22.04.2019, 11:03

Ulaştırma ve Toplu Taşıma Sistemlerinde Sıklık - 10

Dr. Mehmet Çağrı Kızıltaş

Dr. Mehmet Çağrı Kızıltaş

Dahası uygulama süresinin sabit kalacağı da kabul edilebilir. Sezgisel ötesi yaklaşımın mevcut versiyonu, başlangıç çözümleri dizisinde basit bir yol kullanmaktadır: aynı sıklık değerini bütün hatlara tayin etmektedir. Bununla beraber belirli bir sıklık algoritmanın parametresini teşkil etmekte ve sonucu ifade eden çeşitli ön testler sıklığa karşı hassasiyet göstermektedir. Bu gözlemin hesaba katılması ile Mandl şehri için algoritma çalıştırılmış, bütün hatlar θ dizisinin dördüncü sıklığı (8 değere sahip olan) ile başlatılmış olup ardından altıncı sıklığa geçilmiştir. İlk testte temel mantık, araştırmada hatayı engellemek için bütün hatlara θ’nın ortanca değerini tayin etmektir. Amaç değeri 187,40 olarak elde edilmiş olup ikinci testteki değer ise 140,99’dur. Optimal çözümün gözlemlenmesinde θ’nın ilk 4 sıklığından hiçbirisinin kullanılmadığı not edilmelidir. Dahası gerçekte ikinci test optimal çözümün bir parçası olarak sıklık aralıklarının ortasında yer alan sıklık dizisi ile başlatılmıştır. Bu durum; nispeten farklı sonuçlara neden olan farklı başlangıç çözümleri ve başlangıç sıklığının oluşturulmasında kullanılabilecek optimum çözümlerle ilgili bilgi temini anlamına gelmektedir. Bu noktada örneğin hatların başlangıç sıklığının kurulumu için kesin modelin (çözümü kolay olan) doğrusal esnekliğinin optimal çözümünden temin edilen bilgi kullanılabilir. Bu da hem kesin ve hem de yaklaşık çözümler arasında ihtimal dâhilindeki bir terkibi ifade etmektedir.
 
Bu kapsamda Montevideo şehrindeki duruma uygulanan sezgisel ötesi yaklaşımın sonuçları analiz ve rapor edilmiştir. Optimal çözümün ve mevcut sistemin sıklığı hakkında bilgi bulunmamaktadır. Ayrıca testin ana amacı bir başlangıç (gerçek) çözümü geliştirmek için algoritma yeterliliğinin ve bu gibi bir gelişime ulaşmak için gerekli uygulama süresinin gözlemlenmesidir. Başlangıç çözümü bütün hatlarda aynı sıklığa göre kurulmuş ve filo boyutuna karşılık gelen değer en yüksek sınırına (1500 otobüs) mümkün olduğunca yaklaştırılmıştır. Bu yolla bütün hatlara Montevideo şehir durumu θ dizisinin 4 numaralı sıklığı olarak 1/12 atanmış ve buna karşılık gelen filo boyutu 1524 olarak alınmış olup bu boyut nispeten fizibıl olmayan bir çözüm türetmektedir. 

Algoritma tekil olarak çalıştırılmış, iterasyon sayısı 500 olarak sabitlenmiş, her on iterasyonda yaklaşık 90 dakikalık işlem süresi gözlemlenmiştir. Başlangıç çözümüne göre gelişim oranı %1,7 olup geliştirilmiş çözümün birçok hattının sıklığı değişmiştir. Ayrıca ezgisel ötesi yaklaşım ile başlangıç çözümü geliştirilebilir iken gelişim kısmi araştırma iterasyon sayısındaki artışa nazaran daha yüksek olarak gerçekleşmektedir. Şekil 4 algoritmanın iterasyon sayısına göre gelişimini göstermektedir. Şekil 4’de hem modelin amaç değerleri (amaç fonksiyonu tarafından ortaya konan) ve hem de sezgisel ötesi yaklaşımın bir kısmi gelişim ile tamamlanan çeşitli döngülere sahip olduğu gözlemlenmektedir. Dolayısı ile Şekil 4’de kısıtlar tarafından empoze edilen maksimum değer çevresinde salınım gösteren bir filo boyutu gözlemlenmekte olup fizibıl alanın yanı sıra bir algoritma araştırmasına imkân veren bir mekanizma tasarımı ile sonuçlanmaktadır. 

Sonuç olarak Montevideo için elde edilen gelişim oranı Rivera için elde edilen gelişim oranından daha düşük çıktığı not edilmelidir. Her hâlükârda gelişim yüzdesi, referans çalışmalarından elde edilenler ile halen aynı aralıkta olup %1,2-%5,0’dir. Uygulama süresi ile ilgili olarak algoritma, metodoloji amacının (stratejik ve taktik planlama düzeylerinde) yanı sıra durumun detaylı derece ve boyutunu hesaba katan kabul edilebilir bir performansa sahiptir. 

