18.02.2019, 13:07

Ulaştırma ve Toplu Taşıma Sistemlerinde Sıklık-4

1995 yılında yapılan ilgili çalışmalarda sıklık optimizasyonu problemi doğrusal olmayan tek düzeyli bir problem olarak teşkil edilmiştir. Bu modelde, daha yüksek sınır seviyeleri, planlamacının filo büyüklüğünün fizibilitesi ve toplam seyahat süresinin minimizasyonu için teminini ifade etmektedir. Daha düşük sınır seviyeleri ise, kullanıcıların optimal strateji atama modellerine göre seyahat süresini minimize etmesini ifade etmektedir. Dahası her iki düzeyin amaç fonksiyonları aynı çözümlemelere sahiptir. Model; problemin belirli özelliklerini kullanan iniş eğimine dayalı olarak iteratif bir algoritma tarafından yaklaşık olarak çözülmektedir. Metodoloji; Stockholm (İsveç), Winnipeg (Kanada) ve Portland (Amerika Birleşik Devletleri) şehirlerinin içerdikleri sırası ile 38, 67 ve 115 hatla ilgili durumların kullanılması ile test edilmiştir.

Çok amaçlı bir model önerilmiş olup işletmecilerin işletim maliyetlerini (sıklıklarla doğru orantılı olduğu kabulü yapılmaktadır) ve kullanıcıların toplam seyahat sürelerini minimize etmeye çalışılmaktadır. Bu tarz çalışmaların dikkat çeken karakteristiği, kullanıcı davranışlarından kaynaklı tıkanıklığın içselleştirilmesidir. Verili bir sıklık dizisi için, önerilen atama modeli uygulanmış olup talebi etkin sıklıklara göre dağıtmaktadır. Önerilen yaklaşık çözüm yöntemi, bir başlangıç sıklık dizisi ile başlamakta olup bir hassasiyet analizi prosedürüne göre başarı ile geliştirilmektedir. Metodoloji; 4 düğüm noktası ve 4 hattan oluşan tanımlı küçük bir numunenin kullanımı ile test edilmektedir.

2010 yılı itibari ile yapılan çalışmalarda ise daha yakın olarak, otobüs sıklık optimizasyonu için genetik bir algoritma önerilmiştir. İyi bilindiği üzere, söz konusu durum ilgili probleme sezgisel ötesi yaklaşımın uygulandığı ilk örnektir. Optimizasyon modeli, sefer ve bekleme süresinin minimizasyonunu filo büyüklüğü kısıtına bağlı bir konu olarak ele almaktadır. Kullanıcı davranışları, optimal stratejili atama modeli kullanılarak modellenmektedir. Yaklaşık çözüm yöntemi; sistemdeki farklı hatlar arasında uygun filo yeniden dağıtımını yapan genetik işletimciler ile sıklıkların tam sayılı kodlamasını yapmaktadır. Metodolojiler; 3004 otobüs durağı ve 89 hattan oluşan Çin’in Dalyan şehri ile ilgili durumla ve tanımlamalı küçük boyutlu bir durumla test edilmektedir.

Toplu ulaştırma sıklık optimizasyonu ile ilgili en son referanslara 2012 yılında yapılan çalışmalarda rastlanabilmekte olup aynı düzeyli bir model önerilmiştir. Daha yüksek sınırlar, sıklıkların ve otobüs boyutlarının değişimi ile bir toplam maliyet fonksiyonu geliştirmeye çalışmakta, hem Hooke Jeeves algoritması ve hem de tabu araştırması, sezgisel bir araştırma olarak kullanılmaktadır. Düşük sınır düzeyli problem, 1993 yılında yapılan ilgili araştırmalarla formüle ederek kapasite kısıtlı atama problemini çözmektedir. Bu kapsamda araştırmacılar İspanya’nın Santander şehrindeki 15 otobüs hattından oluşan durumu kullanarak metodolojiyi test etmişlerdir. Aynı zamanda 2011 yılındaki ilgili çalışmalarda sıklık optimizasyonu, toplu taşıma ağ tasarımı probleminin bir parçası olarak sezgisel yaklaşımla çözülmüş ve Hong Kong şehrinde 10 hattan oluşan bir banliyö yerleşim alanında test edilmiştir.

