار مینی بوس، با میانگین تاخیر در مسافرگیری کمتر از ۳ دقیقه، بازدید از ۸۶ ایستگاه، در مجموع ۷۳ کیلومتر طی شده امکان پذیر است. در مقایسه، سرویس معمولی STCP برای مدت مشابه، مسیرهایی را هر ۳۰ دقیقه برای خطوط ۳۰۰ و ۳۰۱ دارد. این بدان معناست که برای هر خط: بازدید از ۲۲۵ ایستگاه (۴۵ در هر سرویس، پنج سرویس در ۲ ساعت و ۳۰ دقیقه)، کل مسافت طی شده ۱۷۴ کیلومتر و یک اتوبوس (برای هر خط).
در نهایت، با توجه به ماهیت پویای حمل و نقل بر حسب تقاضا، استفاده از چنین راه حل بهینه سازی شده ای به اپراتورها اجازه می دهد تا همان تعداد مسافر را با منابع کمتر در خود جای دهند و میانگین زمان انتظار و سفر را کاهش دهند. علاوه بر این، به کاهش هزینه ها و بهبود کیفیت خدمات کمک می کند.
۶٫ بحث
این مطالعه نشان میدهد که استفاده از منابع داده چندگانه فرصتهای متنوعی را برای تجزیه و تحلیل، طراحی و اجرای راهحلهای حملونقل بر اساس تقاضای انعطافپذیر ارائه میدهد. یافته ها نشان می دهد که اجرای چنین چارچوبی می تواند پیامدهای مختلفی هم برای کاربران و هم برای ارائه دهندگان خدمات داشته باشد. در مطالعه موردی، این راه حل می تواند درخواست ها را با چهار مینی بوس برآورده کند، در حالی که حمل و نقل خط ثابت به دو اتوبوس با اندازه کامل نیاز دارد تا همان تقاضا را برآورده کند، که ممکن است بر هزینه ها و کیفیت خدمات تأثیر بگذارد. دستمزد رانندگان دو در مقابل چهار وسیله نقلیه با کاهش مسافت طی شده توسط آن وسایل نقلیه و هزینه های عملیاتی مرتبط جبران می شود. راه حل DRT به ۸۶ توقف نیاز داشت که ۱۳۵ درصد کمتر از خط ثابت حمل و نقل (۴۵۰ ایستگاه اتوبوس برای هر دو خط ۳۰۰ و ۳۰۱) بود و ۸۱ درصد کیلومتر کمتر را انجام داد. بر خلاف ترانزیت خط ثابت که بر اساس یک برنامه ثابت عمل می کند، سیستم های DRT برنامه های حمل و نقل انعطاف پذیرتری را ارائه می دهند. در این مورد، مسافران در کمتر از سه دقیقه سوار شدند که کاهشی ۱۶۳ درصدی نسبت به فواصل ۳۰ دقیقه ای حمل و نقل ثابت دارد. علاوه بر این، با توجه به نوع وسیله نقلیه و مسافت طی شده، ردپای کربن DRT 73 درصد کمتر از حمل و نقل خط ثابت است. علاوه بر این، سرمایه گذاری های برنامه ریزی شده در اتوبوس های برقی می تواند انتشار گازهای گلخانه ای را بیشتر کاهش دهد.
این نتایج نشان میدهد که چنین چارچوبها و سیستمهای DRT پتانسیل تأثیرات مثبتی بر تجربه و محیط مسافران دارند. علاوه بر این، آنها به ارائه دهندگان خدمات فرصتی برای افزایش کیفیت خدمات و مدیریت هزینه های عملیاتی خود با استفاده از این روش ها برای پیاده سازی سیستم های DRT برای تکمیل یا جایگزینی حمل و نقل موجود خود در طول دوره های خاموش یا پر تقاضا ارائه می دهند.
مزیت استفاده از چنین چارچوبی این است که ارائه دهندگان خدمات می توانند از چارچوب زیر استفاده کنند:
-
برای انتخاب مناطق برای پیاده سازی راه حل های DRT، به عنوان مثال، شناسایی مناطقی که DRT برای جایگزینی، تکمیل یا معرفی خدمات جدید مورد نیاز است.
-
برای انجام یک مطالعه امکان سنجی. قبل از پیادهسازی سیستمهای DRT، ارائهدهندگان ممکن است نیاز داشته باشند که تصمیمگیری خود را بر اساس تجزیه و تحلیل هزینه، کیفیت خدمات و اثرات زیستمحیطی قرار دهند. از این رو، چنین تحلیل امکان سنجی را می توان با استفاده از چارچوب و مجموعه داده های چند منبعی که وضعیت فعلی یا تاریخی مناطق را نشان می دهد، انجام داد.
-
تصمیم گیری در زمان واقعی ناوگان. چنین چارچوبی میتواند برای برنامهریزی پویا ناوگان، محاسبه مسیرها بر اساس شرایط شبکه جادهای بلادرنگ، و تخصیص پویا مسافران به وسایل نقلیه استفاده شود. بنابراین، به طور بالقوه می تواند منجر به عملیات انعطاف پذیر و پویا ناوگان شود که می تواند به تغییرات در شبکه جاده ها و درخواست های تقاضا پاسخ دهد.
