پایداری | متن کامل رایگان | یک روش تولید طرح مبتنی بر نمودار برای سازماندهی ترافیک متغیر در پارکینگ ها - شهرساز | سایت تخصصی شهرسازی با هوش مصنوعی | شهرساز

بهترین آموزش های کاربردی در شهرسازی

بهترین آموزش های کاربردی در شهرسازی را از Urbanity.ir بخواهید

…

ادامه ...

خرید درب شیشه ای سکوریت با بهترین قیمت از تتراگلس

ادامه ...

Wednesday, 26 June , 2024
امروز : چهارشنبه, ۶ تیر , ۱۴۰۳

آخرین اخبار »

شناسه خبر : 19726

ارسال

پرینتخانه » مقالات تاریخ انتشار : 04 ژوئن 2024 - 3:30 | 13 بازدید | ارسال توسط : riazat

پایداری | متن کامل رایگان | یک روش تولید طرح مبتنی بر نمودار برای سازماندهی ترافیک متغیر در پارکینگ ها

جنبه های بارز مطالعه در مورد تولید و انتخاب طرح های سازماندهی ترافیک متغیر در پارکینگ ها به شرح زیر است: ۳٫۱٫ نمایش نمودار برای پارکینگ ها برای تسهیل تجزیه و تحلیل کمی روش‌های سازمان‌دهی ترافیک در تأسیسات پارکینگ، که اغلب شامل تقاطع‌های داخلی متعدد جاده‌ای، بخش‌های گسترده جاده‌ای، و توپولوژی‌های شبکه جاده‌ای پیچیده است، […]

جنبه های بارز مطالعه در مورد تولید و انتخاب طرح های سازماندهی ترافیک متغیر در پارکینگ ها به شرح زیر است:

۳٫۱٫ نمایش نمودار برای پارکینگ ها

برای تسهیل تجزیه و تحلیل کمی روش‌های سازمان‌دهی ترافیک در تأسیسات پارکینگ، که اغلب شامل تقاطع‌های داخلی متعدد جاده‌ای، بخش‌های گسترده جاده‌ای، و توپولوژی‌های شبکه جاده‌ای پیچیده است، ضروری است که این عناصر فیزیکی در یک مدل ریاضی انتزاع شوند.

ساختارهای نمودار اغلب برای توصیف ساختارهای شبکه ترافیک پیچیده استفاده می شود. گراف یک ساختار ریاضی انتزاعی است که از گره ها و لبه ها تشکیل شده است که روابط بین اشیاء را توصیف می کند. در میان آنها، گره ها اشیا، موجودیت ها یا مکان ها را در نمودار نشان می دهند که معمولاً با حروف یا اعداد نشان داده می شوند. به عنوان مثال، یک مجموعه گره را می توان به صورت زیر نشان داد: V = {A, B, C, D} که در آن A, B, C, D گره هایی در نمودار هستند. لبه ها بخش های خطی هستند که گره ها را در یک نمودار به هم متصل می کنند و برای نشان دادن روابط بین گره ها استفاده می شوند. لبه ها می توانند جهت دار یا بدون جهت باشند و می توانند توسط یک جفت گره نمایش داده شوند. به عنوان مثال، (A, B) نشان دهنده یال بدون جهت اتصال گره A و گره B و (A → B) نشان دهنده یال جهت دار از گره A به گره B است.

روش‌های ساختار گراف معاصر برای تحلیل ساختارهای شبکه ترافیک معمولاً به رویکرد اولیه و رویکرد دوگانه تقسیم می‌شوند که مشروط به روش انتزاعی اعمال شده در شبکه ترافیک دنیای واقعی است. این رویکردها به طور گسترده در ادبیات بحث شده است [۳۶,۳۷]، به عنوان نمونه ای برای تعیین اجزای زیرساخت و وابستگی های متقابل آنها و برای مدل سازی چالش های دنیای واقعی برای ابداع راه حل های عملی عمل می کند.

انتخاب یک الگوی مدلسازی برای نشان دادن شبکه پارکینگ تأثیر اساسی بر نتایج تحقیق دارد. با وجود این، روش‌های رایج عمدتاً به ترسیم شبکه‌های جاده‌ای می‌پردازند، با توجه کمی به مدل‌های شبکه پارکینگ. همانطور که در نشان داده شده است شکل ۲، یک نمودار شبکه ترافیک جاده ای فرضی با استفاده از هر دو رویکرد اولیه و دوگانه نشان داده شده است و اعداد در شکل شماره سریال گره ها هستند.

