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 29 74
2. Fenerbahçe 28 68
3. Samsunspor 30 51
4. Beşiktaş 28 48
5. Eyüpspor 29 47
6. Başakşehir 28 42
7. Göztepe 28 39
8. Gaziantep FK 28 39
9. Kasımpaşa 29 39
10. Antalyaspor 29 39
11. Trabzonspor 28 36
12. Konyaspor 29 34
13. Rizespor 28 34
14. Bodrum FK 29 33
15. Kayserispor 28 33
16. Sivasspor 29 31
17. Alanyaspor 29 31
18. Hatayspor 28 19
19. A.Demirspor 28 -2
Takımlar O P
1. Kocaelispor 33 66
2. Karagümrük 33 59
3. Gençlerbirliği 33 57
4. Erzurumspor 33 55
5. Bandırmaspor 33 55
6. İstanbulspor 33 52
7. Keçiörengücü 33 48
8. Boluspor 33 48
9. Iğdır FK 33 48
10. Esenler Erokspor 33 48
11. Ahlatçı Çorum FK 33 48
12. Amed Sportif 33 48
13. Ümraniye 33 47
14. Pendikspor 33 45
15. Sakaryaspor 33 42
16. Ankaragücü 33 38
17. Manisa FK 33 38
18. Şanlıurfaspor 33 37
19. Adanaspor 33 27
20. Yeni Malatyaspor 33 -21
Takımlar O P
1. Liverpool 31 73
2. Arsenal 31 62
3. Nottingham Forest 31 57
4. Chelsea 31 53
5. Newcastle 30 53
6. M.City 31 52
7. Aston Villa 31 51
8. Fulham 31 48
9. Brighton 31 47
10. Bournemouth 31 45
11. Crystal Palace 30 43
12. Brentford 31 42
13. M. United 31 38
14. Tottenham 31 37
15. Everton 31 35
16. West Ham United 31 35
17. Wolves 31 32
18. Ipswich Town 31 20
19. Leicester City 31 17
20. Southampton 31 10
Takımlar O P
1. Barcelona 30 67
2. Real Madrid 30 63
3. Atletico Madrid 30 60
4. Athletic Bilbao 30 54
5. Villarreal 29 48
6. Real Betis 30 48
7. Celta Vigo 30 43
8. Real Sociedad 30 41
9. Rayo Vallecano 30 40
10. Mallorca 30 40
11. Getafe 30 39
12. Valencia 31 37
13. Sevilla 31 36
14. Osasuna 30 35
15. Girona 30 34
16. Espanyol 29 32
17. Deportivo Alaves 30 30
18. Leganes 30 28
19. Las Palmas 30 26
20. Real Valladolid 30 16