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 27 71
2. Fenerbahçe 26 62
3. Samsunspor 27 51
4. Beşiktaş 26 44
5. Eyüpspor 27 44
6. Gaziantep FK 26 38
7. Göztepe 26 37
8. Başakşehir 26 36
9. Trabzonspor 26 35
10. Kasımpaşa 27 35
11. Rizespor 27 33
12. Antalyaspor 27 33
13. Konyaspor 27 31
14. Alanyaspor 27 31
15. Bodrum FK 27 30
16. Sivasspor 27 27
17. Kayserispor 26 27
18. Hatayspor 26 19
19. A.Demirspor 26 -2
Takımlar O P
1. Kocaelispor 30 59
2. Karagümrük 30 53
3. Erzurumspor 30 51
4. Bandırmaspor 30 50
5. Gençlerbirliği 30 48
6. İstanbulspor 30 46
7. Ahlatçı Çorum FK 30 45
8. Boluspor 30 44
9. Ümraniye 30 44
10. Amed Sportif 30 43
11. Iğdır FK 30 43
12. Keçiörengücü 30 42
13. Esenler Erokspor 30 41
14. Pendikspor 30 40
15. Sakaryaspor 30 39
16. Ankaragücü 30 38
17. Manisa FK 30 37
18. Şanlıurfaspor 30 34
19. Adanaspor 30 27
20. Yeni Malatyaspor 30 -21
Takımlar O P
1. Liverpool 29 70
2. Arsenal 29 58
3. Nottingham Forest 29 54
4. Chelsea 29 49
5. M.City 29 48
6. Newcastle 28 47
7. Brighton 29 47
8. Fulham 29 45
9. Aston Villa 29 45
10. Bournemouth 29 44
11. Brentford 29 41
12. Crystal Palace 28 39
13. M. United 29 37
14. Tottenham 29 34
15. Everton 29 34
16. West Ham United 29 34
17. Wolves 29 26
18. Ipswich Town 29 17
19. Leicester City 29 17
20. Southampton 29 9
Takımlar O P
1. Barcelona 27 60
2. Real Madrid 28 60
3. Atletico Madrid 28 56
4. Athletic Bilbao 28 52
5. Villarreal 27 44
6. Real Betis 28 44
7. Mallorca 28 40
8. Celta Vigo 28 39
9. Rayo Vallecano 28 37
10. Sevilla 28 36
11. Getafe 28 36
12. Real Sociedad 28 35
13. Girona 28 34
14. Osasuna 27 33
15. Espanyol 27 28
16. Valencia 28 28
17. Deportivo Alaves 28 27
18. Leganes 28 27
19. Las Palmas 28 25
20. Real Valladolid 28 16