(الف) رویکرد اولیه: این روش عناصر فیزیکی یک شبکه حمل و نقل، مانند تقاطع ها (گره ها)، جاده ها و اتصالات را به عنوان یک نمودار نشان می دهد. در این نمودار، تقاطع ها به گره تبدیل می شوند و جاده های بین آنها به لبه تبدیل می شوند. این به تجزیه و تحلیل طرح شبکه، ظرفیت جاده، جریان ترافیک، تراکم و سایر پارامترهای عملی کمک می کند.

(ب) رویکرد دوگانه: این روش جاده ها و مسیرهای اتوبوس (امکانات خط) را به عنوان نقاط (راس) روی نمودار نشان می دهد. اتصالات بین این جاده ها یا مسیرها، مانند تقاطع های مشترک یا نقاط انتقال، به خطوط (لبه) تبدیل می شوند. این رویکرد برای تجزیه و تحلیل مسیرهای بهینه، حداکثر جریان، حداقل برش ها و سایر ویژگی های شبکه ترافیک مفید است.

با این حال، در چارچوب سازمان ترافیک متغیر پارکینگ، هر دو روش ذکر شده دارای محدودیت هایی هستند. در حالی که رویکرد اولیه، مطابقت مستقیم بین گره‌ها و لبه‌ها، و همچنین تقاطع‌ها و بخش‌های جاده را حفظ می‌کند، ممکن است نابرابری‌هایی در انسجام و روابط مفصلی ایجاد شود که به طور بالقوه یک جاده پیوسته را به بخش‌های متعدد تقسیم می‌کند یا گره‌های موقعیت‌یابی را در بخش‌های جاده‌ای که با قوانین مطابقت ندارند، ایجاد می‌کند. شرایط برای تنوع این می تواند منجر به مدلی با پیچیدگی بیشتر شود، بنابراین پیچیدگی های موجود در تجزیه و تحلیل و محاسبات را تقویت می کند. در مقابل، اگرچه رویکرد دوگانه انتزاع گاراژ زیرزمینی را به یک مدل کمتر پیچیده ساده می‌کند، اما باعث از دست رفتن اطلاعات حیاتی مربوط به ساختار پارکینگ می‌شود، از جمله اتصال جاده‌ها، چیدمان فضایی، و مقدار فضاهای پارک. آن را برای این سناریوی خاص نامناسب نشان می دهد.

در پاسخ به این چالش‌ها، ما یک رویکرد اولیه پیشرفته را پیشنهاد می‌کنیم که برای کاربرد در پارکینگ‌ها طراحی شده است. این رویکرد تجدید نظر شده شامل سه محدودیت اضافی نسبت به مدل اولیه سنتی است:

Equivalence: مطابقت یک به یک بین نمودار انتزاعی و شبکه واقعی جاده را تضمین می کند، که مانع از اضافه یا حذف سازه های جاده ای موجود می شود.
تداوم: هر یال در نمودار مربوط به یک بخش جاده به هم پیوسته است، در نتیجه از قرار دادن گره های جدا شده که می تواند تداوم جاده را مختل کند، جلوگیری می کند.
جهت دهی: نمودار به صورت یک شبکه جهت دار ساخته شده است که به هر یال جهت و وزن خاصی اختصاص داده شده است که نشان دهنده جهت مجاز جریان ترافیک است.

گره ها و لبه های نمودار، همانطور که با استفاده از رویکرد اولیه پیشرفته فرموله شده اند، دارای ویژگی های فضایی و مرتبط با ترافیک متمایز هستند:

ویژگی‌های فضایی: اینها معرف تقاطع‌ها، گوشه‌ها و نقاط ورودی یا خروجی در داخل پارکینگ هستند که به‌طور استراتژیک جاده را برای تسهیل اجرای جهت‌های سازمان ترافیکی متفاوت تقسیم می‌کنند.

ویژگی های ترافیکی: گره ها معمولاً نقاط ورود یا خروج پارکینگ را نشان می دهند یا مناطق پارکینگ خاص را مشخص می کنند. هنگام تعیین مناطق پارکینگ، گره ها با تعداد فضاهای پارک باقی مانده و اشغال شده نسبت داده می شوند.

