نوع مقاله : مقاله پژوهشی - کاربردی

نویسنده

• ملیحه نیک سیرت

هیات علمی گروه علوم کامپیوتر، دانشکده مهندسی صنایع و کامپیوتر، دانشگاه صنعتی بیرجند، بیرجند، ایران.

چکیده

هدف: در دوران همه گیری ویروس کرونا و در راستای رعایت قوانین فاصله گذاری اجتماعی، اپراتورهای حمل و نقل عمومی می بایست با ظرفیت های کمتری فعالیت کنند. از آنجا که ممکن است تقاضا در مناطق مختلف و در ساعات مختلف روز بیش از ظرفیت باشد، رانندگان مجبورند از خدمت رسانی به مسافران در ایستگاه های خاص خودداری کنند تا از ازدحام جمعیت جلوگیری شود.

روش‌شناسی پژوهش: هدف این مقاله توسعه ابزارهای پشتیبان تصمیم گیری جهت جلوگیری از ازدحام وسایل نقلیه تحت شرایط محدویت‌های ناشی از شیوع بیماری و همچنین عدم قطعیت حاکم بر مسئله می‌باشد. در این مقاله دو نوع عدم قطعیت فازی و سناریو-محور در نظر گرفته شده است. بر این اساس یک مدل غیرقطعی برنامه ریزی عدد صحیح غیرخطی پویا برای بدست آوردن الگوی سرویس دهی مطلوب برای وسایل نقلیه ای که آماده اعزام هستند، معرفی شده است. برای غلبه بر عدم قطعیت ترکیبی، تئوری امکان به عنوان یک رویکرد برنامه‌ریزی تصادفی فازی جدید پیشنهاد شده است که مزایای قابل‌توجهی دارد.

یافته‎ها: مدل ارایه شده به طور مشخص یک تعادل بین رعایت فاصله گذاری اجتماعی با کاهش ظرفیت وسایل نقلیه و کاهش زمان انتظار مسافرانی که سرویس را از دست می‌دهند تحت شرایط عدم قطعیت برقرار می کند. نمونه های عددی برای تشریح مفاهیم و مدل پیشنهادی و مقایسه نتایج ارائه شده است.

اصالت/ارزش افزوده علمی: مدل پشتیبان تصمیم پیشنهاد شده می‌تواند الگوهای خدماتی را برای سرویس‌دهی خطوط مختلف پیشنهاد کند و می‌تواند به اپراتورهای حمل‌ونقل عمومی کمک کند تا مزایا و معایب اجرای الگوهای سرویس‌دهی مبتنی بر بیماری همه‌گیر را با توجه به پیشرفت‌های عملیاتی و سطح تقاضای مسافران ارزیابی کند.

کلیدواژه‌ها

• اصلاح الگوی سرویس دهی
• حمل ونقل عمومی
• برنامه ریزی عدد صحیح پویای غیرخطی
• فاصله گذاری اجتماعی
• همه گیری

موضوعات

• بهینه سازی فازی

عنوان مقاله [English]

Service Pattern Modification by Considering Social Distancing under Uncertainty Conditions

نویسنده [English]

• Malihe Niksirat

Assistant Professor, Department of Computer Science, Birjand University of Technology, Birjand, Iran.

چکیده [English]

Purpose: During the Corona virus epidemic and in order to comply with the rules of social distancing, public transport operators have to operate with less capacity. Because demand may be overcapacity in different areas at different times of the day, drivers are forced to refrain from serving passengers at certain stations to avoid overcrowding.

Methodology: The purpose of this paper is to develop decision support tools to prevent congestion of vehicles. Also, in order to consider the real conditions, two types of fuzzy and scenario-based uncertainty are considered. A dynamic nonlinear integer programming model is introduced to obtain the optimal service pattern for vehicles that are ready to be dispatched. To overcome the combined uncertainty of the problem, possibility theory has been proposed as a new fuzzy stochastic programming approach that has significant advantages.

Findings: The model is clearly strikes a balance between observing social distancing by reducing the capacity of vehicles and reducing the waiting time of passengers who lose services. Numerical examples are provided to illustrate the proposed concepts and model and to compare the results.

Originality/Value: The proposed decision support model can suggest service patterns for different lines service and can assess public transport operators to evaluate the advantages and disadvantages of implementing epidemic-based service patterns due to operational advances and demand level of travelers.

کلیدواژه‌ها [English]

• Service pattern modification
• public transportation
• nonlinear dynamic integer programming
• social spacing
• epidemic