مهندسی ترافیک

مهندسی ترافیک

ارائه روشی برای اصلاح شبکه خطوط اتوبوس‌رانی در شبکه‌های شهری (مطالعه موردی: شهر مشهد)

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشجوی دکتری برنامه ریزی حمل‌ونقل، شرکت مهندسین مشاور طرح و تدبیر طابران، مشهد، ایران
2 کارشناس ارشد الهیات و معارف اسلامی، سازمان اتوبوسرانی شهر مشهد، مشهد، ایران
3 کارشناس ارشد برنامه ریزی حمل‌ونقل، سازمان اتوبوسرانی شهر مشهد، مشهد، ایران
چکیده
 مهم‌ترین مسئله‌ای که باید هم‌زمان با توسعه شهرها در نظر گرفته شود، طراحی و اصلاح شبکه خطوط حمل‌ونقل همگانی است که مهم‌ترین بخش آن، طراحی شبکه خطوط اتوبوس‌رانی است. در شهر مشهد، ایجاد خطوط مترو و BRT در شبکه شهری و همچنین رشد جمعیت، باعث تغییرات اساسی در الگوی سفرهای شهری شده‌ است و لذا اصلاح شبکه خطوط اتوبوس‌رانی امری ضروری است. روش‌هایی که تا به امروز برای طراحی شبکه اتوبوس‌رانی ارائه شده‌اند، کمتر به جنبه اجرایی توجه نموده‌اند و پیاده‌سازی آن‌ها در شبکه‌های واقعی و بزرگ‌مقیاس بسیار زمان‌بر است. هدف اصلی این مطالعه، ارائه روشی اجرایی و کاربردی برای طراحی شبکه اتوبوس‌رانی شهری است. روش این مطالعه ترکیبی از روش‌های ابتکاری و فرا ابتکاری بوده و مبتنی بر الگوریتم ژنتیک است. به‌منظور به‌کارگیری این روش حل و امکان پیاده‌سازی آن برای شهر مشهد، از برنامه‌نویسی در محیط C++ بهره گرفته شد که امکان طراحی سریع شبکه اتوبوس‌رانی را برای اهداف و محدودیت‌های مختلف فراهم می‌آورد. خروجی و نتایج این روش برای شهر مشهد استخراج شد و شبکه بهینه اتوبوس‌رانی با شبکه موجود مقایسه گردید. نتایج نشان داد که پوشش تقاضا و سایر شاخص‌های عملکردی در شبکه اتوبوس‌رانی پیشنهادی، بهبود قابل‌توجهی نسبت به شبکه وضع موجود دارد.
کلیدواژه‌ها