Özetle literatürde sıklık optimizasyonu için farklı modeller önerilmiş olmasına karşın, oldukça benzer amaç fonksiyonları ve kısıtlarına sahiptirler. Dikkate alınan çoğu atama alt modellerince kabul edilen hipotezlerde küçük değişimler gözlemlenmektedir. Otobüs kapasitesi çoğu zaman; kullanıcı memnuniyetine göre kullanılan hatlarda yeterli kapasiteyi sağlaması gereken plancılar tarafından bir kısıt olarak ilave edilmeye teşvik edilmektedir. Diğer taraftan 2000’li yıllarda yapılan ilgili çalışmalar, tıkanıklıklı atama alt modelinin vasıtası ile kullanıcı davranışında, otobüs kapasitesinin etkisini modellemektedir. Bilindiği kadarı ile otobüs kapasitesinin belirli bir değerlendirmesi altında resmi koşullar altında herhangi bir çalışma tartışması yürütülmesine gerek yoktur. Bütün çözüm yöntemleri yaklaşıktır, bunların bir kısmı matematiksel formülasyon ile içre edilirken, diğerleri ise saf sezgisel yaklaşımlıdır. Son olarak kullanılan en büyük test, yaklaşık 100 hatlı durumlarla sahip şehirlerde karşılaşılmaktadır.

Yorumlar (0)
banner117
5
kısa süreli hafif yoğunluklu yağmur
banner153
Puan Durumu
Takımlar O P
1. Galatasaray 28 71
2. Fenerbahçe 27 65
3. Samsunspor 28 51
4. Beşiktaş 27 47
5. Eyüpspor 28 44
6. Başakşehir 27 39
7. Göztepe 27 38
8. Gaziantep FK 27 38
9. Kasımpaşa 28 38
10. Trabzonspor 27 36
11. Antalyaspor 28 36
12. Konyaspor 28 34
13. Rizespor 27 33
14. Alanyaspor 28 31
15. Sivasspor 28 30
16. Bodrum FK 28 30
17. Kayserispor 27 30
18. Hatayspor 27 19
19. A.Demirspor 27 -2
Takımlar O P
1. Kocaelispor 31 62
2. Karagümrük 31 56
3. Erzurumspor 31 54
4. Gençlerbirliği 31 51
5. Bandırmaspor 31 51
6. İstanbulspor 31 49
7. Ahlatçı Çorum FK 31 46
8. Amed Sportif 31 46
9. Boluspor 31 45
10. Ümraniye 31 45
11. Esenler Erokspor 31 44
12. Iğdır FK 31 44
13. Keçiörengücü 31 42
14. Pendikspor 31 41
15. Sakaryaspor 31 39
16. Ankaragücü 31 38
17. Manisa FK 31 37
18. Şanlıurfaspor 31 34
19. Adanaspor 31 27
20. Yeni Malatyaspor 31 -21
Takımlar O P
1. Liverpool 30 73
2. Arsenal 30 61
3. Nottingham Forest 30 57
4. M.City 30 51
5. Newcastle 29 50
6. Chelsea 29 49
7. Aston Villa 30 48
8. Brighton 30 47
9. Fulham 30 45
10. Bournemouth 30 44
11. Brentford 30 41
12. Crystal Palace 29 40
13. M. United 30 37
14. Tottenham 29 34
15. Everton 30 34
16. West Ham United 30 34
17. Wolves 30 29
18. Ipswich Town 30 20
19. Leicester City 30 17
20. Southampton 30 10
Takımlar O P
1. Barcelona 29 66
2. Real Madrid 29 63
3. Atletico Madrid 29 57
4. Athletic Bilbao 29 53
5. Villarreal 28 47
6. Real Betis 29 47
7. Rayo Vallecano 29 40
8. Celta Vigo 29 40
9. Mallorca 29 40
10. Real Sociedad 29 38
11. Sevilla 29 36
12. Getafe 29 36
13. Girona 29 34
14. Osasuna 29 34
15. Valencia 29 31
16. Espanyol 28 29
17. Deportivo Alaves 29 27
18. Leganes 29 27
19. Las Palmas 29 26
20. Real Valladolid 29 16