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
15
açık
banner153
Puan Durumu
Takımlar O P
1. Galatasaray 11 31
2. Fenerbahçe 11 26
3. Samsunspor 12 25
4. Eyüpspor 12 22
5. Beşiktaş 11 21
6. Göztepe 11 18
7. Sivasspor 12 17
8. Başakşehir 11 16
9. Kasımpasa 12 14
10. Konyaspor 12 14
11. Antalyaspor 12 14
12. Rizespor 11 13
13. Trabzonspor 11 12
14. Gaziantep FK 11 12
15. Kayserispor 11 12
16. Bodrumspor 12 11
17. Alanyaspor 11 10
18. Hatayspor 11 6
19. A.Demirspor 11 2
Takımlar O P
1. Kocaelispor 12 25
2. Bandırmaspor 12 24
3. Erzurumspor 12 22
4. Karagümrük 12 21
5. Igdir FK 12 21
6. Ankaragücü 12 19
7. Ahlatçı Çorum FK 12 19
8. Boluspor 12 18
9. Şanlıurfaspor 12 18
10. Manisa FK 12 17
11. Esenler Erokspor 12 17
12. Ümraniye 12 17
13. Pendikspor 12 17
14. Keçiörengücü 12 15
15. Gençlerbirliği 12 15
16. İstanbulspor 12 14
17. Amed Sportif 12 14
18. Sakaryaspor 12 13
19. Adanaspor 12 7
20. Yeni Malatyaspor 12 -3
Takımlar O P
1. Liverpool 11 28
2. M.City 11 23
3. Chelsea 11 19
4. Arsenal 11 19
5. Nottingham Forest 11 19
6. Brighton 11 19
7. Fulham 11 18
8. Newcastle 11 18
9. Aston Villa 11 18
10. Tottenham 11 16
11. Brentford 11 16
12. Bournemouth 11 15
13. M. United 11 15
14. West Ham United 11 12
15. Leicester City 11 10
16. Everton 11 10
17. Ipswich Town 11 8
18. Crystal Palace 11 7
19. Wolves 11 6
20. Southampton 11 4
Takımlar O P
1. Barcelona 13 33
2. Real Madrid 12 27
3. Atletico Madrid 13 26
4. Villarreal 12 24
5. Osasuna 13 21
6. Athletic Bilbao 13 20
7. Real Betis 13 20
8. Real Sociedad 13 18
9. Mallorca 13 18
10. Girona 13 18
11. Celta Vigo 13 17
12. Rayo Vallecano 12 16
13. Sevilla 13 15
14. Leganes 13 14
15. Deportivo Alaves 13 13
16. Las Palmas 13 12
17. Getafe 13 10
18. Espanyol 12 10
19. Real Valladolid 13 9
20. Valencia 11 7