Sıklık optimizasyon problemi ile ilgili olarak yeni bir formülasyon ve yeni bir çözüm yöntemi önerilmiştir. Referans çalışmasında önerilmiş olan modele dayalı olarak, bu tarz çalışmalarda önerilen aynı düzeyli doğrusal olmayan yaklaşımlara denk olan bir karma tam sayılı doğrusal programlama (MILP) formülasyonu türetilmiştir. Formülasyonun yapısı karma tam sayılı doğrusal programlama (MILP) tekniklerini kullanarak probleme kesin çözüm getirmeye elverişlidir. 

Önerilen model vasıtası ile gerçek zamanlı küçük boyutlu şehirler ile ilgili durumlar için, optimal ya da optimale yakın çözümler (hassasiyet hesaplamaları ile) geliştirilebilir. Dikkate alınan toplu ulaştırma sistemi 13 hattan oluşmasına karşın, modelin uygulanması ile %3 civarında bir gelişim kaydedilmiştir. Bu nokta, küçük durumlarda bile sistemin verimliliğin arttırılması için açık bir kapı olduğunu göstermektedir. Plancının deneyimlerinden kaynaklı manuel çözümlere karşın, bu çözümler gerektiği ölçüde optimal değildir ayrıca optimizasyon modeli değişimler önerebilir, zira kesin ya da sezgisel değildirler. Ayrıca kaydedilen gelişim yüzdelerinin literatürdeki raporlanan örnekleri ile benzer olduğu da vurgulanmalıdır. 
#Ulas #tırma #Toplu #Tas #ıma #Sistemlerinde #Sıklık #10
Yazarın Önceki Makalesi Yazarın Sonraki Makalesi
Dr. Zeki Dönmez
Dr. Zeki Dönmez
Terminal dışı varış-kalkış...
26 Şubat 2013
Sami Acerüzümoğlu
Sami Acerüzümoğlu
Seyahatname-3
12 Aralık 2024
Yorumlar (0)
banner117
5
kısa süreli hafif yoğunluklu yağmur
banner153
Puan Durumu
Takımlar O P
1. Galatasaray 30 77
2. Fenerbahçe 31 75
3. Samsunspor 32 54
4. Beşiktaş 31 52
5. Eyüpspor 31 50
6. Başakşehir 30 48
7. Trabzonspor 30 42
8. Kasımpaşa 31 42
9. Gaziantep FK 31 42
10. Göztepe 30 40
11. Konyaspor 31 40
12. Antalyaspor 31 40
13. Kayserispor 30 37
14. Rizespor 30 37
15. Sivasspor 32 34
16. Alanyaspor 30 34
17. Bodrum FK 32 34
18. Hatayspor 31 19
19. A.Demirspor 30 -2
Takımlar O P
1. Kocaelispor 35 69
2. Karagümrük 35 60
3. Gençlerbirliği 35 59
4. Erzurumspor 35 58
5. Bandırmaspor 35 57
6. İstanbulspor 35 55
7. Amed Sportif 35 54
8. Iğdır FK 35 52
9. Esenler Erokspor 35 52
10. Boluspor 35 52
11. Keçiörengücü 35 51
12. Ahlatçı Çorum FK 35 51
13. Ümraniye 35 50
14. Pendikspor 35 45
15. Sakaryaspor 35 45
16. Manisa FK 35 41
17. Şanlıurfaspor 35 40
18. Ankaragücü 35 39
19. Adanaspor 35 30
20. Yeni Malatyaspor 35 -21
Takımlar O P
1. Liverpool 33 79
2. Arsenal 34 67
3. Newcastle 34 62
4. M.City 34 61
5. Chelsea 34 60
6. Nottingham Forest 33 60
7. Aston Villa 34 57
8. Fulham 34 51
9. Brighton 34 51
10. Bournemouth 33 49
11. Brentford 33 46
12. Crystal Palace 34 45
13. Wolves 34 41
14. Everton 34 38
15. M. United 33 38
16. Tottenham 33 37
17. West Ham United 34 36
18. Ipswich Town 34 21
19. Leicester City 34 18
20. Southampton 34 11
Takımlar O P
1. Barcelona 33 76
2. Real Madrid 33 72
3. Atletico Madrid 33 66
4. Athletic Bilbao 33 60
5. Real Betis 33 54
6. Villarreal 32 52
7. Celta Vigo 33 46
8. Osasuna 33 44
9. Mallorca 33 44
10. Real Sociedad 33 42
11. Rayo Vallecano 33 41
12. Getafe 33 39
13. Espanyol 32 39
14. Valencia 33 39
15. Sevilla 33 37
16. Girona 33 35
17. Deportivo Alaves 33 34
18. Las Palmas 33 32
19. Leganes 33 30
20. Real Valladolid 33 16