۲٫: لبه ها

ویژگی های فضایی: لبه ها مربوط به بخش هایی از جاده هستند که در معرض تغییرات جهت هستند. تغییرات در طرح های سازمان ترافیک در نمودار از طریق پیکربندی لبه های جهت دار آشکار می شود.

ویژگی های ترافیک: هر لبه با یک جهت روشن و یک وزن مرتبط تعریف می شود که جریان جهتی فعلی ترافیک در آن بخش جاده و زمان عبور نظری را مشخص می کند. قابل ذکر است، زمان عبور ممکن است بسته به جهت جریان همان بخش جاده متفاوت باشد.

نمودار، همانطور که از طریق رویکرد اولیه بهبود یافته ایجاد می شود، نه تنها انسجام و رابطه مفصلی شبکه راه را افزایش می دهد، بلکه ساختار یکپارچه جاده را نیز حفظ می کند. این تضمین می کند که هر جفت لبه مجاور در یک گره در نمودار می تواند سازمان ترافیک را در جهت های مختلف پشتیبانی کند. در نتیجه، این رویکرد اولیه تصفیه‌شده مناسب‌ترین روش برای انتزاع مدل‌ها در تولید و انتخاب طرح‌های سازمان‌دهی ترافیک متغیر در تأسیسات پارکینگ است، که چارچوبی قوی برای پرداختن به پیچیدگی‌های ذاتی در مدیریت جریان‌های ترافیک پارکینگ فراهم می‌کند.

۳٫۲٫ طراحی الگوریتم

در طول دوره‌های اوج در یک پارکینگ، رعایت یک الگوی سازمان‌دهی ترافیک ثابت اغلب باعث ازدحام ترافیک یک‌طرفه و استفاده غیربهینه از خطوط جایگزین می‌شود. این ناکارآمدی معمولاً از توزیع متنوع فضاهای پارکینگ و تقاضاهای نامتقارن برای ورود و خروج ناشی می شود. با توجه به این چالش ها، برای مدیران پارکینگ ها ضروری است که وضعیت زمان واقعی فضاهای پارکینگ را در نظر بگیرند و استراتژی سازمان ترافیک را به گونه ای تطبیقی تنظیم کنند تا فاصله و مدت زمان کلی انحراف را برای همه وسایل نقلیه به حداقل برساند و در نتیجه کارایی عملیاتی پارکینگ را افزایش دهد. امکانات.

در این بخش، مراحل رویه‌ای دقیق مربوط به تولید و انتخاب طرح‌های سازمان ترافیک متغیر را تشریح می‌کنیم که به شرح زیر خلاصه می‌شود:

۳٫۲٫۱٫ نسل مجموعه خشن

در ابتدا، هر پارکینگی در یک نمودار جهت دار انتزاع می شود

{جی}_{۰} = (V ، E)

همانطور که در بخش ۳٫۱، که m نشان دهنده تعداد گره ها و n نشان دهنده تعداد یال های داخل نمودار است. هر یال در این نمودار نمادی از یک جاده دو خطه است که قادر به پشتیبانی از جریان های ترافیکی درون درجه، خارج و دو جهته است، بنابراین در مجموع ایجاد می کند.

۳^{n}

ترکیبات سازمان ترافیک بالقوه، به عنوان نشان داده شده است

{اس}_{۱}

واضح است که تنظیمات خاصی در داخل ${اس}_{۱}$ ممکن است با معیارهای اساسی طراحی جاده مطابقت نداشته باشد. در درجه اول، اطمینان از برقراری ارتباط در سراسر پارکینگ بسیار مهم است، به این معنی که هر منطقه پارکینگ باید از هر منطقه و نقطه ورودی دیگری قابل دسترسی باشد. برای اطمینان از این اتصال، یک الگوریتم جستجوی عمق (DFS) برای ارزیابی هر نمودار و حذف مواردی که معیارها را برآورده نمی‌کنند، استفاده می‌شود. فرآیند شامل مراحل زیر است:

۱٫

یک آرایه بولی بازدید شده را راه اندازی کنید[V] و تمام عناصر را روی false قرار دهید که نشان می دهد هنوز هیچ گره ای بازدید نشده است.

۲٫

برای هر گره $v ∊ V$ ، DFS(v) را انجام دهید.

