1404/02/01
محسن بابائی

محسن بابائی

مرتبه علمی: استادیار
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس: 6602386569
دانشکده: دانشکده فنی و مهندسی
نشانی:
تلفن: 09122332824

مشخصات پژوهش

عنوان
مکان یابی پارکینگ های غیر حاشیه ای با در نظر گرفتن هزینه های ساخت
نوع پژوهش
پایان نامه
کلیدواژه‌ها
مکان یابی، الگوریتم های فراابتکاری، پارکینگ های غیرحاشیه ای
سال 1401
پژوهشگران حمیدرضا درویشی(دانشجو)، محسن بابائی(استاد راهنما)

چکیده

با توجه به رشد جمعیت و رشد ناموزون شهرها و افزایش استفاده از خودروها و به دنبال آن ایجاد ازدحام ترافیک، احداث پارکینگ های غیرحاشیه ای می تواند به عنوان یکی از راهکارهای مؤثر برای کاهش ازدحام ترافیکی در مناطق مرکزی شهرها مدنظر قرار گیرد. احداث این تسهیلات درصورتی که با مدیریت ترافیک منجر به کاهش حجم پارک حاشیه ای همراه شود، سبب افزایش عرض مفید خیابان ها و روان تر شدن ترافیک خواهد شد. ازآنجایی که ایجاد پارکینگ های عمومی مستلزم صرف هزینه های زیاد است، لذا تعیین مکان بهینه آن ها به شیوه ای که همه شهروندان به نحو مؤثر از آن بهره مند شوند ضروری است. در این پژوهش، یک مدل ریاضی با اهداف بیشینه کردن تقاضای پوشش یافته، کمینه کردن فاصله پیاده روی و هزینه ها شامل هزینه ساخت و هزینه تملک، برای مکان یابی پارکینگ های غیرحاشیه ای عمومی ارائه شده است. برای حل این مسئله، چارچوبی دوسطحی بر مبنای الگوریتم های فراابتکاری SA، PSO، GA و الگوریتم ترکیبی GA-PSO ارائه شده است، به گونه ای که در سطح بالای آن بهترین گزینه از میان نقاط مستعد ساخت پارکینگ بر مبنای کمترین هزینه احداث و تملک تعیین می شود، و در سطح پایین تقاضای پارکینگ به پارکینگ های انتخاب شده تخصیص می یابد. به عبارت دیگر، مسأله سطح بالا هدف اصلی پژوهش، یعنی تعیین مکان و تعداد طبقات پارکینگ را تشکیل می دهد. مدل استفاده شده در این پژوهش در شهر سنندج به عنوان مطالعه موردی به کار گرفته شده است و نواحی مناسب جهت ساخت پارکینک طبقاتی را در بین نواحی ترافیکی شهر مشخص می کند. نتایج نشان می دهد که الگوریتم ترکیبی PSO-GA نسبت به دیگر الگوریتم های استفاده شده در بحث کاهش هزینه ساخت دارای عملکرد بسیار بهتری است. زمان حل این الگوریتم نسبت به الگوریتم GA بسیار بالاتر است و با الگوریتم SA تقریباً برابر و از الگوریتم PSO به طور قابل توجهی کمتر است. می توان گفت که در این پژوهش GA عامل سرعت و PSO عامل جستجوی بهتر در الگوریتم ترکیبی PSO-GA بوده اند.