داده ها نقش مهمی در این چارچوب های داده محور دارند. این چارچوبها میتوانند با بهرهگیری از دادهها با جزئیات مکانی-زمانی دقیقتر، مؤثرتر عمل کنند. با این حال، در حالی که استفاده از دادههای تلفن همراه میتواند بینش ارزشمندی در مورد ردیابی رفتار تحرک ارائه دهد، آنها همچنین مستلزم برخی محدودیتها هستند. دسترسی به سیگنالهای دادههای تلفن همراه ممکن است دشوار باشد زیرا استفاده از آنها نگرانیهایی را در مورد حفظ حریم خصوصی ایجاد میکند، زیرا شامل ردیابی حرکات و فعالیتهای افراد میشود که مستلزم ناشناسسازی قوی دادهها و اقدامات حفاظتی است. علاوه بر این، این دادهها ممکن است در همه زمینهها در دسترس یا قابل اعتماد نباشند، که منجر به شکافهایی در پوشش دادهها به دلیل عواملی مانند قدرت سیگنال، مشکلات تعمیر و نگهداری، یا سایر مسائل مربوط به زیرساخت شبکه میشود. برای غلبه بر این محدودیتها، نویسندگان چارچوبی را پیشنهاد میکنند که شامل سایر منابع داده، مانند دادههای انتقال تقاضای واقعی و دادههای زیرساخت است، به طوری که امکان استخراج حداکثر مقدار از دادههای تلفن همراه و کاهش محدودیتهای مربوطه با افزایش دقت و قابلیت اطمینان وجود دارد. نمایش تقاضا که مدل بهینه سازی باس بر روی تقاضا را تغذیه می کند.
۷٫ نتیجه گیری
این مطالعه چارچوبی را معرفی کرد که از یک رویکرد داده محور پیروی می کند و از مدل شبیه سازی حمل و نقل پاسخگو به تقاضا (DRT) استفاده می کند. داده های تلفن همراه ناشناس و داده های حمل و نقل عمومی برای تجزیه و تحلیل نقاط داغ، نرخ تقاضا، ساعات اوج مصرف و غیره برای شهر پورتو، پرتغال استفاده شد. سپس این اطلاعات به عنوان ورودی مدل DRT استفاده می شود. در مقایسه با اتوبوس های حمل و نقل عمومی در منطقه انتخاب شده، نتایج نشان می دهد که چنین سیستم هایی می توانند مسافت طی شده، تعداد مسافران سرویس دهی شده، تاخیر و تعداد توقف های مورد نیاز را بهبود بخشند. چنین روشهای مبتنی بر دادهها میتوانند ارائهدهندگان خدمات حملونقل را قادر میسازند تا در حین تجزیه و تحلیل و اجرای راهحلهای جابجایی جدید بر اساس تقاضا، تصمیمات آگاهانهتری بگیرند.
این مطالعه دو سهم اصلی را در زمینه برنامه ریزی حمل و نقل ارائه می دهد. اولین مشارکت نظری است و چارچوبی را ایجاد می کند که مجموعه داده های استفاده نشده را برای برنامه ریزی حمل و نقل یکپارچه می کند. این به طور قابل توجهی کارایی حمل و نقل را بهبود می بخشد و امکان افزودن موارد جدید را در آینده فراهم می کند. سهم دوم عملی است و ابزاری را ارائه میکند که در زمینههای جغرافیایی مختلف قابل اجرا است و برای سیاستهای مدیریتی استراتژیک متنوع سازگار است.
به عنوان یک مشارکت عملی، این چارچوب را می توان با ارزیابی تأثیرات یک سیستم DRT در یکی از خطوط، یک منطقه OD انتخابی یا از طریق کل شبکه در استراتژی های اپراتورهای حمل و نقل ادغام کرد. علاوه بر این، برای مناسبتر کردن چارچوب برای ارزیابی آنلاین مسیرها، میتوان از روشهای یادگیری ماشینی برای کاهش زمان و هزینه مورد نیاز برای حل بهینهسازی مسیریابی استفاده کرد. داشتن کمیت اثرات عملیاتی و زیست محیطی قبل از اجرای آن می تواند اپراتورهای حمل و نقل را به سمت انتخاب گزینه هایی سوق دهد که بهتر با هدف خدماتشان مطابقت دارند و در عین حال به بررسی دقیق جامعه در مورد ردپای کربن آن پاسخ می دهند.
منبع:
۱- shahrsaz.ir , پایداری | متن کامل رایگان | حمل و نقل پاسخگو به تقاضا برای تحرک شهری: ادغام تجزیه و تحلیل داده های تلفن همراه برای تقویت سیستم های حمل و نقل عمومی
,۲۰۲۴-۰۵-۲۲ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2071-1050/16/11/4367
ادغام , برای , به , پاسخگو , پایداری , تجزیه , تحرک , تحلیل , تقاضا , تقویت , تلفن , حمل , داده , رایگان , سیستم , شهری , عمومی , کامل , متن , نقل , های , همراه
- دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
- پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
- پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.