من.: در صورت بازدید[v] نادرست است، علامت بازدید شده است[v] به عنوان true، نشان می دهد که گره v بازدید شده است.
ii: برای هر گره همسایه بازدید نشده u ∊ Adj(v) از v (که در آن Adj(v) مجموعه گره های همسایه گره v را نشان می دهد)، DFS(u) را انجام دهید.

۳٫

بررسی کنید که آیا همه عناصر آرایه بازدید شده درست هستند یا خیر. اگر همه درست باشند، هر گره در نمودار برای همه گره های دیگر قابل دسترسی است.

پس از اتمام فاز، مجموعه خشن قابل اجرا را شناسایی و ترسیم کردیم ${اس}_{۲}$ ، که شامل نمودارهایی است که معیارهای اتصال را برآورده می کند.

۳٫۲٫۲٫ هرس دانش دامنه

فراتر از الزامات اولیه اتصال، طراحی طرح های سازماندهی ترافیک برای پارکینگ ها نیز باید با استانداردهای صنعتی و شیوه های مهندسی مطابقت داشته باشد. برای این منظور، اصلاح مجموعه ضروری است ${اس}_{۲}$ استفاده از دانش خاص دامنه، در نتیجه همسویی با مشخصات مهندسی و محدود کردن محدوده مجموعه امکان پذیر. این فرآیند پالایش چندین محدودیت دانش رایج دامنه را شامل می شود که عبارتند از:

۱٫: محدودیت جهت ورودی

هر ورودی تابع سه حالت سازمانی بالقوه است – دو ورودی، دو خروجی، و ترکیبی از یک ورودی و یک خروجی، که مربوط به جریان جاده دو خطه در این نقاط ورودی است. دسته های برنامه متمایز باید بر اساس ترکیب های مختلف جریان ورودی و خروجی مشخص شوند.

۲٫: محدودیت های جاده شریانی محیطی

ایجاد ترافیک دو طرفه ثابت در معابر اصلی که مناطق پارکینگ داخلی را به هم متصل می کند و جریان ترافیک اولیه را در داخل پارکینگ تحمل می کند. این پیکربندی در افزایش راندمان گردش وسایل نقلیه در داخل قطعه بسیار مفید است.

۳٫: محدودیت های ساختاری خاص

با توجه به ویژگی های توزیع منحصر به فرد مناطق پارکینگ یا الزامات عملکردی متنوع در تأسیسات پارکینگ، ادغام محدودیت های ساختاری خاص در نمودار ضروری است. چنین پیکربندی‌هایی ممکن است شامل طرح‌بندی برآمدگی، طرح‌بندی دایره‌ای، طرح‌بندی شعاعی و طرح‌بندی شبکه‌ای باشد.

این سه محدودیت نشان دهنده مراحل استاندارد قابل اجرا برای هر پیکربندی تسهیلات پارکینگ است. در کاربردهای دنیای واقعی، ملاحظات بیشتر باید شامل عواملی مانند تخصیص فضاهای پارکینگ در دسترس، مناطق آتش نشانی، ایستگاه های شارژ، مسیرهای عابر پیاده، لابی آسانسور و سایر متغیرهای مرتبط باشد. هرس مجموعه خشن ${اس}_{۲}$ مبتنی بر دانش دامنه نه تنها فضای راه حل را منطقی تر می کند، بلکه بار محاسباتی مرتبط با تولید و انتخاب راه حل ها را به میزان قابل توجهی کاهش می دهد. مجموعه نمودارهایی که از فرآیند هرس مبتنی بر دانش پدید می آیند، متعاقباً به عنوان نشان داده می شوند. ${اس}_{۳}$ .

۳٫۲٫۳٫ انتخاب استراتژی بهینه

پس از مراحل رویه ای فوق الذکر، مجموعه حاصل ${اس}_{۳}$ همه راه حل های قابل اجرا مربوط به امکانات پارکینگ را در بر می گیرد. اصلاحات بعدی محلول های داخل ${اس}_{۳}$ برای تعیین موثرترین استراتژی انجام می شود. توجه به این نکته ضروری است که در دوره‌های تقاضای کم، جایی که هجوم و خروج وسایل نقلیه نسبتاً متعادل است، طرح‌های مدیریت ترافیک سنتی عموماً برای حفظ حرکت سیال وسایل نقلیه در داخل تأسیسات کافی هستند. بنابراین، طرح های سازمان ترافیک متغیر فقط در ساعات شلوغی مستقر می شوند. در انتخاب استراتژی بهینه، بین دوره‌های ورود اوج و خروج اوج تمایز قائل می‌شود.