  • رنجبری، ا.، طراحی شبکه اتوبوس‌رانی با تقاضای الاستیک. 1390, دانشگاه علم و صنعت ایران.
  • بهزاد، ر.، طراحی شبکه اتوبوس‌رانی شهری بر اساس نظریه گراف. 1390, دانشگاه علم و صنعت ایران.
  • چگینی و همکاران، طراحی شبکه اتوبوس‌رانی با هدف بیشینه‌سازی رضایت استفاده‌کنندگان، دوازدهمین کنفرانس بین‌المللی مهندسی حمل‌ونقل و ترافیک. 1391: تهران.
  • افندی‌زاده و همکاران، طراحی خطوط شبکه اتوبوس‌رانی شهری با استفاده از روش جستجوی ممنوع، مهندسی حمل‌ونقل، شماره چهارم، تابستان 1389.
  • Ceder, A., Public Transit Planning and Operation: Modelling, Practice and Behavior, Second Edition. 2015: Butterworth-Heinemann.
  • Ceder, A. and N.H.M. Wilson, Bus network design. Transportation Research Part B, 1986. 20(4): p. 331-344.
  • Baaj, M.H. and H.S. Mahmassani, TRUST: A LISP program for the analysis of transit route configurations. Transportation Research Record, 1990. 1283: p. 125-135.
  • Baaj, M.H. and H.S. Mahmassani, AI-based approach for transit route system planning and design. Journal of advanced transportation, 1991. 25(2): p. 187-210.
  • Baaj, M.H. and H.S. Mahmassani, Hybrid route generation heuristic algorithm for the design of transit networks. Transportation Research Part C, 1995. 3(1): p. 31-50.
  • Pattnaik, S.B., S. Mohan, and V.M. Tom, Urban bus transit route network design using genetic algorithm. Journal of Transportation Engineering, 1998. 124(4): p. 368-375.
  • Ceder, A., Operational objective functions in designing public transport routes. Journal of advanced transportation, 2001. 35(2): p. 125-144.
  • Ngamchai, S. and D.J. Lovell, Optimal time transfer in bus transit route network design using a genetic algorithm. Journal of Transportation Engineering, 2003. 129(5): p. 510-521.
  • Tom, V. and S. Mohan, Transit route network design using frequency coded genetic algorithm. Journal of Transportation Engineering, 2003. 129(2): p. 186-195.
  • Yang, Z., B. Yu, and C. Cheng, A parallel ant colony algorithm for bus network optimization. Computer‐Aided Civil and Infrastructure Engineering, 2007. 22(1): p. 44-55.
  • Hu, J., et al., Optimal design for urban mass transit network based on evolutionary algorithms, in Advances in Natural Computation. 2005, Springer. p. 1089-1100.
  • Zhao, F. and X. Zeng, Optimization of user and operator cost for large-scale transit network. Journal of transportation engineering, 2007. 133(4): p. 240-251.
  • Fan, W. and R.B. Machemehl, Using a simulated annealing algorithm to solve the transit route network design problem. Journal of Transportation Engineering, 2006. 132(2): p. 122-132.
  • Asadi Bagloee, S. and A.A. Ceder, Transit-network design methodology for actual-size road networks. Transportation Research Part B: Methodological, 2011. 45(10): p. 1787-1804.
  • Cipriani, E., S. Gori, and M. Petrelli, Transit network design: A procedure and an application to a large urban area. Transportation Research Part C: Emerging Technologies, 2012. 20(1): p. 3-14.
  • Lee, Y.-J. and V.R. Vuchic, Transit network design with variable demand. Journal of Transportation Engineering, 2005. 131(1): p. 1-10.
  • Mauttone, A. and M.E. Urquhart, A route set construction algorithm for the transit network design problem. Computers & Operations Research, 2009. 36(8): p. 2440-2449.
  • Mauttone, A. and M.E. Urquhart, A multi-objective metaheuristic approach for the transit network design problem. Public Transport, 2009. 1(4): p. 253-273.
  • Chew, J.S.C., L.S. Lee, and H.V. Seow, Genetic algorithm for biobjective urban transit routing problem. Journal of Applied Mathematics, 2013. 2013.
  • Amiripour, S.M.M., A. Ceder, and A. Shariat Mohaymany, Hybrid Method for Bus Network Design with High Seasonal Demand Variation. Journal of Transportation Engineering, 2014. 140(6).
  • Amiripour, S.M.M., A. Ceder, and A. Shariat Mohaymany, Bus-Network Design Considering High Seasonal Demand Variations, in Transportation Research Board Annual Meeting. 2012: Washington D.C.
  • Ranjbari, A., A. Shariat Mohaymany, and S. Amiripour, Transit Network Design: The Necessity of Elastic Demand Consideration. Applied Mechanics and Materials, 2011. 97: p. 1117-1122.
  • Chu, J.C., Mixed-integer programming model and branch-and-price-and-cut algorithm for urban bus network design and timetabling. Transportation Research Part B: Methodological, 2018. 108: p. 188-216.
  • Laporte, G., et al., Multi-objective integration of timetables, vehicle schedules and user routings in a transit network. Transportation Research Part B: Methodological, 2017. 98: p. 94-112.
  • Soto, G., H. Larrain, and J.C. Muñoz, A new solution framework for the limited-stop bus service design problem. Transportation Research Part B: Methodological, 2017. 105: p. 67-85.
  • An, K. and H.K. Lo, Two-phase stochastic program for transit network design under demand uncertainty. Transportation Research Part B: Methodological, 2016. 84: p. 157-181.
  • Fielbaum, A., S. Jara-Diaz, and A. Gschwender, Optimal public transport networks for a general urban structure. Transportation Research Part B: Methodological, 2016. 94: p. 298-313.
  • Buba, A.T. and L.S. Lee, A differential evolution for simultaneous transit network design and frequency setting problem. Expert Systems with Applications, 2018. 106: p. 277-289.
  • Badia, H., J. Argote-Cabanero, and C.F. Daganzo, How network structure can boost and shape the demand for bus transit. Transportation Research Part A: Policy and Practice, 2017. 103: p. 83-94.
  • Afandizadeh, S. and M.R. Afunian, Design of bus transit network based of branch and bound technique. Amirkabir (Journal of Science and Technology), 2003. 13(54 D): p. 578-589.