طبق یافته‌های محققان، در دوره‌های اوج ورود، زمانی که تعداد وسایل نقلیه ورودی به فضای پارک باقی‌مانده در داخل تسهیلات می‌رسد، رانندگان تمایل دارند مسیر توصیه‌شده سیستم را دنبال کنند و با ورود به پارکینگ، نزدیک‌ترین فضای پارک موجود را انتخاب کنند. مانند هان و همکاران. [۳۸]. در نهایت تمامی پارکینگ های خالی داخل پارکینگ اشغال خواهد شد. کل زمان پارک خودروها برای هر استراتژی سازمان ترافیک محاسبه می شود و استراتژی با کمترین مدت زمان به عنوان استراتژی بهینه انتخاب می شود.

۱٫: آستانه ساعت اوج را تنظیم کنید

مفاهیم اوج ورود و خروج در درجه اول کیفی هستند. برای انتقال آنها به چارچوبی که قابل تجزیه و تحلیل کمی باشد، مقدار آستانه θ را تنظیم کنید. هنگامی که مقدار محاسبه شده از آستانه فراتر رود، به عنوان دوره ورود یا خروج اوج شناسایی می شود:

$\frac{س_{که در / بیرون}}{س_{که در} + س_{بیرون}} \geq من ،$

(۱)

جایی که:

$س_{که در}$ – حجم ترافیک ساعتی ورودی پارکینگ، که توسط داده های تاریخی پیش بینی می شود یا در زمان واقعی توسط دستگاه های سنجش جمع آوری می شود.

$س_{بیرون}$ – حجم ترافیک ساعتی خروجی پارکینگ که با داده های تاریخی پیش بینی می شود یا در زمان واقعی توسط دستگاه های سنجش جمع آوری می شود.

۲٫: وزن لبه ها را محاسبه کنید.

برای نمودار

{جی}_{من} = (V ، E)

که در

{اس}_{۳}

، حاشیه، غیرمتمرکز

ه_{ab} ∊ E

، زمان سفر یک وسیله نقلیه را در نظر بگیرید که از جاده ای که نشان داده شده است

ه_{ab}

به عنوان وزن

ه_{ab}

${دبلیو}_{ab} = L_{ab} / (V_{۰} * r) ،$

(۲)

جایی که:

${دبلیو}_{ab}$ – وزن لبه دو گره همسایه a تا b گراف ${جی}_{من}$ ;

$L_{ab}$ – طول جاده واقعی بخش مربوطه از $ه_{ab}$ ;

$V_{۰}$ – سرعت طراحی پارکینگ؛

$r$ – تعداد نوارهای جاده از a تا b.

۳٫: محاسبه ویژگی های گره

برای نمودار

{جی}_{من} = (V ، E)

که در

{اس}_{۳}

، زمانی که گره

v ∊ V

یک منطقه پارکینگ را نشان می دهد، دارای ویژگی هایی است که مقادیر فضای پارک باقی مانده و اشغال شده را نشان می دهد:

$O_{v} = \sum_{من = ۱}^{n} \frac{۱}{ک_{من}} O_{من} ،$

(۳)

${من}_{v} = \sum_{من = ۱}^{n} \frac{۱}{ک_{من}} {من}_{من} ،$

(۴)

جایی که:

$O_{v}$ و ${من}_{v}$ – تعداد فضاهای پارک اشغال شده و باقیمانده در گره v.

$O_{من}$ (i = 1…n) – تعداد فضاهای اشغال شده توسط منطقه پارک i-ام مجاور گره v.

${من}_{من}$ (i = 1…n)-تعداد فضاهای باقی مانده در ناحیه i-امین پارکینگ مجاور گره v.

$ک_{من}$ (i = 1…n) – تعداد گره‌های مجاور منطقه پارک i-ام.

۴٫: کوتاه ترین مسیر ورود یا خروج را محاسبه کنید.

الگوریتم Dijkstra برای محاسبه کوتاه ترین مسیر بین گره ها استفاده می شود که پدیده تراکم را در نظر می گیرد و تابع تعادل را بر اساس فاصله و زمان ایجاد می کند. نتایج محاسبات نشان دهنده مسیرهای بهینه ای است که می تواند توسط وسایل نقلیه ورودی و خروجی از پارکینگ تحت استراتژی سازمان ترافیک فعلی انتخاب شود.

برای نمودار ${جی}_{من} = (V ، E)$ که در ${اس}_{۳}$ ، Dst[v] نشان‌دهنده کوتاه‌ترین فاصله مسیر گره v است که تا بی‌نهایت مقداردهی اولیه می‌شود. ${دبلیو}_{تو v}$ وزن لبه از دو گره همسایه u تا v است. $V_{د}$ مجموعه ای از گره هایی که قبلاً بازدید شده اند را نشان می دهد، الگوریتم شامل مراحل زیر است:

(آ): Dst را مقداردهی اولیه کنید[start] = 0 و Dst[v] = ∞ (v≠شروع)؛
(ب): کوتاه ترین گره مسیر v ∊ V را طوری انتخاب کنید که Dst[u] به حداقل می رسد و $تو \notin V_{د}$ ;
(ج): فواصل گره های همسایه را به روز کنید. برای هر گره همسایه $v ∊ صفت (تو)$ ، که مجموعه ای از گره های مجاور u را نشان می دهد، فاصله جدید را محاسبه کنید: ${Dst}_{جدید} = Dst [u] + {دبلیو}_{uv}$ ، اگر ${Dst}_{جدید} < Dst [v]$ ، سپس به روز رسانی کنید $Dst [v] = {Dst}_{جدید}$ ;
(د): مقدار تابع تعادل را محاسبه کنید: $ب_{ارزش} = آ * Dst [v] + ب * {تی}_{uv}$ ، که α و β پارامترهای وزن تابع تعادل و ${تی}_{uv}$ نشان دهنده زمان از گره u تا گره v است.
(ه): هنگام انتخاب گره بعدی، مقدار تابع تعادل را در نظر بگیرید، به عنوان مثال، گره ای را انتخاب کنید که آن را به حداقل می رساند $ب_{ارزش}$ به عنوان کوتاه ترین گره مسیر بعدی.

۵٫: استراتژی بهینه را انتخاب کنید.

در نظر گرفتن دوره اوج ورود به عنوان مثال، برای نمودار G_من که در

{اس}_{۳}

، زمان استفاده شده توسط هر وسیله نقلیه برای رانندگی از گره ورودی به گره پارکینگ را محاسبه کنید و آنها را با هم جمع کنید تا زمان کل ورودی را بدست آورید.

{تی}_{من}

. مقایسه کردن

{تی}_{من}

برای تمام نمودارهای موجود در

{اس}_{۳}

، و در نظر گرفتن حداقل مقدار نمودار مربوطه G' به عنوان استراتژی سازمان ترافیک بهینه در دوره اوج ورود:

${تی}_{من} = \sum_{v = ۱}^{n} {من}_{v} * D_{v} ،$

(۵)

$جی' = دقیقه ({تی}_{من} ، من = ۱ \dots متر) ،$

(۶)

جایی که:

${من}_{v}$ – تعداد جای پارک باقی مانده در گره v.

$D_{v}$ – کوتاهترین مسیر زمان سپری شده از ورودی به گره v.

${تی}_{من}$ – زمان ورود کل نمودار G_من;

$جی'$ – نمودار مربوط به استراتژی سازمان ترافیک بهینه.

منبع:
۱- shahrsaz.ir , پایداری | متن کامل رایگان | یک روش تولید طرح مبتنی بر نمودار برای سازماندهی ترافیک متغیر در پارکینگ ها
,۲۰۲۴-۰۶-۰۴ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2071-1050/16/11/4778

پایداری | متن کامل رایگان | یک روش تولید طرح مبتنی بر نمودار برای سازماندهی ترافیک متغیر در پارکینگ ها

۳٫۱٫ نمایش نمودار برای پارکینگ ها

۳٫۲٫ طراحی الگوریتم

۳٫۲٫۱٫ نسل مجموعه خشن

۳٫۲٫۲٫ هرس دانش دامنه

۳٫۲٫۳٫ انتخاب استراتژی بهینه

بر , برای , پارکینگ , پایداری , ترافیک , تولید , در , رایگان , روش , سازماندهی , طرح , کامل , مبتنی , متغیر , متن , نمودار , ها , یک

لغو پاسخ